抖音好友推荐根据什么

题图来自Unsplash，基于CC0协议

导读

抖音的好友推荐机制实际上是平台为了提升用户体验、增加用户活跃度，而又不过度打扰用户而设计的一种内容推送和社交连接建立的方式。该机制背后的逻辑复杂而有趣，主要围绕以下几个方向展开。

在算法原理层面，抖音的好友推荐并不单纯依赖于用户自己的主动添加或者传统意义上的“搜索即视为熟人”的逻辑。实际上，这个系统会综合考虑用户与某个潜在好友的互动历史，例如是否曾互斥过，是否互相点赞、评论、转发礼物（可能通过直播打赏、互动送花等间接行为），或者是否曾在视频的评论区有过积极互动。此外，它还从社交网络的数据出发，比如如果一个新账号与你的多个好友关联过（例如使用了相似的昵称碎片、头像源相同、或来自同一个IP或设备区域），系统也更倾向于推荐给你的关注列表。同时，账号标签体系（如剧情类创作者、云南旅游博主、美食探店等）也被深深嵌入在推荐算法中，用来匹配用户的兴趣、喜好，进而为他寻找具有相似内容风格或者内容消费习惯的账号。

如果要具体说优先考虑哪些因素，通常以下几个会首当其冲：一是互动频次和行为强度，频繁互动（尤其是相互点赞评论）的账号会优先考虑成为“潜质好友”；二是网络连接关系，与你的好友好友、或你曾经互动过的账号的粉丝成为好友；三是新见设备关联，如果系统识别人与你“相关”的设备，比如同一厂商手机的用户之间、或者使用了同样路由器的用户之间，内容也是相互推荐的一种佐证，这可能是一种粗略的信任链建立行为；四是标签和兴趣一致性，标签匹配度高是起到关键作用的基础之一。

在技术实现上，抖音的好友推荐功能背后，往往会依赖一些较前沿的人工智能手段，尤其是机器学习。协同过滤是其基础，通过分析用户行为模式来预测他可能关心的账号。同时，也可能在好友推荐的层级上引入一些图神经网络（Graph Neural Networks, GNN），将用户与用户之间的互动关系构建成一个网络图，从而更深度挖掘潜在的好友关系。当然，实时反馈的数据（比如被点击加好友，点赞、评论等）每天都在重新调整用户画像和好友推荐结果，系统也会根据不同国家地区、不同版本来定期调优算法，确保推荐的精确度和用户满意度。

对于如何“使用”或者优化这一系统，其实用户不应该过度“钻营”刻意去套用算法，因为抖音原意是希望你建立更有意义的真实社交。但如果你希望推荐的好友更符合你的实际趣味，建议你要保持账号活跃，持续发现和尝试新的内容，参与评论互动，这样系统会收录你的偏好信号，而你也可以根据算法推荐的位置看看自己的好友池里是否真有网上的知己，或者找到新世界的链接人。当然，真实的联系应该建立在互相关注和主动互动能否胜任的基础上，而不是完全依赖系统记忆你与某个人哪怕仅有一两次互动的微弱联系就当作潜在好友。

最后，关于抖音的好友推荐与实际关系的相似度，这个问题其实没有绝对的“是”或“否”。由于算法无法完全掌握你与某个人之间是否存在真正的兴趣、信任或资源互补，很多时候推荐只是一个途径，最终是否成为好友，取决于你自己的判断和互动意愿。平台推荐的“好友”，如果仅仅基于行为少量数据模拟的性格标签推断，与你实际选择的对象可能存在差异，因此真实性需要用户自己去辨别，社交平台的匹配机制虽然智能，但终究只是辅助工具。