播放量>點贊量>評論量>轉發量。
針對使用者層面，這套機制的設計則複雜得多。根據每個使用者的不同喜好，系統能夠透過多種因素對影片進行排名來推薦內容。
《最初進化》
其實，從你註冊賬號的那一刻開始，你的一系列使用者行為已經在給“For You”演算法不斷投餵資料了。
這些使用者行為基本涵蓋了各個方面：比如賬戶設定及裝置型號，地區設定、裝置型號等。
註冊時選擇的感興趣類別：新聞、旅遊、娛樂等；使用者使用場景：使用者所處地理位置、觀看影片的場景等；釋出的影片資訊：主題標籤、影片內容等；各種使用者互動資訊，點選、點贊、收藏、評論、轉發的內容。
最後，經過綜合權衡，並不斷修正，給使用者畫一個越來越準確的自畫像，有時候軟體比你更懂你。
雖然這套機制本身看起來很複雜，整個推薦過程都是“潤物細無聲”的在後臺完成。
不需要使用者做什麼，只需要點開影片或點幾個贊，抖音後臺就可以逐步判定你的喜好，而且演算法推薦是實時跟蹤更新，你的瀏覽痕跡越多，軟體就會越懂你。
不過，目前這套演算法看似先進，也確實很先進，放在世界也是頂尖的，還是有不少問題的。
李牧根據現實世界的經驗，提前發現了一些苗頭。
比如，目前尚不明顯，再過個兩年越來越多的人會發現，根據使用者喜好推薦，這種演算法機制就會形成巨大的資訊繭房，分割各類使用者，讓他們沉浸在自己的小圈子裡無法自拔，不能接觸更多的外界資訊。
自從抖音的使用者突破兩億後，資訊繭房效應就開始顯現出來，目前尚無多少人關注這個問題，若不做改變，未來絕對會引起更大的爭論。
針對此，根據現實世界位元組的經驗，最近這段時間，李牧開始對抖音現在的演算法進行大規模最佳化。
會更加的人性和靈活，讓軟體不僅能自動篩選出哪些是錯誤、欺騙性的瀏覽痕跡，也不會“弱智”地大量推送同質影片。
會時不時地推送一些相關、相似乃至相反的影片來試探、誘導、激發使用者，使使用者脫離資訊繭房，有更多的興趣和關注點。
如此，可以保障優質影片源源不斷地流出，並持續地推送給真正感興趣的人。
當然，這不僅僅是演算法的問題，其背後的深層邏輯其實是流量分配的去中心化。
只要你的影片足夠優質、有趣，即使你是新註冊的小白賬戶，你的影片也可以獲得千萬點選；反之，即使你是百萬粉絲的大V，但你的影片平庸、乏味，也難以躺贏。
目前，李牧已經抽掉和挖來了幾百位演算法方面的高手，打造和最佳化這套演算法體系。等孵化出來，未來幾年內，抖音在短影片領域，即便在全球範圍內，也可以說是獨一檔的存在。
只要其他方面不出什麼差錯，未來差不了哪裡去！