本篇文章以微信视频号个性推送算法为例，分析其算法机制。作者以召回、排序、混排三个方面举例，方便读者理解。希望本篇文章能对你有所参考帮助。

前几天我们分析了B站的推荐算法机制《B站的推荐算法机制大揭秘！》，今天我们来分享一下微信视频号的推荐算法机制。

根据最新公示的微信视频号个性推送算法的介绍，视频号会从精选内容库里个性化选取用户感兴趣的内容推荐给用户，从而实现个性化推荐。

下面挖塘人就为大家通俗易懂地解析一下这个推荐算法。

从微信视频号个性化推送算法机制机理的介绍中可以清晰地知道，我们的内容需要通过以下几个环节，才能推荐给用户：

一、召回

根据微信视频号的产品设计，它的召回有三个频道，即关注、朋友、推荐。

关注频道主线是召回该用户关注账号发布的内容，支线是本地内容，好友发布的内容以及用户可能感兴趣的内容。

朋友频道主线是召回该用户好友点赞的内容，支线是该用户可能感兴趣的内容，好友看过的内容等。

推荐频道主线是召回主要是该用户可能感兴趣的内容，支线是好友看过的内容，新闻热点等内容。

而且，视频号的召回是实时的。比如你看了一个高考查分的视频，给算法的数据反馈不错，那么你接下来就会多次看到高考查分的视频。

二、排序

上面的召回环节是从内容库里初步筛选内容，在数量上会比较多，而排序则是更精细化的筛选。

一方面是通过视频的播放量、点赞、评论、分享、关注等数据指标进行筛选排序，过滤掉评分比较低的内容；另一方面去掉一些视频质量差（包括画面模糊、声音卡顿等）或者内容质量差（包括同质化内容、没有实质性内容）的内容。

所以经过排序后，进入推荐池的内容在数量上会少很多。

三、混排

混排环节一般使用的是融合排序算法，这个和之前分享的b站算法类似，都是给作品进行加权计算，最后得出最终的排序并展示给用户。

下面我们列举一个细化一点的例子来帮助大家理解：

假设ABCD四个账号分别发布了作品a、b、c、d，混排的动态加权公式为：

最终排序分=内容权重分*0.8+内容热度分*0.1+账号权重分*0.1

其中内容权重分的指标包括播放量、播放时长、点赞、评论、分享、关注等，内容热度分是根据搜索指数动态变化的，账号权重分包括账号的粉丝量、活跃度、违规行为等指标。

下面我们分别给四个作品随便赋个值：

根据上图的结果，我们看到最终的排序结果是a、c、b、d。

当然，视频号的最终排序公式比这个例子更复杂，而且它还是动态的，所以要“抓住”视频号的推荐算法是很难的，但是我们可以从数据的角度可以找到一些获取更多流量的方法，因为算法都是基于数据的。

首先在召回环节，我们可以在作品中植入多个垂直的兴趣标签。

比如一条做短视频运营的内容，我们就可以植入自媒体、短视频运营、运营技巧等多个同领域的标签。这样方便算法根据标签把作品纳入相关的作品库。

同时，地理位置、用户互动、用户基数等数据维度也可以适当地扩大作品的曝光。

其次在排序环节，为了我们的作品能够顺利地通过这个环节，那么需要保证作品的视频质量没问题，内容质量也过关。

同时在作品数据方面，我们可以适当引导用户互动，比如引导点赞、评论、转发等，这样可以提升作品的权重分，分数越高就越容易进入下一个环节。

最后是混排环节，由于视频号的推荐算法是动态的，如果用户多看了几眼某类视频，那么接下来就会出现很多同类型的视频。

假设你的视频已经进入了推荐列表，排在第二位，按照正常的逻辑，用户看完上一个视频就会看到你的作品了。

但是该用户把上面的视频看了很多次，停留时间长，这时候算法收到的数据反馈就动态召回了和前一个视频类似的作品，而你的作品就不会被推荐了。

这样的机制有好处也有不好的地方，好的地方是你的作品也可以被其他作品「召回」，不好的地方就是出现上述场景，本来就到你了，结果被动态召回了。

基于这种情况，我们是无法左右算法的。但我们的作品权重、账号权重、内容热度等各种分数都不错的话，那作品排第一推荐的机会就大，这样就不会因为动态召回而损失了推荐流量。

以上就是今天的内容，希望对你有帮助。

作者：挖塘人，微信公众号：挖塘人

本文由 @挖塘人 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议。

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。