小红书账号权重受七个关键因素影响：

原创率：提高内容原创度，即使是相似主题，增加内容长度可稀释重复度。

垂直率：专注于某一领域发布内容，保持内容一致性。

内容质量率：高互动率（评论、点赞、收藏）的笔记能提升账号质量评价。

账号活跃率：频繁发布笔记、互动和登录。

账号等级：完成平台任务升级账号，违规操作会导致降级。

品牌合作人与 签约MCN：达成合作人资格或签约MCN能增强账号权重，但不直接

带来流量扶持。

笔记权重规则

原创性：极高权重，要求内容原创度高，字数超过100字且原创度不低于60%。

转化率：互动中转发最重要，其次是评论、收藏、点赞。

内容长度：超过600字的笔记可获得额外权重。

关键词：与内容相关性强的关键词有助于提高权重。

标签与话题：正确使用相关标签和话题，二者均有权重加分。

违禁词：避免使用违禁词，包括评论中的违禁词，以免遭受限流惩罚。

推荐规则

机器算法推荐：根据用户行为数据个性化推荐。

：基于用户已浏览内容推荐相关笔记。

社交关系推荐：展示关注的达人和朋友动态。

地理位置推荐：展示附近用户的笔记。

编辑精选：官方推荐优质内容。

消息通知与Push：个性化推送感兴趣内容或商城优惠，促活用户。

以上就是小红书账号权重的算法和规则。

每一次打开是种草的开始，每一次离开是成交的开始

小红书的“购物指南”属性和去中心化推荐机制，决定大多数小红书用户的使用路径是：搜索关键词→浏览推荐页→成交

这三个动作也分别对应了发现页、搜索页和直播页三个用户使用场景，场景不同，算法分发的过程也不相同，想要做好提前布局就需要了解不同场景的算法分发逻辑。今天就来给大家揭开算法神秘的面纱，分别讲讲小红书搜索流量、推荐流量以及直播流量的算法分发逻辑

搜索流量算法

基于小红书的平台定位，超过65%的流量来源于搜索，所以在搜索流量算法上更精细一些，所以这里侧重讲一下搜索流量算法的逻辑

发布笔记-审核-收录-标签分类-第一轮推荐测试-更大曝光，这是一篇笔记从发布到曝光会经历的算法过程

基于这套算法逻辑，只要你的笔记通过了审核获得了曝光，不管小眼睛多与少，都算是获得了算法推荐的

先有用户搜索，之后系统会根据搜索词进行算法匹配，把所有结果都展示出来。而如果这个关键词是相关品类中范围比较大的词汇，那么就能看到在界面上半部分有一些专门的标签词汇提供分类筛选的功能。这种方式对于用户无目的搜索的体验会更好。同时将最热门的笔记排在前面，这种搜索结果的展示形式以及筛选条件，目的都是为了缩小选择范围，帮助用户快速选择

搜索结果与需求的匹配主要是核心关键词与query的匹配度，搜索结果中展示的具体内容是通过分析用户需求，找到最能命中用户需求的信息

一篇笔记标题中的关键词可谓是重中之重，官方也明确提示：“填写标题会有更多赞哦”

由此可见，标题是小红书官方用来识别内容属性的重要选项，想要让笔记获得更多的展现，最基础的工作就是要做好标题的优化

我们要善用搜索的关键词、热词推荐等来帮助我们找到笔记核心词，以便能让系统识别并推荐给对应用户

从推荐内容找核心词

推荐内容包括几个方面，搜索框置灰关键词，页面显示的历史搜索，热搜词

1）默认提示词

点开搜索还未输入搜索词之前，平台会根据用户标签推荐默认提示词，默认提示词中存在一定量的搜索流量

2）搜索发现（热门搜索）

热门搜索把最近一段时间被搜索次数最多的词展示出来，去引导用户看一些最近热门的内容和用户搜索量大的话题推荐，跟用户的搜素量和近期的热门话题相关

3）补充联想关键词

补充联想关键词，即用户输入部分内容，然后系统根据这些内容联想出完整内容，自动补全关键词，通过即时匹配关键词并展示出来，增加用户的选择。我搜了显瘦，平台就给我推荐了关于显瘦的几个关键词推荐

考虑热词排序是综合展示的结果。除了笔记数外，“热词” 的热度排序可能还牵涉到两个方面的因素：用户主动搜索的频率，以及笔记本身被系统推荐的热度

搜索之后，系统根据搜索词进行算法匹配，把所有结果都展示出来。而如果这个关键词是相关品类中范围比较大的词汇，那么就能看到在界面上半部分有一些专门的标签词汇提供分类筛选的功能。这种方式对于用户无目的搜索的体验会更好。同时将最热门的笔记排在前面，这种搜索结果的展示形式以及筛选条件，目的都是为了缩小选择范围，帮助用户快速选择

关于关键词的选择有以下几点值得注意：

1）小红书的热搜推荐是平台短期流量内容的标识；搜索提示关键词、筛选热门是长期流量所在，来源于小红书真实的用户数据分析和总结

2）一定要优先选择竞争度小流量大且比较精准的关键词，避免选择宽泛的关键词

3）学会反推关键词。确定笔记主题及关键词后，要去反推希望用户用什么关键词能搜到自己的笔记，考虑如果自己去搜这类笔记会用哪些常见关键词去搜。

4）在笔记标题、正文、话题、评论等位置合理的布局关键词，有助于笔记被收录及精准推荐。避免堆砌关键词，堆砌关键词会被系统判定为广告，长期这样操作，账号会被系统降权

如果能把小红书所有跟品牌相关的搜索流量全部吃掉，才是品效合一的最优解

推荐流量算法

有了搜索还不够，想要笔记能获得更多推荐，还要让笔记内容与内容算法相匹配

小红书的笔记在发布后，首先会被系统打上一系列标签，尝试性推荐给对这些标签感兴趣的粉丝，比如平时爱看护肤类的文章，平台就会推荐更多护肤类的文章给你

笔记推送给粉丝后，根据粉丝的一系列交互行为，给笔记打上内部分数，以决定是否要继续推给其他粉丝。这也就是老生常谈的 CES算法（community engagement score）

CES = 点赞1分 + 收藏1分 + 转发4分 + 评论4分 + 关注8分

这个算法其实从2017年就已经在小红书内使用了，时至今日，算法的判断指标相较以前更加丰富和多元化，综合在小红书内的投放实践经验，我们发现，如今平台更侧重以下几项：

点击率、互动率、完播率、互动值

但无论数据指标怎么变化，内容算法的核心还是考察笔记带来的粉丝交互行为

粉丝的交互行为间接反映了笔记的内容质量，即便是粉丝数不多的达人，在得分优质的前提下，笔记也会被系统推荐给更多粉丝，形成“阶梯式”算法推荐

得分高的笔记，还会进一步得到来自小红书站内搜索，以及百度搜索等流量的加持，这类流量的持续性很强，笔记具有很强的长尾效应，可实现发了几年都还能保持点赞以及评论的增长

当然，除了内容本身以外，账号权重也很重要

当你的账号有一定的粉丝量时，笔记就会被推荐给你的粉丝，如果你的粉丝点了赞，就会进一步被粉丝的好友看到，形成裂变式增长

小红书本身就是偏电商的平台，许多用户来小红书，是抱着类似“逛街购物”的心情来的，与抖音等泛娱乐平台有本质的不同，流量虽然难有“一夜爆发” 式的增长，但是长尾效应显著，曝光周期长，粉丝被种草的概率极大

只要内容优质，关键词匹配的精准，就能不断的产生用户种草，吸引社交裂变

直播流量算法

匹配上用户的搜索需求，通过内容吸引用户关注，最后就到了促成用户转化这一步

小红书电商的算法与抖音类似，从权重和流量两方面进行分配

权重决定推流的“量”

什么是权重？

简单理解一下，权重就是系统对每一个账号做出的评价，而这个评价是通过综合数据来衡量得出，平台对你的评级越高，代表权重越高，获得的流量就越多

在小红书电商里「权重」主要分为：基础权重和实时排名权重

1、基础权重

基础权重就如上文所说，每一个账号都不同，系统会在一定周期内根据账号的综合表现从而决定权重等级，且并非固定，不进则退，优胜劣汰

但你以为基础权重高就可以高枕无忧的一直卖货了吗

别忘了，还有另外一个权重衡量机制

2、实时排名权重

每一个账号都会有基础权重，开播后的推流的量级是由权重层级决定，但直播间就像一个蓄水池，如果没有新的流量进来，很快直播间就没有人了，那后续流量的分发机制是什么样的呢

小红书采用了实时赛马机制，就是当你开播获得一波推流之后，后续还想要流量，就需要跟你同层级的竞争对手一起进行PK了

系统每时每刻都在进行排名，5min、30min、60min，抖音直播流量的不断进行赛马机制，筛选出优质的直播间，分配更多的流量给到优质的直播间

首先初始推流：

初始流量层级就是上面我们说的基础权重，权重越高初始推流越高，同时口碑分也会影响我们的推流

进入数据评估：

系统通过数据来评估你直播间每5min、30min、60min的表现情况，主要从互动数据和电商数据（具体关键指标下文单独讲）来进行考核

带货榜表现：

然后系统会进行排序，同层级PK，如果你高于上一名则进入到下一级流量池，将会得到新的一波推流，然后又继续重复数据评估，而低于下一名则减少推流，或停止推流，甚至回到初始流量层级

根据这样的机制，不断进行实时排名，优胜劣汰。所以，策划并执行好直播的每一个细节才有可能PK掉你的竞争对手，拿到更多的免费流量

但流量不是目的，转化才是，追求转化的前提是流量精准度

那么，系统是如何给我们匹配精准人群的？

标签决定推流的“质”

这里的标签其实可以跟上文的内容算法一起理解

在电商渠道内，平台也会根据不同类别，将用户按人群标签分类，与直播间的内容标签进行匹配，先尝试性推荐给兴趣用户，再根据兴趣用户的有效观看、停留、评论、点赞、转粉等数据指标，进一步细化直播间标签，进行更精准的投流

