抖音推荐算法原理公开！不只取决于完播率，还有推荐打分公式

近日，抖音通过“抖音安全与信任中心”网站首次公开了其推荐算法的原理，揭示了推荐系统不仅仅是基于完播率，还涉及复杂的多目标平衡和推荐打分公式。

国民社交平台抖音，终于跟网友们“打开天窗说亮话”了。

3月30日，抖音总裁韩尚佑站在中国网络媒体论坛的聚光灯下，宣布了一个足以撼动整个互联网行业的消息——“抖音安全与信任中心”网站正式上线。

这个看似技术化的举措，实则是抖音向公众敞开“算法黑箱”的一次破冰行动。

要知道，在这个网站上，抖音将首次面向社会公开其算法原理、社区规范、治理体系和用户服务机制。

点击看大图▼

该网站首次公开抖音推荐算法原理，算法介绍部分包括内容有：从零开始了解推荐系统，用户行为背后的算法推荐逻辑，抖音算法的多目标平衡，平台治理为推荐算法设置“护栏”。

以下是部分推荐算法原理阐述

推荐算法是对用户各种行为概率的综合预估

推荐只预估行为动作

当用户打开抖音时，抖音的推荐算法会给候选视频打分，并把得分最高的视频推送给用户。

用户在观看时可以对看到的视频做出各种互动，这些互动体现了用户对这个视频的感兴趣程度。比如用户点赞比不点赞要好，看完比没看完要好，没有点不喜欢比点不喜欢好。在这里，“看完了”就是一次反馈动作，“点赞”也是一次反馈动作。

用户对观看的视频的每一次反馈，都有正面或者负面的价值。抖音的推荐排序模型学习的也就是这种行为反馈，推荐系统的目标就是把反馈价值最高的视频推给用户。

抖音推荐算法的核心逻辑可以简化为“推荐优先级公式”：综合预测用户行为概率 × 行为价值权重 = 视频推荐优先级。公式展开为：

点击看大图▼

概率模型预测：抖音推荐算法都预估用户哪些行为

推荐算法会通过算法模型预测用户对候选视频的行为概率（动作率）。结合用户行为和视频本身的价值权重，推算出视频推荐的价值分数，并将综合得出的价值最高的视频推送给用户。

在这个过程中，推荐算法会对用户的一系列行为预估，这些行为包括点赞、关注、收藏、分享、不喜欢、是否点击作者头像、评论区停留时长、长期消费等等。

抖音算法的多目标平衡

推荐算法通过各种“目标”来预估用户行为，为用户推荐内容。但用户的行为动作有很多，不同行为的重要程度会决定算法推荐的优先级。因此，为推荐算法设置合理的目标格外重要。

推荐算法在诞生之初只关注单一或者少量的目标，比如完播、点赞，但随着平台内容和各方需求日益多元化，单一目标已难以满足实际需求，多目标推荐系统成为主流。

多目标推荐系统，核心在于同时建模和优化多种不同的目标函数、以构建更全面平衡的推荐策略。多目标反映了用户、平台或创作者的多样化需求。

通过提升用户体验，让用户喜欢使用产品，是所有推荐系统的天然目标。推荐算法在诞生之初，大多是服务这个目标，比如预测用户观看完内容（即完播率）、点赞的概率。

早期的抖音以15秒短视频为主，在这一阶段中，完播率是推荐算法的核心目标之一，这背后的逻辑是，完播率越高则意味着越多用户喜欢这条视频。

随着抖音的用户愈发多样化，内容风格也日益多元，例如平台上有了越来越多的优质中长视频，完播率等少数目标已经无法满足更多样的需求。因此，通过多目标建模，成为技术上的自然选择。

经过长期发展，抖音已经发展出非常复杂的多目标体系，有效优化了对内容的价值评估。

基于多目标建模，抖音对所有准备推荐给用户的视频进行打分，其公式可以简化为：

点击看大图▼

由此可以看出，一个视频是否被推出，取决于多种因素。每种因素背后都有着多个目标导向的考量。

网红是平台“强推”出来的吗

值得一提的是，在网站最新更新的《网红是平台“强推”出来的吗》中，抖音强调：网红本质上来源于用户的选择，因为“算法决定了现象级的‘网红’都是广大用户‘海选’出来的”。

