按目前的公开信息来看，视频号的推荐算法机制机理暂未公布，我们以“微信看一看”为例推算一下视频号的推荐算法机制。
算法基本原理
为提升用户体验，微信看一看个性化推荐算法会从精选内容库中个性化地选取用户可能感兴趣的内容推送给用户，该算法基于用户浏览记录、关注公众号、用户在看内容等数据，通过机器学习AI算法，综合筛选用户可能感兴趣的内容，以实现信息个性化推荐。
算法运行机制
微信看一看个性化推送算法基于用户浏览记录、关注公众号、用户在看内容等数据进行用户建模。当用户使用服务时，基于机器深度学习等模型召回推荐候选集，经过广告信息安全过滤、内容查重、兴趣打散、社交推荐等审核流程后，提供图文、视频推荐列表。
从微信看一看的推荐算法中可以看出，该算法是基于用户浏览记录、关注公众号、用户感兴趣内容等数据构建的，然后再经过机器以及人工对内容进行安全过滤、内容查重、兴趣打散、社交推荐等干预后再进行推荐。同理可证，视频号的算法大体也是如此。
视频号推荐算法的机制机理已经了解完毕，接下来继续梳理一下它的推荐逻辑。我们总结出：它的推荐逻辑主要和用户、内容、互动三个方面有关联。
①用户方面
推荐算法以获取到的用户社交关系为依据，综合筛选、过滤出合适该用户的推荐列表，这部分内容可以从「朋友♡」和「关注」看得到，推荐的都是好友点赞过或者用户关注过的视频。
②内容方面
第一步：推荐算法会先屏蔽掉不合适的内容；
第二步：对合适的内容进行兴趣打散；
第三步：根据兴趣标签推荐给目标用户。
③互动方面
主要从以下几个维度来评判，分别是完播率、分享率、点赞率、评论率。
根据我们过往的经验以及对多个不同类型账号的视频数据分析来看，首先完播率在是否会被推荐中占比较大，一般来说20s以内的视频完播率低于10%就很难得到流量推荐。
其次是分享率，平台鼓励大家分享视频给好友，一是为了传播扩张，二是微信是社交平台，分享是社交中重要的一环。
紧接着是点赞率，如果一条视频的点赞量越高，说明该视频获得用户的认可度越高，因此更容易获得平台的流量推荐。
最后是评论率，评论可以评判该视频的价值性，说明创作有看点，有议论点的内容可以获得更多推荐。
此外，还有用户观看某视频的时长，视频的跳出率等等也是影响视频推荐的重要因素。每一条视频充满了复杂性，如果仅仅完播率、分享率、点赞率等几个维度来判断一个视频的好坏，我觉得是不够全面的，但以上维度依然能帮助我们做出更趋向爆款的视频。
以上是关于视频号的分享，深圳厚拓致力于为广告主提供专业的 "品牌策划、媒体投放、效果评估" 整合营销服务。
