抖音信息流中的内容推送主要是基于用户的个性化需求和兴趣来进行精准推荐的。抖音通过用户的行为数据，包括浏览历史、点赞、评论、分享、关注等行为，来了解用户的兴趣爱好，从而为用户推荐相关内容。根据用户的点击率、观看时长、互动程度等数据来不断优化推荐算法，使得用户能够看到更符合自己口味的视频。这种个性化推荐能够提升用户体验，增加用户粘性，也能够提升平台的用户活跃度和留存率。
抖音还会根据用户的地理位置、设备信息、用户画像等多维度数据来推荐内容。根据用户所在的城市、国家，以及用户关注的话题、明星、品牌等信息，来为用户推荐地域相关或话题相关的内容。同时，根据用户的设备信息如操作系统、网络环境等，来确定用户的使用习惯，进而为用户定制个性化的内容推送。根据用户的年龄、性别、职业等用户画像信息，也可以更精准地为用户推荐内容。
抖音还会利用协同过滤算法来推荐内容。通过分析用户的历史行为数据，找到和用户兴趣相似的其他用户，然后将这些类似兴趣的用户喜欢的视频推荐给当前用户。这种算法可以发现用户潜在的兴趣点，帮助用户发现更多符合自己口味的内容，从而提升用户体验。
抖音还会根据内容的热度和新鲜度来推荐内容给用户。热门的话题、挑战、流行歌曲等往往能吸引更多用户的关注和参与，因此抖音会将这些热门内容推荐给用户。同时，抖音也会根据用户的实时行为数据，推荐最新发布的、新鲜感强的内容，以满足用户对新奇和刺激的需求。
除此之外，抖音还会根据用户的互动反馈来不断优化推荐策略。用户的点赞、评论、分享等行为反馈会被纳入算法考量，用以优化推荐结果。用户对推荐内容的喜好程度越高，抖音推荐的准确性也会越高，从而建立起良性的用户反馈循环，提升用户满意度和平台活跃度。
抖音信息流推送的依据包括用户的个性化需求和兴趣、用户行为数据、用户画像、地理位置信息、设备信息、协同过滤算法、内容热度和新鲜度、用户互动反馈等多种因素，通过不断优化算法和推荐策略，实现精准推荐，提升用户体验和平台价值。