最典型的例子无疑是在去年曾因“擦边争议”爆火的吴柳芳。

去年12月，这位前体操世界冠军一度因热舞视频陷入“擦边”争议，其与奥运冠军管晨辰的网络对线更是将舆论推向高潮，引起全网关注与讨论。

彼时，吴柳芳的抖音账号曾一夜涨粉数百万，可最终，随着擦边争议的发酵，迫于舆论压力的抖音也只能以一纸禁令，宣布“清除因违规行为增长的粉丝”，让吴柳芳的600多万粉丝一夜蒸发。

（图源：抖音黑板报）

还记得，抖音针对吴柳芳等账号快刀斩乱麻的处置一度令众多网友心生不满，不少网友表示，明明是自己主动关注的，却被平台一夜清除。

这从侧面论证了，吴柳芳的爆火并非平台暗中助推，只不过，在相关平台规则之下，抖音也不得不“违背民意”，在制裁吴柳芳所属MCN机构时对其一视同仁。

然而，故事的转折发生在今年3月：就在半个月前，消失在大众视野许久的吴柳芳，突然恢复了更新。

解禁后的吴柳芳一改往日风格，在其回归的第一条视频中，吴柳芳写道：以漆为墨，以扇为纸——显然，这是在宣传时下颇为流行的传统文化“漆扇”。

点击看大图▼

（图源：抖音）

而后的两则更新，也都遵循着这一文化传承的基调，斩获几万到几十万的点赞，截至目前，吴柳芳的粉丝也已然达到18.5万，虽然远不及去年深陷争议漩涡时“黑红”的火爆，但无疑已是一个好的开始。

从性感热舞到文化传播，吴柳芳的转型不仅是个体品牌的涅槃，更折射出平台生态的深层变迁：

抖音对“优质合规内容”的定义正在收紧，而算法调整后的流量分配机制，显然更青睐能与“收藏”“重复观看”等正向目标挂钩的长尾内容。

正如韩尚佑所言，一条《450分钟解读红楼梦》的超长视频获得3亿播放量，证明用户与算法的“双向奔赴”需以内容价值为纽带。

在掘金网看来，吴柳芳的案例，暴露出网红经济的残酷法则：流量狂欢或许能制造昙花一现的爆款，但唯有合规性与内容深度，才能抵御平台政策的雷霆万钧。

而她的复出路径，恰似抖音新规的活体广告——当流量红利消退，唯有深耕垂直领域、传递文化价值的内容创作者，才能在算法的“驯化”中找到更稳固的立足点。

事到如今，许多MCN机构都已经开始效仿吴柳芳的转型策略，将资源投向传统文化、知识科普等长生命周期赛道。

这种变化，与抖音算法中“收藏按钮置于首页”“探索流量扶持多元内容”等设计不谋而合——平台正在用技术手段，将行业引向“优质内容驱动”的正循环。

更深层的影响在于，当算法规则与治理标准公之于众，创作者便不得不重新评估内容风险。

例如，抖音对“AI生成违规内容”“网络暴力”的专项治理，迫使创作者在选题、表达甚至互动方式上更加谨慎。

这种“戴着镣铐跳舞”的创作环境，看似限制自由，实则筛选出真正具备可持续性的IP。

正如吴柳芳用漆扇工艺取代热舞，用“非遗传承”重构人设，反而打开了更广阔的受众市场。

写在最后：

然而，透明化与合规化的另一面，是中小创作者的生存焦虑。

当平台审核链路延长、流量分配更依赖算法“正向目标”，缺乏专业团队支撑的个体创作者可能面临更高的准入门槛。

对此，抖音的解法是“工具赋能”：通过AI辅助创作、优化搜索推荐联动等举措，降低优质内容的生产成本。

这种“技术普惠”的思路，或许能为草根网红提供突围路径——毕竟，算法的终极使命不是制造垄断，而是让每一份创造力都有被看见的可能。

当算法从幕后走向台前，当规则从模糊走向清晰，网红经济的故事不再只是流量博弈，而是演变为一场内容价值与平台使命的共谋。

吴柳芳的“重生”，韩尚佑的“算法驯化”，共同勾勒出一个新时代的轮廓：

在这里，技术不再是吞噬意义的黑洞，而是托举价值的基石；网红不再是被算法支配的“数据劳工”，而是与平台共舞的“内容共建者”。

或许，正如网友所说：“算法的本质是学习人类，而人类的进步永远需要光明。”当黑箱打开，灯塔亮起，网红经济这场狂飙突进的冒险，终将找到它应有的航向。