# 先看穿一件事：抖音分发的不是流量，是注意力

把“发布作品”的视角换成“注意力产品”，看懂完播、互动、推荐三者如何环环相扣

> 推荐算法 · 注意力机制 · 流量池 · 约 6 分钟 · 09 月 08 日

## 本篇要点

1. 抖音本质是一套注意力分配系统：用户一次只看一条视频，你的作品只是“候选”，要赢的是用户停留的几秒，不是一次播放量。
2. 官方公开的算法逻辑是打分制——预测用户行为概率 × 行为价值权重；完播、点赞、划走都是用户用行为投出的正负反馈。
3. 完播测量“赢到多少注意力”，互动测量“注意力质量”；转发、关注、点进主页这类更“贵”的动作，权重高于随手点赞。
4. 推荐量不是第三类信号，而是前两者的结果：完播和互动是因，流量是果，所以别把数据差归咎于“被限流”。
5. 新视频从小流量池试看起步，与同期同类内容横向比较，达标才进入更大的池子；每条新视频都独立考试，前一条不连坐下一条。
6. 真实数据显示，连被精准推荐的视频也有约一半没被看完、约四分之一在前 20% 被划走——竞争发生在几秒之内。
7. 做号的第一原则：先回答“陌生人凭什么停留”，再谈自我表达；这是后续讲前三秒、脚本结构和数据看板的共同地基。

---

你发了几条视频，数据一直起不来。最常见的归因是什么？“是不是被限流了？”“是不是粉丝太少？”先别急着找这些原因，这一篇做一次更根本的视角切换：把你眼里“发布作品”的抖音，换成一个更准确的模型——一套注意力分配系统。这个认知不建立起来，后面讲前三秒、讲脚本、讲数据看板都是无根之木；建立起来，你至少能看懂自己每一条数据到底输在了哪一步。

## 你发的是作品，平台分的是注意力

先看一个事实：用户打开抖音时，屏幕上一次只能出现一条视频。抖音官方在 2025 年首次公开推荐算法原理时，第一句交代的就是它：“当用户打开抖音时，抖音的推荐算法会给候选视频打分，并把得分最高的视频推送给用户。”注意“候选”这个词。你精心拍好的视频，在系统眼里和当天上传的海量视频一样，都只是候选之一，先被推给一小批真实用户试看，由他们接下来的行为决定去留。

这意味着什么呢？你的视频要挤掉别的候选才能露面，而它真正赢到的“资源”，不是一次播放量，而是用户愿意为它停留的那几秒钟。平台上真正稀缺、真正在被分配的东西，从来不是内容——内容多得溢出来——而是用户每一秒的注意力。所以短视频本质上是注意力产品：内容是载体，用户停留的时间才是被消费的“货”。明白这一点，你就不会再问“为什么我拍得这么用心没人看”，而是会问一个更尖锐的问题：凭什么让一个陌生人，把宝贵的三秒钟停在我这条视频上？

## 完播、互动、推荐：算法在测量三件事

要分配稀缺的注意力，系统首先得测量它。系统读不懂你的创意，也理解不了你的用心，它只读取用户在你这留下的一串行为痕迹。官方原话说得很直白：“‘看完了’就是一次反馈动作，‘点赞’也是一次反馈动作”，每一次反馈都有正面或负面的价值，推荐模型学习的正是这种行为反馈。整个逻辑被官方简化成一个公式：预测用户行为概率 × 行为价值权重 = 视频推荐优先级。

把用户的行为拆开看，正好对应你后台最关心的三类数据：

- **完播**（看到第几秒、看没看完），测量的是你“赢到了多少注意力”。官方介绍，早期抖音以 15 秒视频为主时，完播率曾是核心目标，背后的逻辑是“完播率越高，意味着越多用户喜欢这条视频”。
- **互动**（点赞、评论、收藏、转发、关注、点进主页），测量的是“注意力质量”。同样看了十秒，划走的人什么都不留下，被打动的人愿意额外做一个动作，两种注意力的分量完全不同。
- **推荐**不是第三个并列的信号，而是前两者的后果：系统把上面这些反馈汇总打分，决定把这条视频继续推给多少人。完播和互动是因，推荐量是果。

