好看的抖音千篇一律，有趣的快手万里挑一,其实就展示了两家推荐算法的异同
抖音(中心化)
-
特征识别
当视频通过了审核以后，抖音系统会根据视频的内容和标题，对这条发布的视频打标签，并匹配相关的用户人群，准备推送这条视频给这部分人群。
2.初级流量池
一条15秒的视频在发布成功后，会进去一级流量池，会自动推荐给100-1000名用户播放。新视频流量分发以附近和关注为主，再配合用户标签和内容标签智能分发
3.二级流量池(点赞量,评论量,转发量,完播率)
进入二级流量池，就需要具备以下因素：
1、完播率：视频平均播放进度，即你发布的视频有15秒，观看完的人数越多推荐分越高；
2、点赞率：抖音官方公布的优质视频点赞率是3%（即比方点赞比），如果你的比方点赞比高于或者接近3%，平台会给你更多推荐量；
3、互动率：
抖音平台会参考整个平台的平均互动率去给你目前的视频进行评分，如果你当前发布的作品的互动率高于当时平台的平均水准，基本都会进入二级流量池，获得1万-10万的推荐量；
同理，三级流量池、四级流量池都会参考以上的算法推荐机制，百万赞爆款视频就是这样产生。
4.叠加推荐
新视频都会智能分发10vv左右的播放量，如转发量达30（举例），算法就会判断为受欢迎的内容，自动为内容加权，叠加推荐给你300vv；转发量达300w（举例），算法持续叠加推荐到3000vv；以此类推…
热度加权经过大量用户的检验，层层热度加权后才会进入了抖音的推荐内容池，接受几十到上百万的大流量洗礼，各项热度的权重依次为：转发量>评论量>点赞量
同时影响抖音推荐量另外的几大因素：
1、账号定位明确，根据用户的兴趣爱好做细分垂直领域的内容，会更容易获得平台的推荐；
2、内容质量，平台需要优质的创作者进行内容产出，也会给予优质创作者更大的推荐量；
3、直观的头像、作品封面，合适的背景音乐，都会给予账号加权分；
4、视频清晰度和竖屏拍摄很重要，这是抖音官方一直强调的，清晰度越高，进入二级流量池的机会更大；
5、作品更新频率，稳定更新，更收平台欢迎
整体的推荐流程
快手 (去中心化)
快手的产品的思路是:
1、交互简单易懂，反过来积极影响算法
2、组合各种推荐算法，覆盖用户不同需求，以达到尽可能推荐的视频都是用户想看的
3、架构整体规划，用户使用产品的流程中，全程都影响算法，达到完全产品个性化.
个性化推荐的目的在于，通过全方位的数据，精准刻画出用户意图，针对性地给用户推荐其愿意观看的视频，提供极致的产品体验，提升视频观看率，增强用户黏性。
产品的关键点就在于分析用户的意图，并将个性化的推荐结果通过巧妙的产品设计传达出来。另一方面，交互也会影响算法。
由于交互界面的作用是用来搜集数据用的，实现提升推荐精准度的目的，因此交互反过来影响算法。
1.前端没有分类和传统热度排行，以红心数多少按照某些规则进行推荐.
打开快手app，在没有登录的情况下，界面非常简单，没有常见的视频类别，也没有按照视频热度的两个维度，即播放量和红心数的多少设置排行榜单，而是以瀑布流的形式展示内容。可以看到，优先展示的是红
心数多的视频，有红心数上万的或上千，少数红心百位数或十位数的，但并非按照红心数从高到低排序，
看起来完全是随机的。同时考虑视频的新鲜度，从时效性上优先展示的是一天内的视频。
2.推荐方法覆盖不同需求
登录后三种不同推荐Tab，组合不同推荐方式
关注
: “关注”Tab里展示所有我之前关注的创作者的视频，与发现不同的是，它强调的是视频的时效性
发现
: 展示逻辑和未登录时一样
同城
: 直接基于LBS数据匹配附近的人发布的视频，它强调的是视频生产者与观看者之间的距离
“发现”这个Tab，就是短视频常用的推荐方法：协同推荐+内容过滤，这两种推荐方法结合的结果.
协同过滤系统就是通过用户历史观看视频的行为，分析用户兴趣给出推荐。但协同过滤算法有个缺点就是
不能冷启动，因此需要混合别的算法，比如内容过滤系统。内容过滤系统，给用户推荐他们之前喜欢的视频内容上相似的其他视频.
