在短视频这么火热的时代，低门槛的短视频卖货功能，让每一个普通人都找到了新的突破口。
无论是想引流，还是想推广品牌，短视频都是非常好的借助手段。
但若果想要借助好短视频平台巨大的流量来达到自己的目的，一定要看懂平台背后的流量逻辑。
今天我们就来谈谈抖音和快手这两个大平台的流量规则。了解规则，才能对症下药。
抖音平台
▎抖音用户画像判定
第一、按照用户基础属性判定
比如性别、年龄、地域等
第二、按照观看兴趣画像判定
比如用户浏览内容的偏好，点赞、评论等。
分行业/品牌浏览偏好，比如美妆视频可定向偏好浏览美妆的人群。
各类型达人浏览偏好，例如恶搞帐号可定向搞笑视频偏好人群。
第三、按照环境终端画像
比如网路环境画像：WIFI、移动网路等。
运营商画像：移动、联通、电信等。
手机机型画像：高端手机、低端手机等。
第四、互动行为画像
比如线上互动行为，高互动行为用户画像。
线下行为，抓取用户行为轨迹。
第五、品牌自定义人群画像
比如品牌第一方人群，历史品牌广告高互动人群，可以按照品牌核心人群画像特点，寻找相像的人群。
▎抖音热门推荐机制
抖音的流量分配是去中心化推荐，通过机器算法和人工的双重初审。
初级推荐：用户上传抖音视频后，会获得首波流量推荐，这波流量以附近、关注和好友为主。
多级推荐：根据首波用户的反馈，也就是说转发率、评论率、点赞率以及完播率那些数据达到了系统设定的算法，即可步入下一级推荐池。
热门推荐：根据系统热门推荐算法，筛选出优质的视频快手热门算法，经过人工初审后，进入热门推荐。
▎抖音初审机制
在抖音上传视频后，平台会检查画面、标题等是否有违法。如果发觉违法，则步入人工检查，人工检查后确认违法视频都会被删除，账号也会被限流。如果没有违法，则步入画面消重，关键词匹配。
如果内容没有重复，系统还会开始推荐你的视频。反之假如你搬运了他人的视频，被系统测量到内容重复，则会步入低流量推荐。
推荐以后，如果用户反馈差，说明推送用户不精准，将步入蓄能池，用热卖推动，进行叠加推荐。如果反馈还差快手热门算法，系统还会就停止推荐。
当第一波推荐用户的反馈好，系统会对视频质量进行打分，然后叠加推荐，反馈仍然挺好，就会步入更高的流量池。
如果这个时侯你的视频被举报，那将会步入人工初审，确认违法后，作者可以进行申述，申诉失败，则停止推荐，删除视频。申诉成功，则步入持续推荐期，大概1天到1周。最后，冷却，零散推荐。如果你的视频没有被举报，那就可以直接步入持续推荐期，最后冷却。
快手平台
快手的特征是通过全方位的数据，精准描画出用户画像，然后针对不同的用户，推荐其乐意观看的视频，以提高视频观看率和提高用户黏性。它的关键点在于不停地依据用户发生的行为剖析用户意图，尽可能推荐的视频都是用户想看的。
▎快手算法推荐
快手没有视频类别和视频热点的概念，只是以播放量和红心数目来交互大瀑布流方式展示内容，同时还考虑到时效性，优先展示一天内的视频。
算法缘由，快手的产品战略上不是培养大V，反而是要限制大V的发展，所以没有排名，不会主观引导流量。
红心这个行为是比播放量更核心的用户行为，因为他是反应与用户有关的信息。
▎快手推荐方式覆盖不同需求
登陆快手平台后有三种不同的推荐方式：关注，发现，同城。
默认是发觉，展示逻辑是前面说的交互影响算法。关注页面里展示所有用户之前关注的创作者视频。同城则是系统给与LBS数据匹配附近人发布的视频，它指出的是视频生产者与观看者之间的实际距离。
多种推荐算法重叠，弥补不同算法的缺陷，推荐结果愈发精准，持续维持内容消费者与内容生产者的关系和纽带。
1、发现TAB
是协同推荐系统和内容过滤系统这两种推荐方式结合的结果。协同过滤系统主要通过用户历史观看爱好，行为，分析用户兴趣给与推荐，它的缺点就是不能冷启动，抖音的算法比较适宜冷启动。内容过滤系统，给用户推荐她们之前喜欢的视频内容相像的其他视频。系统搜集的主要显性行为包括，点爱心，评论，观看视频宽度，减少降低某类视频阅读等等。内容推荐系统的核心是估算两个视频在内容上的相似度。通过视频的标题或则叙述，发布位置，评论等抽取个别关键词给视频打赏标签，快手完全交给机器来完成。
