1.基于用户信息的基础协同过滤。
基于用户信息的基础协同过滤是Tik Tok整个算法体系中最基础、最简单的算法，也是视频推广过程中常用的算法。通过在注册时获得用户的基本信息，如性别、年龄、地址和基本兴趣点，Tik Tok大致描绘了用户的肖像。后来，在信息分发过程中，Tik Tok通过考虑用户之间的相似性，推荐了相似的内容。当用户开始接触平台，提供的信息越详细或准确，他对用户需求的判断就越接近用户的真实需求。我们可以建立以下推荐模式模型。
如果A、B、C、D的基本信息相似，前期A、B、C共同感兴趣的内容，或者产生喜欢、评论、转发等使用行为的内容，会先推荐给D。例如，Tik Tok的主界面分为两个模块：同城模块和推荐模块。推荐模块的一个重要原则是视频内容与用户兴趣的匹配度。匹配度越高，可以推荐的信息越多。通常在平台用户的初始使用阶段，这种获取方式是最重要的。这种相对简单的算法推荐原则对于用户具体兴趣的判断相对模糊，更多的是对于相似特征人群的兴趣集的判断。可以说，不断膨胀的用户数量及其使用行为，为这类基础算法提供了数据来源，通过对海量数据的收集和分析，这类算法的准确性将不断提高。不同于其他视频应用，如Aauto Quicker，Tik Tok用户集中在城市，用户受教育程度和年龄差距相对较小，媒体素养相近，这也是这类基础算法更适用的重要原因。
二是基于“去中心化”的精准推送。
社交媒体最重要的原则是“去中心化”，而“把关人”的角色逐渐被弱化。每个用户都是传播领域的一个节点，每个节点都可以独立产生内容，拥有一定的话语权。内容并不集中在少数关键用户身上。在这种“去中心化”的精准推送中，内容和社会关系成为精准信息分发的主要依据。我们可以从用户的个人角度来构建以下信息获取模型。
这种精准的算法可以分为两类：一类是以内容兴趣点为筛选维度的推荐，在这种情况下，现实社会环境中的连接较弱甚至没有；另一种是以社会联系强的推荐作为筛选维度，通讯录中的朋友和同学会成为推荐的对象。重叠的部分往往会得到更多的推荐。
内容维度可以理解为由相同的职业、爱好、话题组成的相似兴趣的集合。基于用户的习惯，如喜欢、评论、转发等。平台以数据驱动的方式挖掘用户兴趣点，从而在下一轮视频推荐中做出合理选择，进一步取悦用户并增加粘性。
社会关系的维度可以理解为现实社会关系连接起来的集合。这种关系基于社会关系的联系程度而变得更强。随着移动互联网技术的发展，每个人的社交圈都在扩大。但用户自身与朋友或同学在社交生活中的关注点相似度不高。基于这种算法推荐，用户在使用Tik Tok时，经常会在通讯录中看到好友发布的内容，因为平台也通过算法优先推荐关系较强的好友发布的内容。这体现了短视频平台的重要社会属性。通过在强关系中展示自制视频，可以满足用户的需求，增强用户的认同感，满足被他人理解的社交需求。
3.基于“流量池”的叠加推荐。
与算法研究成为热点类似，流量池也是近年来频繁出现的一个热词。此前，在新媒体研究领域，流量思维是一个相对集中的研究热点，甚至有学者指出“得流量者得天下”。流量池的思路是通过存储、运营、挖掘等方式获取流量并重新传播信息，从而获取更多的流量。流量思维和流量池思维最大的区别是流量获取后的下一个社会行为。后者强调的是如何在一群老用户中找到更多的新用户，而流量思维更多的是第一轮传播的效果评价。一般来说，在内容流量池中表现良好的视频内容往往会进入叠加推荐的行列，从而获得更多的阅读和好评。叠加是以内容的综合权重为评价标准。综合权重的关键指标是播放率、点赞量、评论量和转发量，各元素的影响权重互不相同。当达到一定水平，平台会结合大数据算法和人工操作继续推荐。比如用户发布视频时，平台会自动分配到流量池，分配到一定数量级的用户推荐界面。然后通过统计视频的播放效果，形成加权分数，转发量、评论量、点赞量的权重依次递减。分数越高，获得叠加推荐的机会越大。播放效果好的视频会再次加入流量池进行更广泛的分发，而表现差的视频会失去被推荐的机会。在第二次推荐得到好的反馈后，我们会进行下一轮的推荐，从而得到更大的推荐。流量池推荐带来了更明显的马太效应，高质量的视频被反复推荐，获得了更多积累的优势，而第一波流量池推送中的“劣质”视频则失去了被更大规模推荐的机会。同时，由于这类算法更多的是基于多用户受众的实际行为分析，往往会有大量的视频播放。与前两种算法相比，流量池推荐的视频更具随机性，其推荐规则不是主要集中在视频内容上，而是更多地通过用户的反馈。换句话说，流量池的推荐更注重视频传播效果的评价，而不是内容制作的质量。这也让一些。
内容并不那么优质的视频利用算法推荐的漏洞或不足，能够取得很高的评价分数，从而被大量级推荐，迅速“蹿红”。
四、建议与对策
依靠强大的算法推荐，抖音已经在目前短视频白热化的角逐中逐渐占据上风。但是，完全依靠协同过滤和精准分发的单纯算法推荐不能够充分适应目前快速发展的受众需求，平台需要进一步完善更多维度的算法推荐系统。采用更加多元和开放的算法，将会更加合理地促进优质视频内容的传播。因此，可以进一步加强对抖音用户使用行为的数据挖掘工作，引入满意度、有用性等其他考量维度，优化其产品内容评价体系分层分类，避免加剧“茧房效应”，适当调整兴趣内容与其他内容的分发比例；进一步提高平台的识别能力，对所谓的“网红”短视频内容加强甄别，提高原创视频的推广力度，加强对相似或较为雷同的视频进行过滤审核，避免“同质化”内容高频出现；积极引入或增加人工审核的机制，在审核过程中提高人工排查的参与程度，逐渐树立传播审核过程中“人”的参与意识；积极鼓励“PGC”的产品生产，对于具有优质视频生产能力的用户给予鼓励，通过身份认证、延长视频时限等方式给予支持，提升全平台的视频制作水平；始终坚持“内容为王”的运营和管理理念，依靠优质的平台内容增加用户黏度和吸引新用户，就一些具有明显“哗众取宠”和恶搞的内容，引入投诉和其他负面评价机制，进一步净化网络空间。
