结合与抖音做推荐的朋友所探讨的内容，做简单总结：
整体上抖音的推荐算法非常复杂，不过简化来说，针对流量创作者最需要关注的可能就是两大系统，一个推荐系统，另一个是匹配系统。
推荐系统
对于推荐系统会分为个性化推荐和非个性化推荐两部分。
个性化推荐
个性化推荐就是根据用户的定向浏览习惯、上下文等等这些基于用户的画像和行为去做的推荐，这类内容是创作者拉新涨粉的关键；
- 对于这块最需要重视的就是内容质量（比如重复度、热度、过往数据、是否合规、原创/抄袭等）。而要做的就是提升内容的基础数据，简单地说就是要尽可能的吸引用户互动，用户的互动多了，不管是点赞、评论或者是停留时长等等，这个视频的后续预估分就高，后续分发的就会更好。
- 而做长视频的创作者完播率往往是个问题，特别是对新用户，做长视频的创作者，可以尝试用一些比较简短精炼、有趣、有号召力的内容去吸引涨粉和互动，也能帮助积累基础数据，然后利用粉丝订阅去带动长视频的播放。
非个性化推荐
另一类其实就是非个性化推荐，比如热榜、合集订阅推送什么的，后者其实是创作者稳定、低成本流量的来源，最终还是得靠内容留住用户；
- 可以尝试以热点为框架去产出优质内容（简单的说看现在的热点以及去思考用户会搜索什么样的内容），对于流量的提升会有一定的帮助，因为流量不仅仅来自于主动推荐，还有用户的主动搜索，这部分也能带来一定的流量空间，当然相互之间肯定也会存在挤压，而且这部分会存在相似性的判断，不要被判定为抄袭等。
匹配系统
另一个系统就是匹配系统，也就是针对内容标签和用户标签的匹配，这里面用内部的话说就是硬规则和软规则，比如硬规则就是广告里面的定向（如果投DOU+的话），以及内容的标签，而软规则就是系统帮忙拓展的一些泛化意图等等，比如在推荐出去之后浏览量可能比较少，系统就会根据一些相关性规则自动做些关联和拓宽。
- 对于匹配没有太多可操作的，无非就是让自己的内容定向更加准确些，以及可以使用一些被验证过的标签、关键词，会更有利于提升曝光；
以上是相对比较简单的概括，实际推荐逻辑会复杂的多，涉及到粗排、精排、混排等等，简单总结用抖音做推荐的朋友的话说就是——抖音推荐太复杂了，我们作为规则制定者也未必能说的清楚最后具体落地的规则和玩法，因为结合实际的运营策略和热点的变化，是具有很高的随机性的，但唯一不变的就是想办法去提升用户的互动，这是内容分发最核心的逻辑。