我去,这个 TikTok逆向有点意思,对推荐算法有了新认知!
- TikTok 手机端有 25+ 个 AI 模型。
用来判断什么内容能让用户持续刷下去。
- 视频播放前已打好“推荐分”
服务器预先给每个视频计算“推荐分”,即预测用户“跳过、看完、点赞、打开评论、关注创作者” 的概率。
- 实时采集用户状态(50+ 变量)
每次请求新一批视频时,App 会带:
① 陀螺仪/运动传感器,判断用户状态(走路、躺下、在车里)
② 电量、是否在充电、屏幕亮度、是否静音等 50+变量
甚至输入但没发送的消息也会被收集,因此吃中午饭和睡前躺床上刷的内容会不一样。
- 用户可能流失时,模型会介入
① 有一个模型如果预测到你会跳过其他已加载视频,手机就会请求“紧急批次” 视频来重新吸引你。
② 如果扔持续跳过,TikTok 会标记为“失去专注”,最后手段是给你的信息流里推一条直播。
③ 会根据你多久没摸屏幕、是否躺着判断你是否打瞌睡。
④ 有模型预测你“下次打开 App 的时间”,以便提前后台启动、缓存视频做准备
内容来源于视频作者说法,未实测。
想想还挺追求极致的,比如预测下次打开提前缓存,牛逼!
但也不是那么黑盒,一些方法是能想到。