SnackVideo 推荐算法原理 如何学习你的偏好
算法的核心目标
SnackVideo 的推荐算法核心目标是在有限的 5-10 秒内判断「下一条你最想看什么」。它不是一个静态推荐列表，而是一个持续学习的动态系统。
信号来源
算法从以下行为中提取偏好信号，权重从高到低：
| 行为 | 信号含义 | 权重 |
|---|---|---|
| 完整看完 + 反复回放 | 强烈喜欢 | 最高 |
| 点赞 | 正向反馈 | 高 |
| 评论 | 深度互动 | 高 |
| 分享 | 高认可度 | 中高 |
| 关注创作者 | 长期兴趣 | 中高 |
| 停留观看超过 3 秒 | 有一定兴趣 | 中 |
| 上滑跳过（0-1 秒） | 不感兴趣 | 中 |
| 长按选择「不感兴趣」 | 强烈不喜欢 | 最高负向 |
冷启动阶段
新注册用户的前 20-30 条视频是算法的冷启动阶段：
- 如果在首次启动时勾选了兴趣分类，算法会优先推相关内容
- 如果跳过兴趣勾选，会推送平台全局热门的广谱内容（搞笑、美食、舞蹈等）
- 前 30 条里每次上滑、点赞、停留都会被快速吸收，30 条后推荐会明显收紧
正反馈循环
当你持续互动某类内容时：
- 算法检测到你的点赞/评论集中在「宠物搞笑」
- 扩大宠物类视频的候选池权重
- 推送更多相似风格（狗、猫、搞笑瞬间）
- 你继续互动 → 算法继续收紧范围
- 几轮之后推荐流高度个性化
负反馈（不感兴趣）
除了上滑跳过，SnackVideo 还提供明确的负反馈通道：
- 长按视频 → 选择「不感兴趣」或「不看此创作者」
- 举报（部分也会触发负向学习）
- 连续快速跳过同一主题（10 秒内跳过 3 条相似内容）
明确的负反馈权重高于跳过行为，会更快速地把这类内容从你的推荐池中排除。
与快手主 App 的关系
SnackVideo 的算法体系与快手主 App 独立——虽然同属 Joyo Technology 开发，但训练数据池和用户画像完全隔离。你在 SncakVideo 上的行为不会影响 Kwai 的推荐，反之亦然。
提高推荐精准度的建议
- 不要刻意点赞不感兴趣的视频——这会给算法错误信号
- 长按快速跳过的视频，主动标记「不感兴趣」
- 关注你喜欢的创作者，算法会优先推送他们的新内容
- 定期下拉刷新，引入一些新的内容种子