TikTok 算法
了解“为您推荐”信息流的运作方式
TikTok 算法 是 CoddyKit 上的免费 Digital Marketing Academy 课时。 这是第 1 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 Digital Marketing Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 Digital Marketing Academy 课程共包含 4 节课。
算法为何重要
在 TikTok 上，粉丝数量并不是决定因素。推荐页（FYP）是一个推荐引擎，它决定哪些视频触达哪些用户，而不论视频由谁发布。
这意味着全新的账号也可能走红，而拥有大量粉丝的账号也可能表现不佳。了解系统如何为内容排序，是您做出每项 TikTok 营销决策的基础。
FYP 实际优化的目标
推荐信息流旨在最大限度地延长用户停留时间，并促使用户反复打开应用。TikTok 希望用户持续滑动，因此会展示能够 удерж住注意力的视频。
算法收集的每个信号，实际上都在回答同一个问题：这个视频是否让观众保持了兴趣？如果答案是肯定的，视频就会被展示给更多人。
FYP goal = maximize:
- watch time per video
- sessions per day
- return visits核心排名信号
TikTok 会综合评估多种行为。强烈的正向信号包括完播率、重复观看、分享、评论和收藏。较弱的信号包括点赞和关注。
负向信号同样会被计算在内：快速划走、点击“不感兴趣”，或将视频标记为已经看过的视频，都会降低触达范围。
Positive signals (high weight):
watch-to-completion, rewatch, share, comment, save
Positive signals (low weight):
like, follow
Negative signals:
fast skip, "not interested", hide观看时长至关重要
最重要的单项指标，是相对于视频长度的平均观看时长。一个被完整观看的 15 秒视频，表现会优于只被观看一半的 60 秒视频。
这就是短小且剪辑紧凑的视频往往更容易胜出的原因：它们更容易被看完，也更容易被重复观看，而这两点都会得到算法的重点奖励。
Completion Rate = total watch time / (views x video length)
Example:
15s video, 1000 views, 13s avg watch
Completion = 13 / 15 = 87% (excellent)测试池模型
您发布视频后，TikTok 会先将其展示给一小批初始受众，通常是几百名观众，并测量他们的反应。
如果互动率超过内部阈值，视频就会被推送给更大的受众池，然后再进入更大的受众池。这种分阶段测试解释了为什么传播势头会一波一波地增长，而不是一次性爆发。
Pool 1: ~300 viewers -> measure engagement
pass -> Pool 2: ~2,000
pass -> Pool 3: ~20,000
pass -> viral expansion前 3 秒
由于观看时长决定一切，开头几秒的权重极高。如果观众立即划走，视频就无法脱离测试池。
强有力的开场吸引点会在最初几帧提出问题、激发好奇心，或展示令人意外的画面。这是任何 TikTok 视频中最具影响力的部分。
Hook script (0-3s):
"Stop scrolling if you spend money on ads."
[visual: fast cut to product result]
"Here is what nobody tells you..."互动率的定义
营销人员会跟踪互动率，以便在公平的基础上比较不同视频。互动率表示相对于触达人数的互动程度，而不是互动总量。
互动率高的小视频，可能比互动率低的大视频更有价值，因为高互动率表明算法认为这类内容值得扩大分发。
Engagement Rate = (likes + comments + shares) / views
Example:
views = 50000
likes = 4000, comments = 300, shares = 700
ER = 5000 / 50000 = 10%兴趣如何匹配
TikTok 不依靠粉丝关系图来分发内容，而是根据兴趣信号将视频和用户进行聚类：使用的声音、话题标签、配文、屏幕文字以及观看行为。
您的视频会被匹配给与相似内容产生过互动的用户。这就是为什么在细分领域保持一致，有助于算法理解应该将您的内容展示给谁。
Video tags inferred from:
- audio / sound ID
- hashtags + caption keywords
- on-screen text (OCR)
- objects / scenes in frame
- who engages and what else they watch声音与趋势
热门声音能够加速内容被发现。当您使用正在走红的音频时，视频可以借助该声音已经获得的关注度乘势传播。
关键在于时机：请在声音热度上升时加入，而不要等到达到峰值后才使用。将趋势与您的品牌信息结合，可以让内容自然融入平台，而不是显得生硬。
Trend check before posting:
Sound uses growing? (rising arrow in app)
Used < 7 days? -> good window
Fits brand message naturally? -> use it
Feels forced? -> skip it稳定发布胜过追逐爆款
追逐单个爆款的做法并不稳妥。算法会奖励持续发布的账号，因为频繁发布能带来更多进入测试池的机会。
对于大多数正在建立影响力的品牌来说，每周稳定发布三到五条高质量视频，比每月发布一条精心制作的视频更有效。
Sample weekly cadence:
Mon trend / sound video
Wed educational how-to
Fri product-in-use clip
Sun behind-the-scenes
Goal: 3-5 posts/week, steady解读您的数据分析
TikTok 数据分析可以揭示您的开场吸引点和内容是否符合算法偏好。请重点关注平均观看时长、完播率和流量来源。
如果大多数观看量来自推荐信息流，说明算法正在有效分发您的内容。如果留存率在某一秒突然大幅下降，请修正视频中的那一部分。
Key metrics to read:
Avg watch time -> hook + pacing
Watched full video% -> structure
Traffic source: FYP -> algo reach
Retention graph dip -> weak moment to cut快速检查
请测试您对 TikTok 排名重点的理解。
回顾
TikTok 的推荐页会根据兴趣和互动来分发内容，而不是根据粉丝数量。它会在不断扩大的受众池中测试视频，并奖励观看时长、完播、重复观看、分享和收藏。
要取得成效，请在前三秒吸引观众，在清晰的细分领域持续发布，在合适的时机使用热门声音，并通过数据分析来提升留存率。
常见问题解答
「TikTok 算法」课时是免费的吗？
是的 — 「TikTok 算法」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 Digital Marketing Academy 课程的其余内容，请升级到 CoddyKit PRO。 Digital Marketing Academy 课程共包含 4 节课。
「TikTok 算法」这节课中我会学到什么？
了解“为您推荐”信息流的运作方式 你通过在浏览器中直接运行的动手代码来练习 Digital Marketing Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 Digital Marketing Academy 需要有经验吗？
无需任何先前经验。CoddyKit 上的 Digital Marketing Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 1 节课，共 4 节。
「TikTok 算法」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 Digital Marketing Academy 课中编写并运行代码吗？
能。每节 Digital Marketing Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。
此课程中的所有课时
- TikTok 算法
- 创作原生内容
- TikTok 广告基础
- 创作者与 UGC