至于哪些行为更值钱，官方没有公布权重，但你可以用“行为的贵”来理解：点一个赞几乎是零成本，转发要付出社交代价，点进主页、点关注意味着对“你这个人”起了兴趣。行为越贵，越能代表真实的喜欢。这也是为什么“看完后随手一赞”和“看完后关注了你”在算法眼里完全不是一回事。

## 一场几百人起跑的考试

测量完之后才是分配。一条新视频不会直接被推给所有人，而是先进一个小流量池试看。官方没有公开流量池的具体规模和晋级标准，按运营圈的通行描述，这个初始池的量级大约在几百到几千次播放（数字只作量级参考）。系统拿这批真实用户的行为，和同一时段、同类内容的成绩横向比较：看完成绩够不够好、有没有人点赞评论、有没有人顺着点进主页。达标，进入更大的池子；数据再达标，再扩大；不达标，就停在这一层，热度自然衰减，不再获得新的推荐。

```mermaid
flowchart TD
    A[发布新视频] --> B[进入小流量池试看<br>约几百到几千次播放]
    B --> C[真实用户留下行为：<br>看没看完、划走、点赞、评论]
    C --> D[系统打分<br>行为概率 × 价值权重]
    D --> E{与同期同类视频比较}
    E -- 达标 --> F[进入更大流量池<br>更多用户试看]
    F --> C
    E -- 不达标 --> G[停在这一层<br>热度自然衰减]
```

这就是“流量池”机制，也解释了为什么抖音运营讲究“让数据一条比一条好”：每一条新视频都从最初的池子重新开始，独立地重复这场考试。前一条没考好，不连坐这一条；这一条数据好，也带不动上一条。平台用这套去中心化的方式，把“谁值得被更多人看见”的判断权，交给了每一批真实用户的手指，而不是账号的粉丝数——新号的第一条视频和百万粉账号的新视频，走的是同一条管道。

## 给你一个真实数字

竞争到底有多激烈？一项基于真实用户观看记录的研究（对象是与抖音同源的 TikTok）发现：即便是算法根据个人兴趣精准推来的视频，也有大约 55% 的观看在中途就被划走，约四分之一在视频前 20% 处就被放弃。换句话说，连“系统判断你应该喜欢”的内容，都有一半以上没能留人到最后。你的新视频，是在这样一群对手中间抢那几秒。这个数字不是让你绝望，而是让你认清：做号的起点问题只有一个——凭什么让一个与你素不相识的人，愿意在你这条视频上多停一秒。

## 做号的第一条底层认知

到此可以收束出这个系列的第一块基石。做一条视频，正确的思考顺序是先想“一个陌生人凭什么停留”，再想“我想表达什么”。自我表达只是原料；素材经过“为留住注意力而设计”的处理，才成为作品。前三秒的钩子、脚本的情绪节奏、剪辑的取舍、标题封面的设计，本质上是同一个问题的不同解法：注意力从哪里来，怎么让它不中途溜走。这些问题，正是接下来几篇要逐个拆解的。

而你现在能立刻带走的一条行动准则：数据起不来，别急着找“被限流”的理由，去你视频的前几秒里找答案——如果大多数人停在那里就划走了，那不是平台辜负了你，是这场注意力竞标，你输在了起跑线上。

## 来源

1. [抖音“安全与信任中心”首次公开推荐算法原理的报道——含官方原话：给候选视频打分、行为反馈、“完播率曾是核心目标”、推荐优先级公式](https://news.qq.com/rain/a/20250330A05SSE00)
2. [基于 347 位真实用户、920 万次观看记录的研究——约 55% 观看中途划走、约 24% 在前 20% 处被放弃](https://arxiv.org/html/2301.04945v2)
3. [对抖音“去中心化”算法与多级流量池机制的行业解读——含初始池约 200–500 次播放及逐级比较的说明](https://mmgthailand.com/douyin-tiktoks-decentralized-algorithm/)

---

原文：https://pangzhengboyin.com/articles/douyin-attention-allocation-system-8141bec1

> **庞征博引** · 想学的，慢慢都会
>
> 庞征博引是把想学的东西写成连载的 AI 学习工具。说出想学什么，它会先了解你的基础，再把主题写成一篇篇 5–10 分钟能读完的文章；边读边问，接下来学什么跟着你走。这篇就是这样写出来的。
>
> 开始你自己的连载 → https://pangzhengboyin.com