抖音本质是互联网产品 ， 产品的背后是代码 ， 代码的底层是算法 。
想要做好直播带货 ， 就必须理解抖音底层的算法体系 。

文章插图

本文将在整个篇幅中 ， 致力于通过保姆级的分析 ， 接近如下三个问题的答案 。
1.抖音直播的算法结构究竟是怎样的
2.日常的行为如何通过算法去做解释
3.如何利用算法推演直播间玩法
开宗明义：流量、指标、标签、权重 ， 构成了直播间的底层体系 。
让我为你逐一拆解 。
流量
流量作为底层算法最基础的要素 ， 用于衡量直播间的观看规模 。
以场观大小分成几个维度大致可分为：
E级就是百人场观；
D级就是千人场观；
C级是万人场观、
B级是接近10万人的场观；
A级是几十万人的场观；
S级是百万级的场观 。
指标
从供给的角度 ， 每天几十万场直播 ， 抖音需要一套指标体系 ， 用于衡量每个直播间的开播质量 。 进而根据数据的优劣排序 ， 给不同直播间分配流量 ， 这时候会涉及另一个词：指标 。
指标作为衡量直播间质量的标准 ， 并不是单一存在 ， 而是涉及到三个层次：
用户行为 商业价值 流量规模
与此对应的就是：
互动指标 交易指标 流量指标
互动指标包含直播间所有的用户行为 ， 如停留、点赞、评论、关注、加粉丝团、分享等都属于互动指标 。
停留 ， 是所有互动指标里最基础 ， 也是最重要的指标 。
首先 ， 所有数据的产生都必须以停留为前提 。
其次 ， 评论大于点赞 ， 但又弱于关注、粉丝团、分享 。
互动指标大体上反映了一个直播间的人气状态 。
从算法判断的角度 ， 是衡量直播间能否有效留住用户的重要维度之一 。
如果说一个直播间互动指标做的好 ， 数据回传到数据库 ， 通过与竞争对手的互动指标对比 ， 数据好于对方的情况下 ， 账号就可以优先获得系统的推荐流量 。
但是 ， 一个账号的流量增长 ， 光依靠互动指标并无法长期驱动 。
一款商业化产品的终点一定是盈利 ， 直播间同样也是 。
能够有效获得停留 ， 只是证明了目标直播间的留人能力 ， 其次还要考量留人之上的变现能力 。
这时候涉及的就是交易指标 。
一切跟交易行为相关的指标 ， 均为交易指标 。
交易指标仍然可以被拆分为交易行为与交易数据 。
交易行为包含购物车点击、商品链接点击、订单创建等；
交易数据包含GMV、UV价值、人均GMV等 。
遵循“最基础的指标就是最重要”的原则 ， 在交易行为当中 ， 购物车点击为最核心的指标 。
没有购物车点击 ， 所谓的转化成单都是泡影 。
同样在交易数据当中 ， UV价值作为最小的单元 ， 地位首当其冲 ， UV价值*场观得出GMV ， GMV/下单人数得出人均GMV 。
综上 ， 对于指标的优先排序 ， 能够有利于直播间的运营者 ， 在每个阶段制定相应的竞争策略 。
比如起号阶段对停留的追求；流量上升时 ， 对于购物车点击率、UV价值的要求 。
但是实际的算法体系中 ， 指标的优先排序并不是简单的线性排序 ， 而是线性基础上的交叉排序 。
直播间不会单纯因为某一个指标的增长 ， 而迅速获得流量的推荐 ， 而是需要将多个指标在优先排序的基础上 ， 交叉增长 。
互动指标、交易指标决定了直播间的数据体现 ， 而数据体现对应的即是流量指标 ， 如场观、峰值等 。