想象一下，站在推荐系统之城前的你被抽离出一个数字的躯体。你找到一面镜子端详自己，却惊诧地发现自己的身体已被无数数据所组合：科技10%、篮球4%、历史1%、自然0.3%……
闫泽华《内容算法》
如果你也在玩抖音，也想利用其做点什么，那么肯定会遇到各种各样的问题；诸如播放量一直在500上下徘徊；被抖音“导师”收割了一次又一次；再发一次会火……
其实此前我做抖音号也经常流量不稳定，偶尔爆几十几百万流量，但经常性地500或者几千播放。
我想遇到这些问题的你，看了以下文字，可能会有所触发。
抖音的核心分发
转发和分发
可能一些朋友做过兼职，转发微信朋友圈获取报酬，就像此前风靡的“微哥”、“微姐”一般，其实这是一种转发。
转发是为了把自己的内容或产品放到用户能看到的地方，博取曝光量进行转化，整个过程我们会感到效率低下，或者不够精准导致资源浪费。
百度竞价我们都知道，如果我们的产品或内容能够像竞价这般，被平台放到前排或者说最显眼的地方，是不是就能广而告之了？
其实抖音的大热门作品，就是这样被分发的。
正如我们看到的，抖音也不会对每一个作品都进行大量分发，而且这也是非常不现实的想法。
一来，内容创作者数量庞大，每一个作品都进行大量推荐，用户也无法消受；再则，不同的人对作品内容的喜好也不同，就像你天天推荐化妆和口红给我这样的钢铁直男，两天我就给你卸载喽！
所以抖音根据这种情况研发了这种“分发”算法，让优质的作品可以被更多人欣赏，也会根据用户的喜好推送相关联的作品。
抖音管这种技术叫做“算法分发”，而这种算法分发的核心方式，是以一种被称之为“协同过滤”为主要依据的分发手段。
协同过滤又可分为评比或者群体过滤，在目前全球互联网领域也非常炙手可热，他的原理简单说就是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息，个人通过合作的机制给予信息相当程度的回应（如点赞）并记录下来以达到过滤的目的进而帮助别人筛选信息。
另外，协同过滤又分为两种机制：基于作品的和基于用户的。
基于作品的协同过滤
对于这种难以理解的内容，我想可以举例说明：
假设A1、A2和A3属于同一类型的作品（比如台球）内容，一位用户观看了A1作品并点赞，那么理论上来讲，这位用户有很大概率也会喜欢A2、A3作品。
反之，这名用户看到A1和A2两个作品之后快速划过没有点赞以示喜欢，那么抖音基本就不会再把A3推荐过去。
如果按照上述算法，抖音想要推荐作品给用户，我们可以简单地分成两个步骤：
1）分析用户喜欢过的内容；
2）找到与该内容相似的内容，推荐给用户。
看起来合情合理又理直气壮，但是抖音真要这样执行，会产生一些麻烦：
【余下内容为付费内容，只需一点辛苦费或者开通VIP会员，保证都是干货，物超所值，改变人生】