此外，与上文的权重对应，标签分为基础权重下的标签和实时标签

1、基础权重标签

上文我们讲了基础权重决定了系统推流的量，那基础权重和标签又是什么关系呢？

基础权重是由兴趣标签和电商标签形成，给直播间打上兴趣标签，只需要通过直播间的人货场的设计，以及脚本策划，吸引目标用户看播、停留、互动、转粉即可打上标签

电商标签则需要历史电商订单的累计，从而给账号打上精准电商标签，在一开始做好一段时间周期内高密度的成交，就能为账号打上基础电商人群标签

2、实时标签

这个很好理解，实时流量形成实时标签，我们在每一场直播中，要用精准的产品策划和付费流量，不断深化账号标签，平台会实时探索互动&成交人群，推流模型会越来越精准。

青瓜传媒，专注于小红书账号代运营，以营销为主线，数据分析先行，精细化运营帮助企业在小红书平台持续深耕。

每一次打开是种草的开始，每一次离开是成交的开始

小红书的“购物指南”属性和去中心化推荐机制，决定大多数小红书用户的使用路径是：搜索关键词→浏览推荐页→成交

这三个动作也分别对应了发现页、搜索页和直播页三个用户使用场景，场景不同，算法分发的过程也不相同，想要做好提前布局就需要了解不同场景的算法分发逻辑。今天就来给大家揭开算法神秘的面纱，分别讲讲小红书搜索流量、推荐流量以及直播流量的算法分发逻辑

搜索流量算法

基于小红书的平台定位，超过65%的流量来源于搜索，所以在搜索流量算法上更精细一些，所以这里侧重讲一下搜索流量算法的逻辑

发布笔记-审核-收录-标签分类-第一轮推荐测试-更大曝光，这是一篇笔记葱发布到曝光会经历的算法过程

基于这套算法逻辑，只要你的笔记通过了审核获得了曝光，不管小眼睛多与少，都算是获得了算法推荐的

先有用户搜索，之后系统会根据搜索词进行算法匹配，把所有结果都展示出来。而如果这个关键词是相关品类中范围比较大的词汇，那么就能看到在界面上半部分有一些专门的标签词汇提供分类筛选的功能。这种方式对于用户无目的搜索的体验会更好。同时将最热门的笔记排在前面，这种搜索结果的展示形式以及筛选条件，目的都是为了缩小选择范围，帮助用户快速选择

搜索结果与需求的匹配主要是核心关键词与query的匹配度，搜索结果中展示的具体内容是通过分析用户需求，找到最能命中用户需求的信息

一篇笔记标题中的关键词可谓是重中之重，官方也明确提示：“填写标题会有更多赞哦”

由此可见，标题是小红书官方用来识别内容属性的重要选项，想要让笔记获得更多的展现，最基础的工作就是要做好标题的优化

我们要善用搜索的关键词、热词推荐等来帮助我们找到笔记核心词，以便能让系统识别并推荐给对应用户

从推荐内容找核心词

推荐内容包括几个方面，搜索框置灰关键词，页面显示的历史搜索，热搜词

1）默认提示词

点开搜索还未输入搜索词之前，平台会根据用户标签推荐默认提示词，默认提示词中存在一定量的搜索流量

2）搜索发现（热门搜索）

热门搜索把最近一段时间被搜索次数最多的词展示出来，去引导用户看一些最近热门的内容和用户搜索量大的话题推荐，跟用户的搜素量和近期的热门话题相关

3）补充联想关键词

补充联想关键词，即用户输入部分内容，然后系统根据这些内容联想出完整内容，自动补全关键词，通过即时匹配关键词并展示出来，增加用户的选择。我搜了显瘦，平台就给我推荐了关于显瘦的几个关键词推荐

考虑热词排序是综合展示的结果。除了笔记数外，“热词” 的热度排序可能还牵涉到两个方面的因素：用户主动搜索的频率，以及笔记本身被系统推荐的热度

搜索之后，系统根据搜索词进行算法匹配，把所有结果都展示出来。而如果这个关键词是相关品类中范围比较大的词汇，那么就能看到在界面上半部分有一些专门的标签词汇提供分类筛选的功能。这种方式对于用户无目的搜索的体验会更好。同时将最热门的笔记排在前面，这种搜索结果的展示形式以及筛选条件，目的都是为了缩小选择范围，帮助用户快速选择

关于关键词的选择有以下几点值得注意：

1）小红书的热搜推荐是平台短期流量内容的标识；搜索提示关键词、筛选热门是长期流量所在，来源于小红书真实的用户数据分析和总结

2）一定要优先选择竞争度小流量大且比较精准的关键词，避免选择宽泛的关键词

3）学会反推关键词。确定笔记主题及关键词后，要去反推希望用户用什么关键词能搜到自己的笔记，考虑如果自己去搜这类笔记会用哪些常见关键词去搜。

4）在笔记标题、正文、话题、评论等位置合理的布局关键词，有助于笔记被收录及精准推荐。避免堆砌关键词，堆砌关键词会被系统判定为广告，长期这样操作，账号会被系统降权

如果能把小红书所有跟品牌相关的搜索流量全部吃掉，才是品效合一的最优解

推荐流量算法

有了搜索还不够，想要笔记能获得更多推荐，还要让笔记内容与内容算法相匹配

小红书的笔记在发布后，首先会被系统打上一系列标签，尝试性推荐给对这些标签感兴趣的粉丝，比如平时爱看护肤类的文章，平台就会推荐更多护肤类的文章给你

笔记推送给粉丝后，根据粉丝的一系列交互行为，给笔记打上内部分数，以决定是否要继续推给其他粉丝。这也就是老生常谈的 CES算法（community engagement score）

CES = 点赞1分 + 收藏1分 + 转发4分 + 评论4分 + 关注8分

这个算法其实从2017年就已经在小红书内使用了，时至今日，算法的判断指标相较以前更加丰富和多元化，综合在小红书内的投放实践经验，我们发现，如今平台更侧重以下几项：

点击率、互动率、完播率、互动值

但无论数据指标怎么变化，内容算法的核心还是考察笔记带来的粉丝交互行为

粉丝的交互行为间接反映了笔记的内容质量，即便是粉丝数不多的达人，在得分优质的前提下，笔记也会被系统推荐给更多粉丝，形成“阶梯式”算法推荐

得分高的笔记，还会进一步得到来自小红书站内搜索，以及百度搜索等流量的加持，这类流量的持续性很强，笔记具有很强的长尾效应，可实现发了几年都还能保持点赞以及评论的增长

当然，除了内容本身以外，账号权重也很重要

当你的账号有一定的粉丝量时，笔记就会被推荐给你的粉丝，如果你的粉丝点了赞，就会进一步被粉丝的好友看到，形成裂变式增长

小红书本身就是偏电商的平台，许多用户来小红书，是抱着类似“逛街购物”的心情来的，与抖音等泛娱乐平台有本质的不同，流量虽然难有“一夜爆发” 式的增长，但是长尾效应显著，曝光周期长，粉丝被种草的概率极大

只要内容优质，关键词匹配的精准，就能不断的产生用户种草，吸引社交裂变

直播流量算法

匹配上用户的搜索需求，通过内容吸引用户关注，最后就到了促成用户转化这一步

小红书电商的算法与抖音类似，从权重和流量两方面进行分配

权重决定推流的“量”

什么是权重？

简单理解一下，权重就是系统对每一个账号做出的评价，而这个评价是通过综合数据来衡量得出，平台对你的评级越高，代表权重越高，获得的流量就越多

在小红书电商里「权重」主要分为：基础权重和实时排名权重

1、基础权重

基础权重就如上文所说，每一个账号都不同，系统会在一定周期内根据账号的综合表现从而决定权重等级，且并非固定，不进则退，优胜劣汰

但你以为基础权重高就可以高枕无忧的一直卖货了吗

别忘了，还有另外一个权重衡量机制

2、实时排名权重

每一个账号都会有基础权重，开播后的推流的量级是由权重层级决定，但直播间就像一个蓄水池，如果没有新的流量进来，很快直播间就没有人了，那后续流量的分发机制是什么样的呢

小红书采用了实时赛马机制，就是当你开播获得一波推流之后，后续还想要流量，就需要跟你同层级的竞争对手一起进行PK了

系统每时每刻都在进行排名，5min、30min、60min，抖音直播流量的不断进行赛马机制，筛选出优质的直播间，分配更多的流量给到优质的直播间

首先初始推流：

初始流量层级就是上面我们说的基础权重，权重越高初始推流越高，同时口碑分也会影响我们的推流

进入数据评估：

系统通过数据来评估你直播间每5min、30min、60min的表现情况，主要从互动数据和电商数据（具体关键指标下文单独讲）来进行考核

带货榜表现：

然后系统会进行排序，同层级PK，如果你高于上一名则进入到下一级流量池，将会得到新的一波推流，然后又继续重复数据评估，而低于下一名则减少推流，或停止推流，甚至回到初始流量层级

根据这样的机制，不断进行实时排名，优胜劣汰。所以，策划并执行好直播的每一个细节才有可能PK掉你的竞争对手，拿到更多的免费流量

但流量不是目的，转化才是，追求转化的前提是流量精准度

那么，系统是如何给我们匹配精准人群的？

标签决定推流的“质”

这里的标签其实可以跟上文的内容算法一起理解

在电商渠道内，平台也会根据不同类别，将用户按人群标签分类，与直播间的内容标签进行匹配，先尝试性推荐给兴趣用户，再根据兴趣用户的有效观看、停留、评论、点赞、转粉等数据指标，进一步细化直播间标签，进行更精准的投流

