Алгоритм рекомендаций TikTok: принципы работы¶

Рекомендательная система TikTok — это автоматизированный алгоритм машинного обучения, который формирует персонализированную ленту контента («Для тебя») для каждого пользователя сервиса, принадлежащего китайской компании ByteDance. Система анализирует поведенческие сигналы, метаданные видео и характеристики устройства, чтобы предсказать вероятность взаимодействия пользователя с конкретным роликом и ранжировать их в бесконечной вертикальной ленте.

¶Принципы работы

В отличие от социальных сетей, где основой ленты являются подписки (граф друзей), TikTok строит рекомендации на основе интересов и поведения, а не социальных связей. Алгоритм не знает заранее, кто такой пользователь; он формирует модель предпочтений в реальном времени, наблюдая за его действиями.

¶Поведенческие сигналы

Ключевой фактор ранжирования — сигналы взаимодействия пользователя с контентом. Система учитывает:

• Длительность просмотра — самый важный показатель. Полный просмотр видео до конца или повторный просмотр сигнализируют о высоком интересе. Быстрый свайп (менее 1–2 секунд) передаёт сигнал о нерелевантности.
• Активные действия — лайки, комментарии, добавление в избранное, репосты, переходы в профиль автора, использование звука из видео в собственном ролике.
• Завершённость просмотра — процент досмотренного ролика (например, 75% или 100%).
• Скрытие контента — нажатие «Не интересно» или «Скрыть видео от автора» напрямую снижает рейтинг похожих роликов.

¶Метаданные и контекст

Алгоритм анализирует не только действия, но и содержимое самого видео:

• Хэштеги и подписи — текстовое описание помогает классифицировать тему.
• Звуковые дорожки — если пользователь часто смотрит видео с одной и той же музыкой, система предлагает другие ролики с этим треком.
• Видеоэффекты и фильтры — используются как косвенные признаки категории контента.
• Язык и геолокация — определяются по настройкам устройства и IP-адресу. Контент преимущественно показывается на языке пользователя и из его региона, хотя это ограничение не жёсткое.

¶Характеристики устройства и аккаунта

Эти параметры имеют наименьший вес, но учитываются при первичной настройке:

• Тип устройства и операционная система (iOS/Android).
• Страна и языковые настройки.
• Время суток и день недели (алгоритм адаптируется под активность пользователя).

¶Архитектура и этапы отбора

Рекомендательная система работает в несколько этапов, чтобы обработать сотни миллионов видео и выбрать те, которые попадут в ленту.

¶Кандидат-генерация

Из всего каталога видео система отбирает несколько сотен потенциально релевантных роликов. Источники кандидатов: похожие видео (по тематике, звуку, автору), популярный контент в регионе, тренды, а также видео от авторов, на которых пользователь уже подписан. На этом этапе используется приблизительное сопоставление признаков.

¶Ранжирование

Отобранные кандидаты проходят через модель машинного обучения (глубокая нейронная сеть), которая предсказывает вероятность совершения пользователем различных действий: завершение просмотра, лайк, комментарий, переход в профиль. Каждому действию присваивается свой вес. Например, полный досмотр ценится выше, чем лайк, так как его сложнее «накрутить». Итоговый балл — взвешенная сумма прогнозов — определяет порядок видео в ленте.

¶Обновление модели

Модель переобучается непрерывно. Пока пользователь смотрит ленту, система собирает данные о его реакции и мгновенно корректирует следующие показы. Если пользователь задержался на видео с котами, алгоритм в течение нескольких минут начнёт подмешивать больше похожих роликов.

¶Особенности и ограничения

• «Холодный старт». Новым пользователям показывается смесь популярного контента и случайных видео, чтобы быстрее собрать данные о предпочтениях. Система специально показывает «вирусные» ролики, чтобы удержать внимание.
• Отсутствие полной прозрачности. Точная логика весов и архитектура моделей является коммерческой тайной ByteDance. Известно, что используются методы глубокого обучения (в том числе трансформеры), но детали не раскрываются.
• Пузырь фильтров. Алгоритм может зацикливаться на однотипном контенте, ограничивая разнообразие ленты. Для борьбы с этим система иногда намеренно добавляет «исследовательский» контент, далёкий от обычных интересов пользователя.
• Модерация. Видео, нарушающие правила сообщества (насилие, дезинформация, противоправный контент), отсекаются до попадания в рекомендации. Пользователи могут пожаловаться на ролик, что также учитывается.

¶Влияние

Рекомендательный алгоритм TikTok считается одной из самых эффективных систем удержания внимания в индустрии. Среднее время сессии в приложении значительно выше, чем у конкурентов, благодаря точному предсказанию интересов. Успех алгоритма привёл к тому, что другие платформы (Instagram, YouTube Shorts, VK Клипы) внедрили аналогичные механики вертикальных лент с приоритетом поведенческих сигналов над подписками.