国产视频 · 推荐机制入门测评：冷启动、标签与完播率各自管什么

推荐系统做的事，说穿了是两步：先猜这支片子适合谁，再看这批人的反应决定要不要扩大。

第一步靠标签，第二步靠行为数据。创作者能干预的也正是这两处：让系统准确理解内容是什么，让第一批观众的观看反应足够好。下面分段说。

新内容先推给一个小规模样本池，量级视平台和账号权重而定。这一池的人选不是随机的：系统依据内容标签、账号历史受众、标题与封面信息做初步匹配。冷启动数据的波动天然很大，样本里多几个不感兴趣的人，完播就能差出十几个点。所以发布后头一两个小时的数据只能看趋势，不能下死结论。

通过冷启动的门槛，流量池逐级放大，每一级都重新考核。考核指标里，完播率管的是内容本身留不留得住人，互动率管的是观众愿不愿意表态，关注转化管的是账号有没有长期价值。三个指标的权重随平台和品类浮动，但顺序大致稳定：先完播，后互动，再转化。片子前 3 秒流失过半，后面做得再好也进不了下一级。

推荐流量有半衰期，快则一两天，慢则一两周，之后进入搜索和关注关系驱动的长尾期。有沉淀价值的内容，长尾期的总播放可能超过推荐期；纯时效内容则基本在推荐期内定格。判断一个账号健不健康，看长尾占比是个好指标。

进入逐级放量后，每一级都会重新考核。完播率检验内容留不留得住人，互动率检验观众愿不愿意表态，关注转化检验账号有没有长期价值，三者权重随品类浮动，顺序大致稳定。片子前3秒流失过半，后面的内容做得再好，也很难进入下一级流量池。

创作者圈子里对账号权重有两种极端看法：一派认为全是玄学，一派认为处处是暗箱。按公开可观察的现象看，更接近事实的说法是：系统对账号的历史受众画像和品类标签有记忆，新内容冷启动时优先推给与历史受众相似的人。这解释了为什么垂直账号的新片起量更稳，也解释了转型账号为什么难受——前几支新品类内容都会被先推给老受众，数据难看是结构性的，不是内容不行。转型要预留三到五支的阵痛预算，这不是玄学，是匹配逻辑的必然结果。

围绕推荐机制，明确有害的动作有三个。一是刷量和互刷，异常互动会被识别，轻则这支作废，重则账号降权。二是频繁删发重传，同一内容反复上传会让标签和样本全部重置，还可能触发重复内容判定。三是标题封面与内容严重不符，骗来的点击会以极低的完播反噬，让这支和后续几支的冷启样本质量一起受损。这三件事的共同点是都在试图骗过考核，而考核指标的设计初衷正是防这个。把精力放回钩子和标签上，是唯一的正道。

标签准不准，有个笨办法可以自查：发布后看系统推荐来的第一批评论和观众主页，那批人的兴趣标签如果和内容对不上，说明系统理解偏了。再对照三个位置找原因：标题里有没有品类关键词，封面文字是不是直白，前 30 秒的内容和标题承诺是否一致。这三个位置是系统读取内容的主要入口，也是创作者能完全控制的。自查做上五支，标题和封面的写法就会稳定下来。标签这件事没有秘籍，就是让机器和人都别猜。

冷启动的样本池量级随平台和账号历史而定，人选并非随机。这一池数据的波动天然大，样本里多几个不感兴趣的人，完播就能差出十几个点。因此发布后一两个小时的数据只能看趋势，不能下死结论。急着根据首波数据改标题封面，往往把本来能跑出去的片子亲手打断。

还要提醒一条：不要在冷启动期频繁修改标题和封面，那等于考试中途换卷，样本数据全部作废重来。发布前把标题、封面和标签一次定到位，发布后至少等一轮流量反馈再动。耐心在这个环节不是美德，是避免自毁数据的操作纪律。