此外，与上文的权重对应，标签分为基础权重下的标签和实时标签

1、基础权重标签

上文我们讲了基础权重决定了系统推流的量，那基础权重和标签又是什么关系呢？

基础权重是由兴趣标签和电商标签形成，给直播间打上兴趣标签，只需要通过直播间的人货场的设计，以及脚本策划，吸引目标用户看播、停留、互动、转粉即可打上标签

电商标签则需要历史电商订单的累计，从而给账号打上精准电商标签，在一开始做好一段时间周期内高密度的成交，就能为账号打上基础电商人群标签

2、实时标签

这个很好理解，实时流量形成实时标签，我们在每一场直播中，要用精准的产品策划和付费流量，不断深化账号标签，平台会实时探索互动&成交人群，推流模型会越来越精准

以上就是关于小红书推荐算法底层逻辑的内容

以上

目前我国网民规模已超过10亿，在这互联网时代，更是流量为王。各个平台里的每个视频、每张图片，背后都有着算法的身影，支配着所有人的流量。

作为内容创作者及运营者来说，除了制作高质量的内容以外，也需要掌握平台的机制和算法规则，才能更高效地获取流量。

今天就来给大家分享一下三大主流平台抖音、小红书和视频号的流量算法底层逻辑和优化建议。想提高自己的流量，建议认真看完，最好收藏。

一、小红书

小红书的流量来源是什么？主要有四个部分：关注页、发现页、搜索页和本地页。其中，发现页和搜索页是两个最主要的流量入口，重点说下这两个入口的算法机制。

1. 发现页算法逻辑

发现页是大部分人笔记的主要流量来源，正常来说笔记都会有基础的流量池，如果你的笔记有较好的数据就会被推送到下一个更大的流量池中，以此类推。

那如何获得更大的曝光呢？这里涉及到另外一种模型算法机制CES。

CES评分标准：

CES评分=点赞数×1分+收藏数×1分+评论数×4分+转发数×4分+关注数×8分

笔记发布后，小红书根据学习模型对笔记质量进行打分，根据分数决定笔记初始排名和是否继续给笔记推送流量。

所以我们要做的是想办法引导粉丝做好关注、转发、评分、收藏、点赞这几个互动动作。只有一直有互动的动作，笔记就可能获得长久的流量，甚至发布几个月、一年后能还有流量推荐。

2. 搜索页算法逻辑

发现页之外，搜索页也是一个较大的流量入口。小红书官方也公布，有 30% 的小红书用户进入 APP 后会直接开始搜索。

在搜索页，小红书则是按照排序逻辑分配流量，排序越靠上的笔记，获得的曝光量也就越大。但这个排序并不是固定的，笔记的排序也在随着算法的实时演算而不断变化。

主要有两点影响因素：

• 关键词的匹配程度：内容和标题与搜索词越接近和匹配，排名就会相对越高。
• 短时间的互动量：笔记在发布后的短时内获得较多的互动量，在搜索结果页中也会排名较前。

结合以上的流量逻辑，对于运营者来说要如何提升曝光？

1）做好内容

没有好的内容做太多都是无用功，重要的是能为用户提供价值。要么是使用价值，要么是情绪价值。

2）做好互动

无论对于哪种流量算法来说，互动始终都是十分重要的。运营者需要在笔记内容上思考如何引导互动以及评论区的互动。

3）深耕细分，做好关键词布局

账号做的越垂直和细分，获得曝光和推荐的可能性就越高。可以多留意近期相关领域内的热词，在标题、内容以及标签标题中做好露出。

二、抖音

抖音是流量最大，也是算法最为复杂的平台。但根本原则一直保持不变：去中心化的分发机制，让优质内容有最大的曝光机会。

推荐的算法也是典型的“标签”对“标签”的平台。

无论是用户还是创作者，自身都会不断形成“标签”。创作者发布视频后，视频会根据创作者标签匹配相似的用户标签，然后通过该视频的数据表现来衡量该视频是否值得进一步的推荐。

视频刚发布并通过审核后，系统将会分配给你一个初始流量池：200-500在线用户。抖音会根据曝光所产出的数据，结合你账号分值来分析，是否给你加权。

网上有一个广为流传的抖音冷启动流量池推荐的机制，分成8次分级推荐。

如下图所示：

如何能一步步突破流量池，主要有5个关键数据可供参考：

1. 完播率

完播率越高，说明作品越吸引人观看，大盘的合格率在15%-20%左右，50%以上的完播率就已经很优秀了。

为了提高完播率，常见的方法是在视频开头设置悬念或引导观众参与评论，以延长观看时间，建议前期视频时长不要太长。

2. 点赞率

点赞量越高，推荐量才会越高，第一波推荐的点赞率至少要达到3%-5%。也就是说每100个播放量，至少要有3-5个点赞。

3. 留言率

可以确定的是留言率的表现越好，视频的加权推荐就越高。为了提升留言率，可以在视频中、文案或评论区主动引导观众发表评论。

4. 转发率

转发率对于还在初级流量池流传的视频影响并不大，但想要突破流量层级，转发率就是很关键的指标。

5. 转粉率

也就是路转粉的比例，单条视频带来的新增粉丝率，同样是冲击高级流量池的关键数据。

如果你的视频一直卡在 500的播放量上不去，就要及时做出改变。

几点建议：

1. 做好账号定位。定位越垂直，标签才准确，视频的数据才能最大化；
2. 最好对标。前期可以多从别人那里汲取经验，模仿学习，少走弯路；
3. 提升互动。流量不高的情况下，尽量减少视频时长，完播率最为关键，多引导用户点赞评论及转发。

三、视频号

视频号与抖音、快手最大的区别在于分发和推荐模式。

在抖音上，只要你有优质的内容，无论你的账号粉丝数量如何，之前作品的播放量如何，只要内容受到平台用户的认可，就能够迅速走红。

然而，在视频号中情况截然不同。以数据量化的方式来看，在抖音中，内容占据了90%的重要性，而在视频号中，这个比例甚至可能不到50%。

换句话说，在视频号中，内容并不一定是王者。视频号的本质是私域流量撬动公域流量。

目前视频号的算法推荐主要有两种，第一种是私域流量推荐，第二种是兴趣算法推荐。

1. 私域流量推荐

私域流量推荐是指用户点赞和互动，这些用户的微信好友有可能会看到你的内容。然后，通过一轮又一轮的互动，可能会触发系统的推荐。

系统会判断你的内容是否优质，并将其推荐给更多用户。用户点赞后，他们的朋友也有可能看到你的内容，从而引发社交推荐。

基于这种算法逻辑，创作者需要自己引发第一波社交推荐。如果没有初始的播放和互动，即使内容质量很高，也很难被系统发现。

因此，一旦内容制作完成后，首先要分享给好友、微信群和朋友圈，启动第一波播放和点赞互动。

2. 兴趣算法推荐

个性化推荐系统会根据用户的日常行为、活动轨迹和兴趣、职业、年龄等标签，通过一系列大数据算法，推测出用户可能喜欢的内容。

逻辑类似于抖音的“标签”对“标签”。创作者需要多添加话题和定位，有助于个性化推荐。

另外几个重要指标也是决定能否获得大量曝光的基础，关键指标衡量排序为：完播率＞点赞数＞评论数＞点击扩展链接数＞转发数＞收藏数。

因此，在没有建立起流量基础的情况下，初期的内容应尽量控制在一分钟以内，以确保高的完播率。保持频繁更新和提升内容质量是获得官方推荐的关键。

四、写在最后

以上就是关于三个平台的算法解析和建议。其实理解和掌握算法逻辑，只是做好基础，真正重要的还是内容。

正所谓三分靠运营，七分靠内容。持续不断生产优质内容才是关键，而精细和科学的运营可以实现内容价值的最大化。

梳理了一套新版的运营方法，下面我们就从七个方面来解析这套新方法。

一、重新了解算法

在2021年上半年，小红书首页推荐算法的召回、粗排、精排的主要模块都保持在天级更新的状态，而如今的召回 CF 渠道、召回索引更新、召回模型/粗精排模型的训练都做到了分钟级更新。

这就是意味着通过笔记发布时间占据流量的运营方法已经不管用了，得保持笔记评分在高位活跃的状态才有机会霸占平台的推荐流量。

这种推荐算法的改变使得运营难度增加了不少，但是也有好处，如果你以前长期处于地位流量的状态，那么现在也有机会出来透透气了。

此外，小红书的推荐算法虽然有很大的升级，但是它的推荐逻辑依旧可以参考下图，只不过在最终的加权排序环节会有一些变化而已。

对于这种变化，我们并不需要过多地去研究它，我们只需要把互动数据做好，同时把关键词埋入标题和内容里，这样我们就可以极大地获取推荐和搜索流量。

二、选题策略

选题是至关重要的，但因为账号的不同，它的选题策略也所不同，这里挖塘人总结了三种选题方式。

主动需求是最常用的选题方式，它选出的题不仅容易获取推荐流量，还能霸占搜索流量，比如深圳有什么好玩的景点？小白怎么运营小红书？自媒体从哪里开始学习等等，这些选题都可以在小红书的搜索下拉词，seo工具，评论区等地方找到。

被动需求和主动需求其实是「大同小异」的，它只不过是利用种草的口吻表达，比如深圳必打卡的3个景点，新手运营小红书的保姆级教程，做自媒体必看的三本书等等，虽然两者的意思都一样，但是它们吸引的人群有点区别，主动需求偏重已经「入坑」的用户，被动需求偏重还未「入坑」的用户。

其他需求的范围就太广了，比如生活、工作、情感的点点滴滴，通过一件小事引起大家的「共鸣」，像我们看到的很多热搜都是来自小红书的分享。

但如果是做一个垂直领域博主，不建议这么玩，一方面是不可能经常有这种选题，内容不可持续；另一方面是不好塑造人设，粉丝粘性不强，而且涨粉能力也弱。

三、吸睛封面/标题

众所周知，小红书的内容展示不是和抖音一样的瀑布流，而是传统的feed流，虽然是算法根据用户兴趣推荐的内容，但还是需要用户选择打开，所以封面和标题就显得格外重要了，因为它关系到笔记的打开率。

