借助国内外不同的信息和购物习惯，TIKTOK能够做到，这是许多人无法想象的。揭示推荐算法的工作机制。如今，推荐系统不仅适用于TikTok，在任何社交平台上都可以使用，这些系统每天向我们推荐各种各样的服务，包括购物、流媒体、搜索引擎等，都得益于推荐系统的逐步完善。
一般情况下，推荐系统会根据用户的喜好，根据用户和应用程序的互动情况，做出初步的内容建议，如发布的评论或者关注的账户。这有助于推荐系统深入地评估用户的偏好。
For You反映了TikTok上每个用户的偏好，系统可以根据多种因素对视频进行排序，从注册成为新用户开始，逐步调整用户行为，最终生成个性化的“外包”系统。
这种用户行为包括以下多个方面：
1、用户交互：喜爱或分享视频、关注帐号、发表评论、创作内容；
2、视频信息：包含详细资料，如字幕、声音、主题；
3、设备和帐号设置：包括语言偏好设置、国家设置和设备类型。
这些信息都由推荐系统系统处理这些信息，然后根据对用户价值的加权计算。综合权衡，强指标将获得较高的权重，例如用户是否从开始到结束看长的视频，或视频的观众和创作者是否都在同一个国家/地区等，强指标将获得更大的权重。
然而，也许有一种情况是，某一账户因其拥有较多的关注者而导致观看次数增加，因此，关注人数以及该账户以前是否拥有过高质量的推荐视频，并不在推荐系统计算范围内。
（本文内容根据网络资料整理，出于传递更多信息之目的，不代表连连国际赞同其观点和立场）
