热度 = 初始热度 + 互动热度 – 随时间衰减的热度 +/- 权重
然后在运营后台中，开放对内容进行加权、降权的功能 。
权重调整其实另一方面也可以弥补热度算法的不足，因为通过传播去获取热度总是需要一定时间，可能没办法应对突发的大热点，而也有某些内容明明在被持续
四、偶然和极端其实，除了上述我们预先规定好的因素外，还会有一些偶然的元素可能会影响到热度算法 。
比如，一条内容在产品往往不止在热榜中可见，我们还会通过其它的方式去传播它，比如开屏、PUSH等，这些都会带来巨量的热度提升，而不是它自身在热榜里竞争所得，若不剔除这些偶然因素，则热榜的前几名很有可能就充满了运营导向的味道 。
而且，在设计热度算法时，需要多考虑极端情况，比如若在网站流量不大的情况下，一条初始热度最高的内容，是不是可能永久无法被初始热量最低的内容超越？
五、反作弊在一些知名产品中，热门榜单往往伴随着数据造假，如果我们不能有效的反作弊，那么所谓热榜则相当于名存死亡，成了营销者的聚集之地 。
而至于如何反作弊呢，此文篇幅有限，不做深入，就先抛砖引玉下，比如：
1. 将不同用户对互动热度的贡献再次分级前文提到了我们需要对用户的不同行为分级，贡献不同的互动热度；现在考虑到许多刷数据者使用都是批量小号，具有一些区别于正常用户的特征，比如注册时长慢，活跃度低 。
那我们就可以对用户进行分群，比如新用户的点赞+0.3分，正常用户的点赞+1分，从而抬高了数据造假的难度和成本 。
2. 实时监控异常数据，若发现违规，将人工降权因为数据造假是很难模拟出像优秀内容那样的热度上升曲线，所以可以通过监控数据波动，来判断这条内容是否为自然增长，若察觉存在违规现象，则运营可以通过降权进行处罚 。
六、抖音视频的推荐算法讲完枯燥的理论，最后，再给大家分享下抖音是如何做内容推荐的，希望能帮助你更好的理解热度算法 。
首先，抖音有一个流量池的概念，不论新人还是网红，当用户新发一条视频后，抖音都会将它推荐给一定的人，即启动流量，可能是300-1000人 。
然后根据这条视频在流量池内的数据表现，比如完播率、点赞率、评论数、转发率等，再来决定是否要将这条视频推荐给更多人 。
而在数据达标之后，抖音会再将这条视频引向更大的流量池，让新的1W-10W人看到，即叠加推荐，以此类推，数据越好，叠加越多的流量 。
同时，上述所说的流量池是有区间的，决定具体数值，则就是上述影响因素的概念 。
抖音里的影响因素是哪些呢？
- 从创本文由 @猫丸 原创发布于人人都是产品经理 。未经许可，禁止
题图来自Unsplash，基于CC0协议
推荐阅读
- 火锅里的黄喉煮多久能吃
- mac暂存盘已满怎么办 暂存盘已满怎么办 解决的方法如下
- 骨折康复护理长期目标除哪一项外 骨折康复护理原则
- 丸美化妆品怎么样,适合哪个年龄段？丸美化妆品是哪个国家的品牌
- 谈谈你学习书法的“初心”是什么？
- 什么时候练瑜伽最好? 每天什么时候练瑜伽最好
- 深圳交通管理运输局信息网 深圳交警局信息网
- 2012款福特福克斯两厢怎么样 2013款福克斯两厢怎么样
- 中国大理石三大产地 大理石产地在哪里