1. 标题

首先是标题的字数，应该控制在20字以内，太多会被隐藏，当然太少也不行，文字太少不容易被算法识别。同时还可以加入emoji表情，增加吸引力。

其次标题主体，最好是和封面形成呼应，可以适当地添加一些「标题党」的词汇。

最后是埋词，把要植入的关键词或者品牌词，埋进笔记标题里，但要保证语句通顺，不能为了埋词而埋词。

2. 封面

首先是尺寸，虽然小红书平台封面展示的尺寸有多种，但大部分还是3：4，如果你使用9：16的原图尺寸，那么系统自动会把照片两边加白底，变成3：4。

如果是视频笔记，可以把9：16的封面上下留空，主体内容放在3：4中，和视频号的封面效果一样。

其次是封面内容，尺寸是为了贴合平台的展示，内容才是吸引用户的关键。这里挖塘人总结了几个常见的类型。

1）好奇型：这个类型有两个方向，一个是常见的东西，新增一些疑点，比如某个常见的软件截个图，然后在某个按钮上画个圈圈；另一个是不常见的东西，特别是一些很多人没有见过的且有特点的东西或者画面。

2）看点型：这个就是用户可以直观看到亮点的封面，比如好看的美女、风景，搞笑的表情，有视觉冲击力的画面等等。

3）对比型：这个很好理解，就是把两张对比的照片拼成一张图，然后加点字。

4）总结型：通过设计一张图，把某个领域或者知识点进行总结，这个主要是知识分享的博主用的多。

四、高质量的内容

如何判断一篇笔记质量的高低？没有评估的标准，从创造者来说，流量高转化高就是好笔记；从平台来讲，内容质量高，数据好就是高质量的笔记；从用户角度看，对他有价值的就可以。

所以在这种「众口难调」的情况下，挖塘人推荐大家使用「折中」的方法，笔记不需要打造的很精细，只要把价值给到位就可以了，当然专门高精细化的博主就另谈了。

基于创作成本以及各方需求，我们可以通过以下方法来制作「高质量的内容」。

1）抓住黄金3秒，通过笔记的标题或者封面把用户引进来后，首要的任务就是把他留住，「黄金3秒」是目前比较流行的一种手段，视频笔记采用前3秒留人，图文笔记则可以在开头抛出话题吸引用户，采用「总-分-总」结构。

2）主体内容循序渐进地输出价值，增加用户的观看或者阅读时长，有助于提升笔记评分。

3）引导用户互动，可以在笔记中明显引导用户互动也可以设置冲突话题，刺激用户互动，从而增加笔记评分。

4）图文要保证结构清晰，可以使用换行或者加emoji表情的方式分开段落，视频不要出现黑屏卡顿等视频质量故障。

五、笔记维护

笔记维护是小红书运营的重要的一个环节，很多人都把它忽略了，通常我们在发布小红书笔记之后，需要观察或者调整以下内容：

1）评论互动：一方面是回复用户的评论，保持互动；另一方面可以发起一些讨论话题，引导用户评论。

2）笔记调整：小红书的笔记是可以修改的，如果发布笔记之后发现有错误或者系统评判违规，那么需要及时调整笔记内容。

此外，在笔记发布后，数据反馈比较差或者需要蹭热度，那么这时候也可以通过修改笔记的内容来改善笔记数据。

六、变现方式

小红书的变现方式有很多种，需要根据自己的情况制定具体的变现方式，这里挖塘人整理了几种常见的变现方法：

1. 内容合作

内容合作一个是小红书变现方式里面门槛最低的，而且与粉丝数量并没有很大的关系，就算你几百个粉丝也能接合作，因为广告主很喜欢找一大批初级的小红书账号投放，效果比找一个大号更具有性价比。

当然，粉丝少赚的钱也少，粉丝多报价也就高。

2. 自营小店

小红书的小店要比其他平台松一点，不管你是个人还是企业，都可以开通自营小店，你可以通过销售商品变现，但有一点需要注意，个人的经营类目有限，具体的可以查看小红书的描述。

3. 直播带货

和其他平台一样，直播带货主要是赚取商品的佣金，你可以根据自己账号的定位和粉丝画像，选择合适的商品进行带货，销售额越多，你赚取的佣金也就越多。

4. 纯直播

除了直播带货，小红书也有纯直播，你可以和粉丝唠唠嗑，分享分享点干货，然后赚点直播礼物，但效果肯定没有那些大平台的好，如果你粉丝的粘性很高，可以试试。

5. 引流变现

小红书上能变现的方式是非常有限的，而且如果成交了，平台还得抽成，所以大家都在使用暗的变现方式，但暗的变现方式有个条件，那就是需要引流。

把用户引流自己的流量池之后，那就可以使用“互联网变现的三种模式”，即卖流量，卖服务，卖产品。

七、未来趋势

小红书的未来怎么运作，我们无法确定，但是未来1-2年的走向重点还是可以感知到的。

1）布局本地生活：本地生活这个赛道已经被抖音快手这些平台验证通过了，而小红书也想分块蛋糕，4月底以来，小红书陆续发布了“食力发店计划”和“探照灯计划”，对达人和商家进行双向扶持。

2）加码电商：兴趣电商和直播带货是目前比较热门销售方式，隔壁几个平台都搞的非常热闹，而之前碰过壁的小红书也不甘心，今年动作不断，吸引很多中小商家涌入小红书，同时还准备培养属于小红书自己的直播带货风格。

以上，就是今天分享的内容，希望对你有帮助，文章比较长，请耐心阅读。

近期关注了一些话题，辗转几个社交平台上后，发现小红书上面可以找到最新的内容，方便了解对于整体行业的洞察。

刷了几百篇小红书之后，这篇文章主要讲讲在使用小红书的过程中的几点思考。

1.什么样的内容可能成为爆款

2.当你频繁刷小红书，算法可能会给你推荐什么

3.发小红书的过程中，哪些内容突破了初始流量

01 什么样的内容可能成为爆款

之前有尝试过持续在小红书输出内容，有一些笔记也获得了不错的浏览量，风格主要是日常记录与干货分享相结合，但是整体的流量并不是很稳定。做自媒体的人可能都有过这样的困扰：

我感觉我这篇能火，为什么就几十个浏览？

我不太了解，为什么我这篇能火？

带着这样的问题，近期，我又打开了小红书，每天都刷上一段时间。对于出现在首页，以及点赞量特别高的内容，进一步点进去查看整体的笔记内容，梳理了如下要点：

1.笔记的封面+标题

相较于某音的视频下滑，某乎的文字显示，用户打开小红书后，点击顶部的“发现”，界面上呈现的便是两列，一个手机屏幕最开始呈现的一般就是4—6个笔记内容，而页面上单个笔记的呈现内容，便是封面+标题的组合。

以封面为例，之前我对封面的固有认知是，小红书的封面需要好看精致，才会吸引更多用户点击进来，而这往往需要一些制图成本。好看的封面，涉及到滤镜、画面主体、画面布局、图标等内容。

举例来说，一个美妆博主在小红书分享美妆教程，它的封面可能就是化完妆的自拍，亦或是放的整整齐齐并且打光拍摄的化妆品，一套操作下来，往往需要花费很多时间。

所以我在思考，有没有低成本的运营技巧，让内容更加自然的呈现在笔记中？

在刷小红书的过程中，我发现了以下三种低成本的封面制作技巧。

（1）截图形式

当创作者围绕一个话题去进行内容创作时，例如笔记内容是分享面试干货，封面可以是创作者与学员关于一个面试问题的交流，参考下图。

除了对话体，也有可能是创作者本身截取的图片，例如截取某个APP上的数据显示，并提问：请问这个数据是正常的吗？

这种类似朋友圈的创作形式，在小红书等社交平台，也有可能吸引到一大批关注这个话题的用户，在评论内给出自己的见解。

（2）便签形式

如果笔记的内容形式是文字而非视频，那么创作者极有可能是先写完笔记想要表达的内容，再去对应设计封面与标题。有些创作者就很巧妙地将文字复制到便签内，通过便签自带的一些调色与样式，使得封面本身具有一定的吸引力，参考下面两图的对比。

文档截图

便签截图

（3）与标题巧妙结合

封面怎么与标题巧妙结合呢？这里引入两个思路。

第一个是用户先看到标题，下意识的被引导去做一个动作，而这个动作，需要点进你的封面后才可以完成。

常见的标题可以参考“大家看我发的三张图，这些衣服一百元是不是赚了”，于是用户点进笔记，一张张看过去，然后发表自己的想法，有可能还会在评论区询问衣服的品牌，促成商业变现。

我最近刷到的一个热门标题内容就是“左滑达成XXX”，然后封面与后面的几张形成一个逻辑链路上的变化，例如”左滑帮XXX卸妆“”左滑带你学习XXX”，刷到后来，发现小红书官方也助力了这个词条的热度。

来源小红书—薯队长

第二个是用户先看到封面，下意识的先被你调动起一类情绪，然后看到你的标题，再做出对应动作。

在刷小红书的过程中，存在一部分的封面很简单的笔记，可能就是简单的几个手写字搭配纯色背景，例如“时间管理的重要性！！！”“这个问题要怎么解决？？？”“安利一个超级小众的剧~~~”，用户刷到这类内容，可能会带着好奇/友好的想法点开查看笔记的具体内容。而我点开其中部分创作者的主页时，发现对方的主页封面设计，全部都是这类简洁风格的。

