推荐精准度:

在推荐系统中,推荐精准度表现为对用户点击和点击率的预判,和对消费情况的预判;

推荐覆盖度:

好的推荐系统,也能够给用户提供视野范围之外的内容;推荐覆盖度比较大。

在评估用户的展示历史中,以各种题材、类目、话题的丰富程度为评估指标,丰富度越高,覆盖度越大,代表个体体验的多样性越好。

推荐系统评估指标,包括视频内容的提前预判;客观上,也是对视频内容连接到人的后期验证,我们需要在数据指标基础上,在视频制作环节围绕丰富度,帮助系统更好、更快地发现潜在用户。

六、优化内容及冷启动

如何优化?

展现层:探寻不同创意,面向不同人群,需找更适合产品到人的表现形式;

技术层:尽可能的挖掘和完善不同载体的特征和权重;

作者层;完善内容信息,比如给视频增加简介和备注;或结合时下热点进行创作。

对冷启动的内容

基于文本,分析抽离出内容或产品的关键字,根据关键字建立产品人群画像。

冷启动用户:

在冷启动阶段,新用户更倾向于热门内容,而老用户则更需要长尾内容。我们需要在有限的展示次数中,尽快确定用户的主要偏好,将我们产品的卖点,与用户的偏好进行结合。

探测用户偏好,选取内容的基本策略是: 基于已有用户群体的偏好统计数据,选择有区分度的内容;并按照覆盖面由大到小的次序;

探索到用户的偏好,从而尽快发现用户的主要兴趣点,并推荐和这兴趣相关的产品内容,以换取更高的点击率。

而当新用户已经成了老用户,在已经实现短期留住用户的前提下,推荐系统在一定程度上牺牲短期点击率,来探索用户更广泛的兴趣,从而获得用户长期留存率的提升。

兴趣探索

对推荐系统而言,用户的兴趣探索是绕不开的一环,可以从内容投放和用户消费等角度来探知。

内容投放角度:

1、用产品的细分卖点,引导新品类、新品牌的加权分发,将全人群的强展现转为特定人群的强展现,从而换取可能更高的点击率。

2、对老用户新兴趣的探索,可以概括为“以时间换效果",只要用户在应用内停留的时间足够长,系统就有机会通过各种中低频的方式,获取用户的数据,来完善用户画像。

用户消费:

1、随着用户停留时长的增加,用户会产生更多的主动动作,如评论、关注、搜索、调整频道顺序,和主动访问不同功能页,或者产生消费等,这些主动动作都会给用户画像补充新的信息。

2、另一方面,系统会基于用户已有的偏好,进行更广泛的兴趣探索。如用户冷启动后,系统会基于统计学,测试喜欢A的用户,有多大概率喜欢B,喜欢A和B的用户有多大概率喜欢C;从而来给用户推荐新领域的内容,逐步探索和完善用户画像。

用户画像数据分为2类

动态:用户在产品场景中,所产生的显式或隐式行为,点赞、 评论、分享、关注等,

产品场景不同,不同行为的权重也不同;

静态:用户独立于产品场景以外的属性,如:性别、年龄、婚育状况等。

 

基于以上内容算法,抖音短视频可以以产品的精准人群定位、用户的内容兴趣探索、以及丰富度上来做产品的视频内容。产品视频做得好,通过抖音直通车可以更好的起爆站位流量,打造适合全域人群的大爆款!

短视频的内容算法的基础理论,先分享到这里,大家可以先琢磨消化一下。不知道大家对抖音信息流是否感兴趣,如果对抖音信息流带动店铺流量的实操非常感兴趣的,也可以留言!下期再给大家分享电商风口,抖音信息流逆转流量瓶颈和打造爆款的实操!

 2/2   首页 上一页 1 2 下一页

文章TAG:站外流量  抖音短视频  抖音  抖音算法  短视频  
下一篇