经过两年多的沉淀，视频号的发展正在趋向成熟，走上正轨，尤其是2022年以来，视频号连续的“大动作”吸引越来越多人开始入驻视频号，面对一个新的流量场景，如何才能获取更多的流量呢？首先要搞懂视频号的底层逻辑——流量推荐机制。
一、视频号审核流程从目前的情况来看，视频号的审核管理机制和抖音、快手、小红书等图文、视频社交平台的审核管理机制差异基本不大，所以我们可以整理出视频号的审核流程是：
第一步：上传视频并解码
第二步：机器人审核文案、画面、声音是否存在违规行为，主要包括侵权、低俗、违法违规、诱导、虚假宣传等方面。
第三步：机器无法识别的内容，唤起人工审核
第四步：如果作品已发布找到舆论/举报，再次出发人工审核，作品违规，下架，如果没有违规则继续正常推荐。
（视频号审核流程图）
二、视频号推荐机制
1、哪些视频不会被推荐？
视频是否会被推荐可以从视频质量、内容质量、精准关键词等三个方面来判断。
①视频质量低
如果你的视频存在声画不同步，分辨率低，卡顿模糊，大面积无画面，剪辑混乱无逻辑等视频质量问题，总结一句话来说就是不利于用户观看的视频基本上就不会被推荐。
②内容质量差
视频号对内容的要求主要有两个原则：热点性和价值性，追求热点时效以及输出有价值的内容，这跟其他平台对内容的要求是一样的。
如果一个视频发布的作品都是无热点无争议、无传播价值的内容，那么你的账号就相当于另一个信息公开的朋友圈，基于社交推荐机制就你自己和部分好友看看，是不会有流量推荐的。
同时，如果发布的视频内容同质化，旧闻已过时效也不会得到推荐，太多的低质量的内容也不是平台想要的，因此也不会推荐。
③关键词关联弱
视频号完善的流量推荐模型会根据视频内容、标题文案、话题标签、地理位置等方面的关键词对视频进行系统的精准推荐，但如果你发布的视频和关键词关联不大也不会被推荐的。
2、哪些视频会被推荐
①视频质量高
当你上传的视频高清无码，字幕与声音同步，画面清晰不卡顿等，首先让观众有个良好的观看体验，进入推荐门槛。
②内容质量好
内容质量的好坏很难界定，但从平台和用户的角度来看，有热点、有讨论点、有观点的内容更受欢迎，总的来说要么有热点，要么价值感可观看性强，这样的内容可以留住和吸引用户，也更利于账号的长期发展。
③关键词精准
在精准推送内容方面，视频号会根据不同用户的标签进行推荐，例如地理位置，浏览喜好，关注话题、点赞过、评论过的内容等。因此为了更好地获得推荐，建议运营人员可以从视频内容，标题文案，话题标签，地理位置等方面添加精准的关键词。
三、推荐逻辑
按目前的公开信息来看，视频号的推荐算法机制机理暂未公布，我们以“微信看一看”为例推算一下视频号的推荐算法机制。
算法基本原理为提升用户体验，微信看一看个性化推荐算法会从精选内容库中个性化地选取用户可能感兴趣的内容推送给用户，该算法基于用户浏览记录、关注公众号、用户在看内容等数据，通过机器学习AI算法，综合筛选用户可能感兴趣的内容，以实现信息个性化推荐。
算法运行机制微信看一看个性化推送算法基于用户浏览记录、关注公众号、用户在看内容等数据进行用户建模。当用户使用服务时，基于机器深度学习等模型召回推荐候选集，经过广告信息安全过滤、内容查重、兴趣打散、社交推荐等审核流程后，提供图文、视频推荐列表。
从微信看一看的推荐算法中可以看出，该算法是基于用户浏览记录、关注公众号、用户感兴趣内容等数据构建的，然后再经过机器以及人工对内容进行安全过滤、内容查重、兴趣打散、社交推荐等干预后再进行推荐。同理可证，视频号的算法大体也是如此。
视频号推荐算法的机制机理已经了解完毕，接下来继续梳理一下它的推荐逻辑。我们总结出：它的推荐逻辑主要和用户、内容、互动三个方面有关联。
①用户方面
推荐算法以获取到的用户社交关系为依据，综合筛选、过滤出合适该用户的推荐列表，这部分内容可以从「朋友♡」和「关注」看得到，推荐的都是好友点赞过或者用户关注过的视频。
②内容方面
第一步：推荐算法会先屏蔽掉不合适的内容；
第二步：对合适的内容进行兴趣打散；
第三步：根据兴趣标签推荐给目标用户。
③互动方面
主要从以下几个维度来评判，分别是完播率、分享率、点赞率、评论率。
根据我们过往的经验以及对多个不同类型账号的视频数据分析来看，首先完播率在是否会被推荐中占比较大，一般来说20s以内的视频完播率低于10%就很难得到流量推荐。
其次是分享率，平台鼓励大家分享视频给好友，一是为了传播扩张，二是微信是社交平台，分享是社交中重要的一环。
紧接着是点赞率，如果一条视频的点赞量越高，说明该视频获得用户的认可度越高，因此更容易获得平台的流量推荐
最后是评论率，评论可以评判该视频的价值性，说明创作有看点，有议论点的内容可以获得更多推荐。
此外，还有用户观看某视频的时长，视频的跳出率等等也是影响视频推荐的重要因素。每一条视频充满了复杂性，如果仅仅完播率、分享率、点赞率等几个维度来判断一个视频的好坏，我觉得是不够全面的，但以上维度依然能帮助我们做出更趋向爆款的视频。