2.笔记的内容排版

关注了一些在小红书讲系列知识的专业博主，发现具有收藏价值的笔记内容，往往都按照以下格式进行排版。

（1）快速开场白，讲清楚自己是谁（针对那些刚刷到的用户）+今天这个笔记要讲什么。

（2）分维度，分观点展开，期间穿插很多的符号，例如1234，对勾与红叉，或者是小红书自带的符号表情，同时极其注重分段，使得整体可读性增加。

（3）有效结尾，且带上相关的多个话题，通过一些结论再让用户进一步感受到博主的专业程度，吸引用户做出点赞/关注等操作。

02 当你频繁刷小红书，算法可能会给你推荐什么

当用户频繁刷小红书时，算法根据用户做出的动作（例如点赞/评论/收藏/关注等），可能会推荐什么内容呢？

1.用户感兴趣的内容+相近的内容

假设用户近期关注话题A，持续点赞收藏话题A对应的小红书笔记，那么下一次打开小红书，话题A对应的笔记一般就会排在前几位，然后用户再次点击查看，这个动作再一次被算法记录，推送给到后台，可能就加固了该用户与话题A之间的强关联。

那什么是相近的内容呢，以求职话题为例，用户可能一开始在平台上检索的话题是“哪些平台可以快速投递简历”，更多关注投递这个动作怎么操作，但是一些内容平台会推送给你相关的内容，例如简历如何撰写，如何准备面试等。

以最近我频繁搜索的词条为例，我更多关注的是行业的偏下游，即如何执行，但是同时也刷到了很多该行业的上游信息，例如如何准备，如何搭建等。这个思路其实与一些超市的货品摆放有异曲同工之妙，将相关联的产品放在一起搭配售卖，可以起到1+1＞2的效果。

2.与你用户画像相同的人感兴趣的内容

一些用户可能会疑惑，这个系列的内容我从来没有主动搜索过，但是为什么也会经常出现在我的主页？

那是因为刷小红书的过程中，用户做出的操作不断会被算法识别，在后台构建出一个个对应的用户画像。基于个人的猜测，平台识别出特定维度下同类用户的喜好，然后进行对应推送。

举例来说，你的用户画像是近期关注话题A，同样关注该话题的用户近期点赞了话题B的一些活动信息，平台可能就会把这个信息一并推荐给你。

3.平台热点

许多内容平台都有自身的热点榜，这部分热点一般会穿插出现在用户自上而下的浏览界面中，但是小红书给我的感觉是，平台热点内容会刷到，但是在首页的占比相对其他平台偏少，更多的是一些我自己感兴趣的话题。

当我再一次刷新小红书的首页，出现在界面上前三篇的内容，基本都会有我近期关注的话题。往下刷相关的笔记也不少，之前甚至隔了几条刷到了同一个博主在不同日期发的笔记。

这些笔记点赞数量并不多，有些甚至是刚发的内容，但是的确是我需要的信息源，而基于这一点，我刷小红书的内容也在持续拉长。

03 发小红书的过程中，哪些内容突破了初始流量

接下来，我会结合之前的个人实操，来谈一下哪种类型的内容更有可能实现流量维度上的突破。

1.关注搜索流量

在之前初次接触小红书的时候，作为新手，我遇到了第一个问题：找不到一个功能。

我尝试的搜索了一些与之相关的笔记，但是并未给我太大的帮助，等到后期钻研出来后，我意识到，这个问题很有可能是用户在新手时期都会遇到的，而且平台目前并未在显眼的位置放上操作指引。

基于这两个维度，我发布了一篇笔记，标题便是“小红书如何XXX”，内容里就简要的写了一百字左右，也未带上很多的相关标题。但是这一篇笔记，浏览量却在持续增加。

截至目前，其他一些笔记只有100+浏览量的时候，这篇笔记的浏览量在10000+，不断有人点赞，收藏，评论提问，且存在一些用户主动在评论区解答。

这个事情引发了我的两个思考，以小红书为例，如果要获取流量，要么在短期内通过系统的推流，呈现出好的数据（例如不断有用户互动），从而拿到更好的推流，但是这个热度可能只能持续一段时间。

要么就是布局搜索流量，完善多个数据，成为更多用户搜索关键词的前几位。我那篇10000+的笔记，点赞，收藏，评论都不少，分布相对均匀。

2.IP影响力不足的时候，做好系列化的有用内容

之前尝试做小红书的时候，我的策略是干货输出+日常分享的维度去进行笔记发布，如上文所言，的确是有一些笔记拿到了不错的流量，但是整体的涨粉/变现效果并不明显。经过后续的一些分析，我对于之前在小红书的尝试有以下思考。

（1）IP的影响力

日常分享想要获取高流量，那么IP本身最好已经有一定的影响力，如果纯靠日常分享积累涨粉，就需要很长的一个涨粉周期，等到粉丝对你有一个认知，成为你的“铁粉”，那么你的日常分享也会逐渐获得好的流量。

几个月前我系统看过自己小红书的数据，整体还是干货类的内容的数据整体更好一点，这侧面反映了，我分享的干货和我分享的日常，前者的吸引力更大一些。

如果是靠干货的输出搭配日常分享，从而进一步快速的打开影响力，可能是一个有意义的策略，需要一些时间来验证效果。

但是该操作随之而来的弊端就是用户画像会有点散，而对应的好处就是可以打造人设差异化，以及日常分享的内容存在更多商业化变现的可能。

策略的好坏，更多还是要结合短期目标和长期愿景去看待。

（2）系列化的主题

如果笔记发布内容不是那种vlog形式（即包含了一天之中很多时刻的日常），是那种简单的随手分享，那么可以考虑做成一个系列，晒美食就一直晒美食，晒经历就一直晒经历，例如：

在XXX努力的第一天

在XXX努力的第三天，今天有所突破好开心

在XXX努力的第七天，姐妹们帮我看看这个效果怎么样

这种系列化的内容，除了平台给到的初始流量，用户搜索关键词的时候也会搜索到，而且会看最新的情况，所以新发的也会有搜索流量。

以“打卡第一天”为例，小红书上就有数十万篇相关的笔记，呈现系列化打卡的内容。

来源小红书

流量大致分为两部分，平台主动推荐给到的流量+被动搜索带来的流量，日常分享也可以命中一些关键词，当笔记中持续出现一些词语，平台就会识别到这个笔记的类别，然后将内容推荐给更多对此类别感兴趣的人，这个逻辑多平台应该都适用。

3.评论区的价值

除了笔记本身的内容可以给到用户“这篇笔记好有用”的想法，笔记的评论，一样可以提升这篇笔记的价值。

小红书上会刷到一些同城的笔记，上面可能会提问有哪些好玩的景点，然后下面大量的评论与安利，间接的引导用户对其进行了收藏，之后可以持续拿出来看看评论区中的介绍。

提示：平台文章内容为个人当前观点，基于行业更新变迁/个人想法迭代等多重因素，不构成决策~

作者：灯衍

来源：鸟哥笔记（ID：niaoge8）

这是一篇哈佛医学院的HMS学术文章，一个叫Nsoesie和他的小伙伴们分析了医院停车场的车辆数量和互联网搜索趋势，得出了疫情最早在19年8月在武汉开始。

当然这一说法被哈佛医学院自己否了，理由是不适当和不充分的数据、对统计方法的滥用和误解，以及挑选互联网搜索词。事情并没有随着问题的发现终止，Nsoesie这些人的说法得到了媒体的广泛报道。

我们来把整个时间进行简单概括，大致就是——很多数据说明医院里的车多了；车多了，肯定是看病的人多了；看病的人多了，肯定是得了新冠肺炎；同类类比，南京中华门景区旁边是市第一医院，直线距离1.1公里。除了一个小停车场、一个巷子、医院地下停车场，没有其他停车位，小停车场和巷子日常是停满了的。国庆假期到了，医院停车场满了。得出的结论是——南京爆发疫情了。

如果从现象推原因，事实会差多少？上不了台面的科研骗局，但是用脚投票的大众选择相信，不相信的人却别有用心地传播。

对应到运营行业中，是不是很像整天方法论、刀法、套路、核心、SOP的某些人？从结果拆方法，方法汇总复用告诉100个人。只要有1个人做好，就可以说“你没有做好，别人能做好，是你的问题”。哲学中有个朴素的观点是“实践是检验真理的唯一标准”，而实践之所以作为真理的检验标准，这是由真理的本性和实践的特点决定的。

做火了一两个账号/甚至没做过账号，总结出的运营经验语句都不通顺，前后经不起推敲，而大家已经掏钱上车了。如下图，其实所有需要分发内容的APP都是这个逻辑。

所以这篇内容我不会写那些网上一搜就会搜到10篇有9篇一样的小红书算法内容，同样和上篇内容一样做不到通俗易懂，甚至枯燥，看了不知所云。

但相信我，看完你们会有很大的收获。也许业务中的一些小的问题终于得到确认，可能看待小红书运营的角度更加的多元化，或者学会了更加具象的思维。

想听刀法、方法论、扯淡的可以点右上角的×了，如果你们想从更底层去一点点认知自己在做的平台，这篇内容如果对你们有帮助那就太好了。我扒了很多论文、论坛以及找来了不少小红书公开演讲的PPT梳理总结，与实际业务相结合，欢迎关注点赞留言。

01

很多人经常说小红书算法，大部分人从产品角度出发，少部分人从运营角度出发，几乎没有人从技术角度出发。

算法是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。定向A➡定向B，可能是男性和女性，也可能是国王和皇后。我们应该先解释A和B，而不是讨论怎么从A➡B。

从产品角度出发没有什么大问题，但是有两类大点，即产品的背景及使用。产品的背景包括解决什么需求、具体的使用场景是什么样、目标用户是什么。产品的使用包括体验、UI、美工、交互。我看了大多数人对小红书算法的分析，是从UI角度出发，即使用者界面出发，其实是相当不准确或者说浅层次的。

从UI角度出发，抖音和小红书相似程度是非常高的。抖音的首页-推荐、关注、同城和小红书的首页-发现、关注、同城基本一致，消息页和我的页面也基本一致，那么算法和逻辑就一致吗？

