TikTok的slogan是“Make Your Day”，目标是给成千上万的人推送他们喜欢的视频。商业价值核心就是能够让用户更沉迷的推荐系统让更多的人每天能够花更多一点时间在TikTok上。

推荐系统让人更沉迷需要明确的知道人喜欢什么，哪些视频这个人会喜欢，也就是这两步：

1，猜准喜好。

2，定义视频。

接下来我们就从这两步简单讲讲TikTok推荐系统的原理。

猜准喜好

从目前的数据和字节跳动的历史产品看来，TikTok已经完全掌握了这点。猜准观众喜好前提是从这四方面构建观众画像：

基础信息：设备、系统设置、位置、日期和时间。通过基础信息，可以给用户推荐同类设备、位置或者节日时间点相似用户喜欢的内容。

交互信息：与不同定义的视频的交互信息比如关注、点赞、评论、观看时长。与不同标签的视频交互后，观看的视频反向标记了观众。

社交信息：通讯录、社交网络好友关系。

其他合作App内部的数据（假的）：有些公司为了构建完整的用户画像来达到商业目的，会组成联盟共享App间的用户隐私数据。你有一部小电影，我有一部小电影，我们交换后都有两部小电影。差不多就这个意思。共享经济的巅峰不过如此。

有所有这四方面的数据后，观众画像就可以构建完成，然后根据观众的交互行为完善用户标签。这一步是在一个很大范围内完成的，比如10万个相同标签的观众都喜欢一个标签下视频，那有同样标签的新观众就会喜欢这类视频。这是一个不断被训练、进化的流程。

这个流程的目标是占用观众的时间更多一点。终极目标是占用每个观众每天的一切空闲时间。

定义视频

定义视频就是指通过视频本身的数据以及观众的交互历史给视频打上标签，构建视频画像。

视频内容：描述、标签、音乐、语言、图案等。

观众交互信息：评论、点赞、观看时长。

交互过的观众的画像。

通过以上3个维度可以构建视频的画像，随着观众与视频的交互，视频画像会越来越精确。

匹配

观众和视频会通过某种逻辑进行匹配，比如最简单的有相同标签的观众和视频互相匹配；被同样喜好观众喜欢的视频的关联匹配等。随着不断的匹配及进一步交互。观众、视频的画像，匹配的逻辑都会越来越准确，衡量标准就是观众每天的停留时长。

最终沉淀下来的就是这套经过全球几十亿人训练出来的推荐算法（匹配算法）。这也是产品的核心资产。单纯的算法并没有什么价值，经过几十亿人的训练升级出来的算法价值巨大。