抖音有哪些推荐算法？

1、赛马机制，简单的说就是视频创作者凡是发布的视频通过了审核，抖音就会把视频推荐给一小部分人，并通过这些用户的点赞、收藏、评论、转发、观看时长等数据反馈去分析此视频是否能进入下一波更大范围的推荐。同样的，在此次推荐数据中表现优秀的视频会得到更大范围的推荐，就类似赛马的过程，一步步将最优秀的视频推送至热门。当然，只有赛马机制对于抖音来说是不足够的，想要提高用户的观看体验，最重要的就是个性化推荐，要让用户可以刷到自己更感兴趣的视频，才能更大程度地留住用户。所以便需要更多的算法来支持。

2、千人千面算法，仍然是根据大量数据处理来推送用户可能喜欢的视频。这其中需要用到的数据就包括了用户近期刷过的视频的数据反馈，系统从中分析出用户的喜好和需求，从而在海量的视频里为用户挑选出他最感兴趣的类型，实现智能推荐。但是这也会造成信息茧房，比如，用户的数据反馈表示用户喜欢某一类型的视频，那么按照千人千面算法便会不断地为用户推荐这一类型的视频，从而使用户只能看到他喜欢的事物，而没有发现新的视频的机会，就像活在为自己编的茧房之中。所以抖音为了打破这一机制也会为用户推送少量的热门视频、同城视频等，也有利于挖掘用户的潜在偏好。简单的说就是抖音会为每一位用户推送大部分用户感兴趣的视频和少部分可能会对用户形成价值的视频。

3、去中心化算法，也就是说抖音会根据用户的喜好来推送视频，所以平台对于创作者是公平的，不管账号以前的视频数据如何，粉丝量如何，如果不用心创作优质内容，也不会被推荐给更多的用户，也就是每条短视频都会严格依照赛马机制来进行筛选，所以抖音平台为每一位用心创作视频且内容优质的创作者提供了机会。

4、相似标签算法，类似基于用户的推荐算法，比如两位抖音的用户在平台的信息都是美容行业、坐标……等等，这些标签的重叠越多就表示两位用户的相似度越高，那么一位用户喜欢的视频，另一位用户也可能会喜欢，所以就可以推荐给另一位用户。

5、环境算法，也就是说视频内容标签会受到时间、地域等因素的影响，视频的推荐也会相应地被影响。比如，我们在刚到一座新的城市时，抖音就会推荐此城市的同城视频，而这些视频在之前的地方是没有刷到过的。再比如，新年的时候，我们就会刷到很多新年有关的视频等等。

6、投放机制算法，其实就是根据付费来干预播放量，就是通过付费来获取更精准的流量，也就是推送给用户，但是来自用户的点赞、评论、转发等行为无法干预。所以优质的视频内容是视频创作者应当关注的重点。