差的太多了，反映到结果上，我们抖音和小红书同样的都做了200万粉左右，一个基本没有任何变现，一个收益很高。后来我们反复复盘，平台就像那些年我们追的女孩子，没有人永远年轻，但总有人正在年轻。即使运营了很多年，我们对当初的这个女孩也时常感到陌生。而平台也总会诞生新的机会，给后来者遐想空间。

话不多说，让我们简单的梳理小红书算法。不少段落取自ArchSummit深圳演讲-赵晓萌（小红书算法架构师，负责机器学习应用）、2019阿里云峰会·上海开发者开源大数据专场小红书实时推荐团队负责人郭一的发言、以及秦波（推荐引擎北京工程负责人）、马尔科（小红书大数据组工程师）的帖子/PPT。如有侵权，联系修改或者删除。

小红书社区是一个分享社区+电商的APP，分享社区通常意义上都是以女性为主，少量话题引导。每天平台生产的内容，要如何转发分发给用户，让用户看到用户想看的，这是算法需要解决的问题。

对于小红书来说，社区提供用户黏性，为电商引流，电商把这部分流量变现，在APP里形成闭环，社区和电商互相推动。对于算法团队来说，有社区的用户数据，有用户在电商版块的行为数据，如何把两边的用户行为连接起来，更好的理解用户，是算法的根本出发点。

现在大家普遍认可的都是下面这个流量分发模型，系统根据用户互动效果进行评分的体系是CES。实际上太笼统了，CES评分也不知道是出现在整个推荐流程中的第一步、第二步、第三步，还是反复计算。接下来我会通过具体的一些案例，从技术的角度去解释。

如果有看过我上篇讲搜索流量的小伙伴应该有印象，一篇笔记的搜索流量相对稳定占位，而推荐流量是笔记成为爆款的核心。小红书线上推荐的流程主要分为三步：

1. 从小红书用户每天上传的笔记池中选出候选集，通过各种策略从千万条的笔记中选出几千个候选集进行初排。
2. 在模型排序阶段给每个笔记打分，根据小红书用户的点赞和收藏行为给平台带来的价值设计了一套权重的评估体系，通过预估用户的点击率，评估点击之后的点赞、收藏和评论等的概率进行打分。
3. 在将笔记展示给用户之前，选择分数高的笔记，通过各种策略进行多样性调整。

02

那么小红书是如何从每天的笔记池中选出候选集进行初排的呢？

小红书的内容图文并茂，用户产生的内容图片多，质量很高。用CNN（卷积神经网络）提取图像特征，用Doc2Vec（文本到向量模型）提取文本特征，通过一和简单的分类器就能把用户分到主题中，而主题是人工标定的上百上千个主题。这是初排。

03

CNN和Doc2Vec具体是怎么提取笔记进行分类的？

关于图片的识别，小红书是一个非常视觉的社区，图像很多，小红书用图像提取特征就已经能达到良好的效果，准确率大概是85%时覆盖率能达到73%左右。加上文本以后效果更好，准确率达到90%，覆盖率达到84%。

图片这是第一个在内容创作中需要注意的地方，对图像的夸张识别到什么程度？

我们有一次发幼儿、中小学的教育案例，拍到了角落翻开来的书上关于母婴胎教类的两行字，肉眼都看不清，违规发警告说涉及到婴儿遗传等敏感内容，账号不被推荐3天。后来反复查找原因，才发现这个问题。

这里再举一个更常见的例子，涉及到了GBTD模型里的机器深度学习。小红书上流行分享治痘，有很多脸上有很多痘痘怎么治好的笔记，怎么把这些观感其实不适的内容推荐给要看的人是一个问题。

当小红书尝试用CNN model做这个事的时候，发现无论照片是全脸漏出、半脸、1/4脸甚至只有少量的脸部器官，都可以很好地识别甚至识别图里的文本，对反作弊有一定的帮助。所以，不要在图片上进行任何夹带私货，图片识别+图片文本识别，基本上准确率有90%。

再讲一下文本的向量表示，文本的向量表示有非常多种，其中一个比较有名的向量表示叫做Word2Vec，是Google提出来的。它的原理非常简单，其实是一个非常浅的浅层神经网络，根据前后的词来预测中间这个词的概率，优化预测的时候模型就得到了词的向量表示。

同样的这个词的向量表示在空间里也是有意义的，相似的词也处在相近的空间里。这个模型比较有意思的是，把向量拿出来随时可以做向量运算。

女人到男人之间的那个指向的向量，和皇后到国王之间是一样的，所以我们知道其中三个，就能算出另外一个。假如我们的笔记重点是“自驾”和“露营”，Word2Vec会据前后的词来预测中间这个词的概率，可能是装备、路线、西藏、过夜、海边、周边、攻略，推送到对应的用户页面。

04

用户画像和笔记画像是什么？在算法中扮演什么角色？

1. 小红书推荐预测模型已经演化到了GBDT+Sparse D&W的模型

主要有9个预测任务，包括click、hide、like、fav、comment、share、follow等。点击、保持、喜欢、评论、分享、关注。点击是小红书最大的模型，一天大概产生5亿的样本进行模型训练。GBDT模型中的笔记分发，有非常多的用户行为统计，产生了一些静态的信息和动态特征，用来描述用户或者笔记。

通过用户画像和人口统计信息来描述用户，比如性别年龄这些静态信息。笔记分作者和内容两个维度，比如作者打分、笔记质量、标签、主题。动态特征虽然不多，但是非常重要。

动态特征包括用户在浏览和搜索中有没有点击、有没有深度行为等类似的用户反馈。这些交互的数据有一个实时的pipeline从线下直接放到线上的模型里，在线上会利用这些数据对点击率等交互质量的指标进行预测，然后根据用户和笔记的隐形分类进行推荐。

2. 关于动态特征的提取，小红书用的是Doc2Vec模型，也叫做相关笔记

相关笔记的要求是什么？推荐的笔记和用户在看的笔记，最好讲的是一个东西。比如说同一款口红、同一个酒店、同一个旅游城市、同一款衣服，可能不是一个酒店，但是是类似的酒店。

可能不是同一个旅游城市，但可能是类似的旅游城市，是不是很难理解？那我们再具体一点，我如果看的是亚特兰蒂斯这种级别的酒店，那么小红书就不会给我推荐格林豪泰，而是类似同等级别的酒店。如果我经常搜的是雪山/草原/沙漠，那么就不会给我推荐上海/北京/广州这种人文和城市景观突出的地方。

有一点需要注意的是，TFIDF model 虽然基本要求词是一样的，但它可以把一类笔记找出来，就是讲用户心理、描述用户心情的笔记，因为用户描述心情用的词汇很接近，所以这个方法也会把扩展的内容找出来。“绝绝子”是非常明显的一个语气词或者形容词，在小红书有461万+篇笔记。

最核心的实时归因场景业务，是如何制作用户的行为标签的？

用户画像比较简单，不会存在过多的状态，而实时归因是整个实时流处理中最关键的场景。实时归因将笔记推荐给用户后会产生曝光，产生打点信息，用户的每一次曝光、点击、查看和回退都会被记录下来。

看一下下面这张图，四次曝光的用户行为会产生四个笔记曝光。如果用户点击第二篇笔记，就产生第二篇笔记的点击信息，点赞会产生点赞的打点信息。如果用户回退，就会显示用户在第二篇笔记停留了20秒。实时归因会生成两份数据，第一份是点击模型的数据标签，下图中第一篇和第三篇笔记没有点击，第二篇和第四篇笔记有点击，这种数据对训练点击模型很重要。点赞模型也和上面几乎完全一样。

05

CES评分参与在算法中的什么阶段？

整个线上推荐的流程，只有在模型排序阶段给每个笔记打分。笔记在笔记展示给用户之前，小红书会选择分数高的笔记通过各种策略进行多样性调整。

Score=pCTR*（plike*Like权重+pCmt*Cmt权重……）

CES如果参与其中，只是非常小的一部分。我通过爬虫把爆文笔记爬了下来并做成CES形式的Excel表格分析，无论是表现各项数据关系的散点图还是曲线图，都没有一个有规律的图表，所以CES最多用在冷启动，聊胜于无。

06

综合以上，最后我们还是用比较通俗的话去解释这篇内容想要论证或者体现的观点：

小红书算法是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。不应该从使用者界面或者从已经成熟的账号中去梳理总结方法论，因为梳理总结的只是一系列机制中特别琐碎的小点，更不应该形成所谓通用的方法论。

大家工作业务开展也是，很多运营文章一下子就把整个运营流程说全了，我更建议从算法开始了解，工作也是从你实际的理论和认知中开展，并不是照葫芦画瓢。给你飞机让你照葫芦画瓢，好的，你来造。

不要做公司想要推广的内容/你喜欢的内容，而是要做算法觉得用户想看的内容，毕竟算法需要解决的问题就是——把平台生产的内容，转发给用户，让用户看到用户想看的。

对于小红书，算法的出发点是如何把社区的用户数据和电商版块用户的行为数据链接起来。现在小红书的盈利模式主要集中在达人种草，其实是算法团队不够优秀，没有办法提供足够优秀的中台支撑。无论是电商或者广告，其实大家都怨声哀道。

前台主要面向客户以及终端销售者，实现营销推广和交易转换。中台主要面向运营人员，完成运营支撑。后台主要面向后台管理人员，实现流程审核、内部管理以及后勤支撑，比如采购、人力、财务、OA等系统。

算法岗在各大公司招聘线中也是发OFFER最高的一档，目前来看，想做视频内容电商的算法人才会倾向于去抖音和快手。想做传统电商的，会倾向于去阿里或者拼多多。至于图文和纯文形式的电商或者广告，其实各家做了很多年都做的不是特别好。小红书图文能做好，得益于70%的用户群体是女性，社区氛围搭建的生活氛围非常精致。

选择合适的内容很重要，如果内容小众又刚需，那么小红书通过策略选出的候选集相对容易选到我们的笔记。在整个笔记出现在大批量用户的过程中，我倾向于CES评分没有参与在内，预测模型实际上扮演着很大的作用。体现在实际运营中就是，一张图片一句话的笔记火的一塌糊涂、老账号发什么什么火，因为预测模型。

