很多刚开始做短视频的人都会遇到一个问题：“我的短视频内容也不比别人差，为什么就是没几个人浏览观看呢？”这是由于他们忽略了一个最重要的因素，就是不了解短视频平台的推荐机制，相比于传统的自媒体平台，它有着自己的一套推荐逻辑，只有彻底掌握它，你的短视频才能获得更好的“资源”。

每个平台的算法逻辑是不一样的，比如当下最火的快手短视频，如果你想获取快手的流量，就要搞懂它的算法机制。

当你在快手发布一条短视频后，那么与你在同一地理位置的人就会在“同城页面”看到你发布的视频，当喜欢、播放和评论量到达推荐算法规定阈值后，便可展示在与该视频兴趣点相关用户的“发现页面”中，同时，视频会同步到发布者用户的“关注页面”中，并附以“红点”提示，当喜欢、播放、评论达到一定阈值后，会继续扩大覆盖。当然，推荐算法所规定的阈值大概率还会受以下这三个因素的影响（见图3-1）。

由此可以看出，要想获得更多曝光，只靠优质内容是不行的，还要根据平台推荐算法去制作视频，那么接下来我们就了解一下推荐算法的基础原理。

图3-1　快手平台推荐算法大概率会受的三个因素影响

3.1.1　推荐算法的类型

在各大平台中，最常见的推荐算法是以下三种类型：

第一种，内容推荐。它是信息过滤技术的延展与发展，无须依据大家对内容的评价建议，而是通过机器学习的方法从关于内容的特征描述中获取用户兴趣并进行推荐。比如你看了关于“爱情、浪漫”的短视频，那么基于内容的推荐算法就会向你推荐与该方面内容有关的短视频。它的优点在于可以避免内容的冷启动问题，因为它是根据内容与内容之间的关联性来推荐的，而不是用户是否浏览并关注过这个短视频。但弊端在于推荐的内容可能会出现重复，使得用户对此产生反感。

第二种，协同过滤推荐。它是推荐系统中应用较早较成功的技术之一，主要是通过用户之间的相似性，挖掘与目标用户有相似喜好的用户的历史记录，再通过他们对于内容的评价来预测目标用户对特定内容的喜好程度，并据此进行推荐。例如，你的朋友喜欢电影方面的短视频，那么该短视频也会推荐给你，但却并不能保证内容分发的准确性。

第三种，组合推荐。由于各种推荐方法都有优缺点，所以在实际中，组合推荐经常被采用，研究和应用最多的就是内容推荐和协同过滤推荐的组合。平台会分别用内容推荐和协同过滤推荐去产生推荐预测结果，然后用某方法组合其结果，它可以避免或弥补各自推荐技术的弱点。常用的组合方法有以下四种（见图3-2）。

图3-2　常用的四种组合方法

3.1.2　短视频推荐流程

一般而言，一条视频发布后会经历以下流程。

（1）视频初审

初审是对内容的第一道审核，主要考察的是内容是否符合平台的发布规范，一旦违规，视频便会被退回不予收录，或者被限流。常见的违规问题包括：低俗、虚假、传播负能量等。如果出现严重的违规行为，将导致账号被惩罚或者封禁。(www.daowen.com)

（2）上线二审

上线后系统会进行画面消重与关键词匹配，如果相似度太高，则会进行低流量推荐或仅粉丝可见。

（3）首次推荐

首次推荐是指针对新发布视频的冷启动，一般是发布后的2～24个小时，平台会根据多方面信息将视频推荐给可能感兴趣的用户。

（4）扩大推荐

如果首次推荐的效果好，则会进行扩大推荐，在这个阶段，不管是大V还是新账号的待遇都是相同的。但是视频的推荐量会根据曝光度的增加而增加，并不设置上限。

（5）复审

在视频被推荐的过程中，如果推荐量很大或者负面评论较多出现用户举报密集的情况，就会被送入复审。在复审中如果被系统发现违反平台的审核规范，便会停止该视频的推荐，严重情况将会受到处罚。

3.1.3　推荐量低的两大原因

当你的视频推荐不好时，我们首先要考虑以下两点原因，以判断是否由于推荐效果以外的原因造成的。

短视频是否属于小众内容，比如特别小众的知识分享，这类知识目标受众人群有限，而这便会导致短视频的一系列数据变低，没有达到平台要求，自然不会给我们过多推荐量。

当下是否有全网热点或者爆款，推荐系统是从上百万甚至上千万条视频里面把你发布的视频选取出来。如果你发布视频的同一时间有其他内容更受用户喜爱，那么你的视频就不会得到更好的推荐，也就是说，每一条视频的推荐量不仅取决于内容本身，还取决于当时整个内容池其他视频的表现。

在排除这些原因后，则可以判断是视频的推荐效果不好，我们需要逐一排查是哪一项数据拖了后腿，这里需要注意的是，不能只关注单一数据，我们需要综合各个指标评估对待。