解密微信視頻號推薦機制（二） | 成都傳媒

接著上篇文章《解密微信視頻號推薦（一）》我們接著聊視頻號的推薦機制。

1、基于已關注視頻號的推薦算法

當華仔關注一些視頻號后的發(fā)現 ，又連續(xù)刷了幾次視頻做測試。

測試結果如下：

為什么是這些視頻呢？

此時微信又多了一些數據 華仔關注的視頻號，這個數據比華仔的朋友看過或關注過的視頻以及基于華仔標簽推薦的視頻更加準確。

這就好比電商產品的收藏或者加購商品，都收藏或者加購了商品，那么相對來說對這些店鋪的其他商品也會感興趣一點。同樣的華仔關注的視頻號的發(fā)布的其他視頻，華仔喜歡的幾率就比較大。

于是又有了兩個新的發(fā)現：

第一，如果華仔關注了某些視頻號，這個視頻號如果發(fā)了新的視頻，會在朋友圈的下面視頻號的入口有紅點提示：

第二 華仔關注過的視頻號發(fā)的最新視頻內容是比華仔未關注過的視頻號發(fā)的視頻內容權重高。

從華仔測試的結果也不難發(fā)現，比如1.騰訊NBA、2.騰訊新聞、3.騰訊新聞，這些視頻就優(yōu)先出現在了華仔的推薦列表。

這里就又產生了一個新的召回算法基于用戶關注的視頻號視頻的推薦。

2、微信視頻號是否采用了實時推薦算法

華仔刷著刷著刷到了埃隆馬斯克的特斯拉，又點進去了特斯拉視頻號刷了幾個特斯拉的視頻并且點贊。如果有實時召回算法，那么微信視頻號一定可以捕獲到我近幾次的點擊是對特斯拉感興趣的，然后通過實時召回算法推薦給我車相關的內容。

然而華仔再次刷新視頻號內容，前幾個視頻都找不到車，而且第一個視頻應該是推薦概率最高的然而卻與和美食相關，是基于華仔的長期興趣偏好。

華仔又試了下 YYP顏宇鵬車言論說車這個視頻號，又看了這個視頻號10個以上的視頻，半個小時后 又刷了12次視頻號內容，然而沒有一個視頻和車相關 。

這樣就可以證明 目前微信還沒有引入實時召回算法的機制。

3、其他的發(fā)現

1.冷啟動

怎么給一個新注冊微信的用戶推薦視頻呢？這種情況在推薦系統(tǒng)中叫冷啟動，也就是說微信此時拿到的信息很少，新的微信號沒有朋友、沒有關注公眾號，微信也沒有給你打上偏好標簽。

但是微信有你的基礎資料，至少知道你的性別、年齡段，這些基礎標簽其實也可以推薦一些視頻的，比如華仔是90后、男同胞，那么推薦美女、美食總沒問題吧。

另外上文已經講過微信一定是有基于視頻熱度的推薦算法的，因為在華仔刷的視頻當中大部分的點贊量都是超過50，基于熱度推薦視頻也是一種冷啟動的解決方案。

2.基于LBS（地理位置）的推薦

華仔刷視頻刷著刷著刷到了一個視頻比較特殊顯示【位置為廣東省財政廳】，另外一個視頻顯示成都市【同城】的標簽。

其實華仔就在財政廳附近工作，而這兩個視頻并沒有顯示有朋友關注過或者看過，說明微信視頻號用了.基于LBS（地理位置）的推薦機制，推薦薦附近或者同城的人的視頻給你。

怎么實現這個基于位置信息的推薦呢？重點是要給視頻打位置標簽，當在視頻號上傳視頻時可以選擇當時的所在的位置，微信就記錄了這個位置下所有的視頻，另外給視頻也打上了位置的標簽。

因為微信有你的位置信息，在基于你當時的位置匹配你當前位置的視頻就完成了推薦。如下圖所示，打開地理位置是可以看到當前位置下面的視頻列表的。

3.視頻號的認證

視頻號是否認證也影響推薦的優(yōu)先級，對于一個認證了的視頻號和一個沒認證的視頻號，微信視頻號一定優(yōu)先推薦認證了的視頻號的視頻。從華仔刷視頻的結果頁可以看出，華仔刷了13個視頻，其中有11個都認證了，只有三個未認證。

所以視頻號主趕緊去認證吧，個人認證現在的條件還比較低，只需要有100個粉絲就可以完成認證。

最后的話：

從上面的文章可以確定的是微信視頻號至少用了 5個召回算法 包括：

1.基于用戶協同過濾的視頻推薦算法，通過朋友看過或者關注過推薦給你視頻

2.基于標簽的視頻推薦算法，給用戶和視頻打標簽做匹配

3.基于已關注視頻號的視頻推薦算法，給用戶推薦已關注過的視頻號的視頻

4.基于視頻熱度的算法，通過視頻的觀看、點贊、評論、觀看完成率等指標推薦熱度視頻給你

5.基于LBS的視頻推薦算法，通過給視頻打位置標簽推薦給你附近的人在看或者發(fā)布的視頻

目前確定的是微信還沒有引入實時的推薦算法，這可能受制于微信過多的用戶量產生的大量計算或者微信還沒想好以怎么樣的方式將你短期偏好的視頻呈現給你。

不過在未來實時的視頻推薦一定會上線。

最后給微信視頻號開發(fā)團隊提個建議，可以結合基于用戶協同過濾的視頻推薦算法與基于標簽的推薦算法，因為目前來看，朋友看過的或者關注過的視頻，華仔并不是很感興趣。

華仔有1200+好友，那么這1200+好友未來一定看過大量的視頻，應該給華仔推薦其中的那些視頻呢？可以再結合華仔的標簽過濾掉華仔可能不感興趣的視頻。

基于LBS的視頻推薦算法同樣也可以結合華仔的興趣標簽，這樣推薦的視頻可能華仔就更喜歡了。

作者：Wilton 華仔

來源：改變世界的產品經理