小红书算法对图片的优先级非常高，并且有至少85%的准确率。如果加上文本以后，准确率能达到90%。所以无论是正常的图文、下水不报备的笔记、违规引流的笔记，算法一直是可以清晰无误地查出来的，只不过是运营中台对账号处理的松紧程度有关。例如哪个月要封账号，哪个月要查资质，哪个月要抓引流，算法都有数据，人为去干预就好了。

关于文本的动态特征提取，大家可以重点看一下上面说的预估词以及相关笔记，是一个非常有趣但是又很实用的模型算法，我从普通用户的角度，觉得抖音和小红书这块做得很不错。

小红书算法对笔记内容的好坏，取决于用户画像和笔记画像。用户画像一般是静态信息，注册账号的时候就完成了一大半，性别年龄这些。笔记画像包括做着打分、笔记质量、标签、主题（主题是我上面提到的人工分类的几百个算法里的主题，并不是下面带的标签或者内容主旨）。

相关文章:

小红书算法推荐核心策略！

如何利用小红书算法机制进行口腔医美营销推广？

小红书爆款笔记流量密码

作者：老赵说运营

来源：老赵说运营

抖音、小红书、知乎、视频号是很多品牌必争的流量洼地，掌握几个平台的流量算法，可以让我们尽可能获取更多的流量，今天就来给大家分享一下四个平台的流量算法。

一、抖音

抖音的流量算法几乎是所有流量平台中最为复杂的，当然也是流量最大的。

抖音是典型的“标签”对“标签”的平台。

如果你是用户，平台会根据你平时的浏览喜好把你的关注点拆解成大约150个标签，你能刷到哪些视频一定程度上是你的用户标签决定的。如果浏览喜好发生变化，用户标签也会随之变化，刷到的视频也会跟着标签而变化。

如果你是创作者，平台会根据你发布的内容形成创作者标签，标签数量同样是150个，如果发布内容产生变化，创作者标签也会随之变化。

创作者发布视频后，视频会根据创作者标签匹配相似的用户标签，这就是上面我们讲过的“标签”对“标签”的流量算法。

短视频匹配到用户后，会通过该视频的数据表现来衡量该视频是否值得进一步的推荐。

抖音对单个视频的推荐，会考核5个关键数据：

1）完播率

完播率=观看时间/作品时间

完播率越高，说明作品越吸引人观看，大盘的合格线通常是15%-20%左右，40%-50%以上的完播率就已经很优秀了。要想办法做高完播率，通常的方式是开头设置悬念或者引导打开评论区，拉长观看时间。

如果是新号的话，建议前期视频时长不要太长，时长越长，完播越低，除非视频质量极佳。

2）点赞率

点赞率=点赞量/播放量

点赞量越高，推荐量才会越高，第一波推荐的点赞率至少要达到3%-5%。

也就是说每100个播放量，至少要有3-5个点赞。

3）留言率

留言率=留言量/播放量

留言率的数据高低跟视频类型有很大关系，不好用平均数据去衡量，但确定的是留言率表现越好，加权推荐就越高。所以，创作者可以主动在视频中或者文案、评论区引导评论，提升留言率。

4）转发率

转发率=转发量/播放量

转发率对于还在初级流量池流传的视频影响并不大，但想要突破流量层级，转发率就是很关键的指标。

5）转粉率

转粉率=关注量/播放量

也就是路转粉的比例，单条视频带来的新增粉丝率，同样是冲击高级流量池的关键数据。

抖音平台是一个巨大的流量池，抖音推荐机制是一个渔网，视频内容是鱼饵。

如果你的视频的五个关键数据都能取得较好的数据表现，那么进入到中高级的流量池继续流转的可能性非常大。

抖音的流量池有也有它的法则。

视频发布后会进入冷启动池，流量通常是是300-500，一般是由粉丝+朋友+可能认识的人+少量标签匹配的用户构成，因为冷启动池的流量构成最为复杂，也是最难突破的流量池，这就要考验，你的粉丝是否精准，内容是够优质，如果关键数据达标会进入到初级流量池。

初级流量池的流量大约在1000-5000左右，同样需要继续观察视频在初级流量池的变现，如果数据继续过关，将进入中级流量池。

中级流量池就有10000以上的播放量，同理看数据表现；

高级流量池就有十万+以上的播放量了，上不封顶。

二、小红书

小红书的算法和抖音类似，也是“标签”对“标签”的流量算法。

不同的是，基于不同的用户习惯，抖音更侧重主动推荐，小红书更侧重搜索推荐。

基于小红书的平台定位，超过65%的流量来源于搜索，所以在搜索流量算法上更精细一些，所以这里侧重讲一下搜索流量算法的逻辑。

搜索结果与需求的匹配主要是核心关键词与query的匹配度，搜索结果中展示的具体内容是通过分析用户需求，找到最能命中用户需求的信息。

一篇笔记标题中的关键词可谓是重中之重，官方也明确提示：“填写标题会有更多赞哦”。

由此可见，标题是小红书官方用来识别内容属性的重要选项，想要让笔记获得更多的展现，最基础的工作就是要做好标题的优化。

我们要善用搜索的关键词、热词推荐等来帮助我们找到笔记核心词，以便能让系统识别并推荐给对应用户。

从推荐内容找核心词

推荐内容包括几个方面，搜索框置灰关键词，页面显示的历史搜索，热搜词

1）默认提示词

点开搜索还未输入搜索词之前，平台会根据用户标签推荐默认提示词，默认提示词中存在一定量的搜索流量。

2）搜索发现（热门搜索）

热门搜索把最近一段时间被搜索次数最多的词展示出来，去引导用户看一些最近热门的内容和用户搜索量大的话题推荐，跟用户的搜素量和近期的热门话题相关。

3）补充联想关键词

补充联想关键词，即用户输入部分内容，然后系统根据这些内容联想出完整内容，自动补全关键词，通过即时匹配关键词并展示出来，增加用户的选择。我搜了显瘦，平台就给我推荐了关于显瘦的几个关键词推荐。

考虑热词排序是综合展示的结果。除了笔记数外，“热词” 的热度排序可能还牵涉到两个方面的因素：用户主动搜索的频率，以及笔记本身被系统推荐的热度。

搜索之后，系统根据搜索词进行算法匹配，把所有结果都展示出来。而如果这个关键词是相关品类中范围比较大的词汇，那么就能看到在界面上半部分有一些专门的标签词汇提供分类筛选的功能。

这种方式对于用户无目的搜索的体验会更好。同时将最热门的笔记排在前面，这种搜索结果的展示形式以及筛选条件，目的都是为了缩小选择范围，帮助用户快速选择。

关于关键词的选择有以下几点值得注意：

1）小红书的热搜推荐是平台短期流量内容的标识；搜索提示关键词、筛选热门是长期流量所在，来源于小红书真实的用户数据分析和总结。

2）一定要优先选择竞争度小流量大且比较精准的关键词，避免选择宽泛的关键词。

3）学会反推关键词。确定笔记主题及关键词后，要去反推希望用户用什么关键词能搜到自己的笔记，考虑如果自己去搜这类笔记会用哪些常见关键词去搜。

4）在笔记标题、正文、话题、评论等位置合理的布局关键词，有助于笔记被收录及精准推荐。避免堆砌关键词，堆砌关键词会被系统判定为广告，长期这样操作，账号会被系统降权。

三、知乎

首先是针对搜索流量，知乎的搜索排名其实跟搜索引擎是有类似的，内容需要先进行收录，然后才能提升搜索词排名。

一方面需要看内容和搜索关键词的匹配度，匹配度越高，收录的概率也就越大；另一方面，优质账号的权重更高，能够获得的搜索词排名也会更高；最后，内容的热度也会影响搜索排名，总之越热门的内容排名会更加靠前。

当然，搜索还涉及到问题下回答的排名，一般来说，搜索词收录该问题后，会抓取问题下其中一条高赞的回答展现，除此之外，因为用户的习惯一般会参考不止一条回答，那么该问题下自然排序第一的回答，也有更大的曝光概率。

所以，如果能够实现搜索词+问题下的排名都非常靠前，那么流量自然就会更好；如果不能实现两者均很靠前，那么起码要实现有一条在靠前的位置。

第二是针对推荐流量，推荐流量是通过知乎的推荐算法，然后将内容推送给用户。

一般来说，推荐算法会先将内容推送给一小部分人，然后收集反馈数据，如阅读完成率、赞同率、互动数据等，来判断这条内容是否值得持续推荐。

第三是针对热榜流量，热榜是知乎的全站实时热门内容合集，其维度主要是看24小时的浏览量、互动量和领域权重来计算。

想要内容上热榜，那就必须要在短时间内有大量的领域内用户参与互动，形成不错的声量后，内容自然热度就提升上去了。

当然，针对视频类内容，其分发机制跟推荐类似，而且有单独的榜单支撑，参考即可。

第四是综合算法，和头条、抖音等平台不同的是，知乎采用的是威尔逊算法，即根据内容的点赞、反对、收藏等数据，按照威尔逊公式来决定内容的推荐和排名。

u代表内容的赞同数，v代表内容的反对数，p则代表内容的赞同率=赞同数/（赞同+反对），而Z则是与权重相关的数字。

算法公式虽然很复杂，但大家只需要记住最核心的一点：赞同率比赞同数重要，反对率比赞同率重要。

和其他内容平台不相同的是，除了点赞和互动，知乎用户还可以给不同意的内容点反对票，而反对票数一定程度上将会影响回答排名。

四、视频号

微信视频号和其他流量平台的算法完全不同，视频号的分发机制是基于社交推荐和个性化推荐。

1）社交推荐

社交是微信生态的先天基因，所以对于微信视频号来讲，社交关系链同样非常重要，比如你的好友发布和点赞的内容，会优先推荐。一个作品，你的好友点赞收藏互动多的话，你的阅读量曝光量就会上升，相反，如果非好友进行点赞收藏的话，对于你作品的曝光低于好友点赞收藏。

所以，你微信好友的点赞收藏互动对于作品提升权重有很大的影响。

其实这个就跟公众号的“在看”和“点赞“的逻辑相似，比如你给某个文章（视频）点了“在看”，你好友将会在微信“看一看”刷到这个文章（视频），你好友点赞了，他的好友也可能会刷到这个作品，以此类推。

2）个性化推荐

指的是系统会根据用户的日常行为、活动轨迹和兴趣、职业、年龄等标签，通过一系列大数据算法，推测出用户可能喜欢的内容。因为微信本身就拥有11亿的超级用户画像和各种算法机制作为参考。

不过目前由于微信视频号尚处于热启动阶段，目前数据库并不全面，采用的数据源都是从微信大盘抓取，算法基本会采用兴趣标签+定位+热点+随机推荐。

所以无论是发视频还是发图片，添加话题和定位更有助于个性化推荐。这一点跟抖音的推荐算法有点相似，只不过目前还不够成熟。

3）去中心化的推荐算法

视频号虽然是基于社交推荐，但每个人的社交关系链毕竟有限，当一个作品已经在完整的社交关系链获得了展现且取得了较好的数据表现后，视频号会进行社交关系链以外的扩大推荐，逻辑类似于抖音的“标签”对“标签”，这里不做过多延展。

以上就是抖音、小红书、知乎、视频号的流量算法，相信大家仔细阅读后会对四大平台有新的了解和认识，如果还有不明白需要交流的地方欢迎来找我交流。

作者：赵子辰Vic

来源公众号：赵子辰Vic

这篇内容我不会写那些网上一搜就会搜到10篇有9篇一样的小红书算法内容，同样和上篇内容一样做不到通俗易懂，甚至枯燥，看了不知所云。但相信我，看完你们会有很大的收获。也许业务中的一些小的问题终于得到确认，可能看待小红书运营的角度更加的多元化，或者学会了更加具象的思维。

想听刀法、方法论、扯淡的可以点右上角的×了，如果你们想从更底层去一点点认知自己在做的平台，这篇内容如果对你们有帮助那就太好了。我扒了很多论文、论坛以及找来了不少小红书公开演讲的PPT梳理总结，与实际业务相结合。

很多人经常说小红书算法，大部分人从产品角度出发，少部分人从运营角度出发，几乎没有人从技术角度出发。

算法是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。定向A➡定向B，可能是男性和女性，也可能是国王和皇后。我们应该先解释A和B，而不是讨论怎么从A➡B。

从产品角度出发没有什么大问题，但是有两类大点，即产品的背景及使用。产品的背景包括解决什么需求、具体的使用场景是什么样、目标用户是什么。产品的使用包括体验、UI、美工、交互。我看了大多数人对小红书算法的分析，是从UI角度出发，即使用者界面出发，其实是相当不准确或者说浅层次的。从UI角度出发，抖音和小红书相似程度是非常高的。抖音的首页-推荐、关注、同城和小红书的首页-发现、关注、同城基本一致，消息页和我

的页面也基本一致，那么算法和逻辑就一致吗？

差的太多了，反映到结果上，我们抖音和小红书同样的都做了200万粉左右，一个基本没有任何变现，一个收益很高。后来我们反复复盘，平台就像那些年我们追的女孩子，没有人永远年轻，但总有人正在年轻。即使运营了很多年，我们对当初的这个女孩也时常感到陌生。而平台也总会诞生新的机会，给后来者遐想空间。

话不多说，让我们简单的梳理小红书算法。不少段落取自ArchSummit深圳演讲-赵晓萌（小红书算法架构师，负责机器学习应用）、2019阿里云峰会·上海开发者开源大数据专场小红书实时推荐团队负责人郭一的发言、以及秦波（推荐引擎北京工程负责人）、马尔科（小红书大数据组工程师）的帖子/PPT。如有侵权，联系修改或者删除。

小红书社区是一个分享社区+电商的APP，分享社区通常意义上都是以女性为主，少量话题引导。

每天平台生产的内容，要如何转发分发给用户，让用户看到用户想看的，这是算法需要解决的问题。

对于小红书来说，社区提供用户黏性，为电商引流，电商把这部分流量变现，在APP里形成闭环，社区和电商互相推动。

对于算法团队来说，有社区的用户数据，有用户在电商版块的行为数据，如何把两边的用户行为连接起来，更好的理解用户，是算法的根本出发点。

现在大家普遍认可的都是下面这个流量分发模型，系统根据用户互动效果进行评分的体系是CES。实际上太笼统了，ces评分也不知道是出现在整个推荐流程中的第一步、第二步、第三步，还是反复计算。接下来我会通过具体的一些案例，从技术的角度去解释。

如果有看过我上篇讲搜索流量的小伙伴应该有印象，一篇笔记的搜索流量相对稳定占位，而推荐流量是笔记成为爆款的核心。小红书线上推荐的流程主要分为三步。第一步，从小红书用户每天上传的笔记池中选出候选集，通过各种策略从千万条的笔记中选出几千个候选集进行初排。第二步，在模型排序阶段给每个笔记打分，根据小红书用户的点赞和收藏行为给平台带来的价值设计了一套权重的评估体系，通过预估用户的点击率，评估点击之后的点赞、收藏和评论等的概率进行打分。第三步，在将笔记展示给用户之前，选择分数高的笔记，通过各种策略进行多样性调整。

那么小红书是如何从每天的笔记池中选出候选集进行初排的呢？

小红书的内容图文并茂，用户产生的内容图片多，质量很高。用CNN（卷积神经网络）提取图像特征，用Doc2Vec（文本到向量模型）提取文本特征，通过一和简单的分类器就能把用户分到主题中，而主题是人工标定的上百上千个主题。这是初排。

CNN和Doc2Vec具体是怎么提取笔记进行分类的？

关于图片的识别，小红书是一个非常视觉的社区，图像很多，小红书用图像提取特征就已经能达到良好的效果，准确率大概是85%时覆盖率能达到73%左右。加上文本以后效果更好，准确率达到90%，覆盖率达到84%。

图片这是第一个在内容创作中需要注意的地方，对图像的夸张识别到什么程度？

我们有一次发幼儿、中小学的教育案例，拍到了角落翻开来的书上关于母婴胎教类的两行字，肉眼都看不清，违规发警告说涉及到婴儿遗传等敏感内容，账号不被推荐3天。后来反复查找原因，才发现这个问题。这里再举一个更常见的例子，涉及到了GBTD模型里的机器深度学习。小红书上流行分享治痘，有很多脸上有很多痘痘怎么治好的笔记，怎么把这些观感其实不适的内容推荐给要看的人是一个问题。当小红书尝试用CNN model做这个事的时候，发现无论照片是全脸漏出、半脸、1/4脸甚至只有少量的脸部器官，都可以很好的识别甚至识别图里的文本，对反作弊有一定的帮助。所以，不要在图片上进行任何夹带私货，图片识别+图片文本识别，基本上准确率有90%。

再讲一下文本的向量表示，文本的向量表示有非常多种，其中一个比较有名的向量表示叫做 Word2Vec，是 Google 提出来的。它的原理非常简单，其实是一个非常浅的浅层神经网络，根据前后的词来预测中间这个词的概率，优化预测的时候模型就得到了词的向量表示。同样的这个词的向量表示在空间里也是有意义的，相似的词也处在相近的空间里。这个模型比较有意思的是，把向量拿出来随时可以做向量运算。

女人到男人之间的那个指向的向量，和皇后到国王之间是一样的，所以我们知道其中三个，就能算出另外一个。假如我们的笔记重点是“自驾”和“露营”，Word2Vec会据前后的词来预测中间这个词的概率，可能是装备、路线、西藏、过夜、海边、周边、攻略，推送到对应的用户页面。

用户画像和笔记画像是什么？在算法中扮演什么角色？

小红书推荐预测模型已经演化到了GBDT+Sparse D&W的模型。主要有9个预测任务，包括click、hide、like、fav、comment、share、follow等。点击、保持、喜欢、评论、分享、关注。点击是小红书最大的模型，一天大概产生5亿的样本进行模型训练。GBDT模型中的笔记分发，有非常多的用户行为统计，产生了一些静态的信息和动态特征，用来描述用户或者笔记。

通过用户画像和人口统计信息来描述用户，比如性别年龄这些静态信息。笔记分作者和内容两个维度，比如作者打分、笔记质量、标签、主题。动态特征虽然不多，但是非常重要。动态特征包括用户在浏览和搜索中有没有点击、有没有深度行为等类似的用户反馈。这些交互的数据有一个实时的pipeline从线下直接放到线上的模型里，在线上会利用这些数据对点击率等交互质量的指标进行预测，然后根据用户和笔记的隐形分类进行推荐。

关于动态特征的提取，小红书用的是Doc2Vec模型，也叫做相关笔记。相关笔记的要求是什么？推荐的笔记和用户在看的笔记，最好讲的是一个东西。比如说同一款口红、同一个酒店、同一个旅游城市、同一款衣服，可能不是一个酒店，但是是类似的酒店。

可能不是同一个旅游城市，但可能是类似的旅游城市，是不是很难理解？那我们再具体一点，我如果看的是亚特兰蒂斯这种级别的酒店，那么小红书就不会给我推荐格林豪泰，而是类似同等级别的酒店。如果我经常搜的是雪山/草原/沙漠，那么就不会给我推荐上海/北京/广州这种人文和城市景观突出的地方。

有一点需要注意的是，TFIDF model 虽然基本要求词是一样的，但它可以把一类笔记找出来，就是讲用户心理、描述用户心情的笔记，因为用户描述心情用的词汇很接近，所以这个方法也会把扩展的内容找出来。“绝绝子”是非常明显的一个语气词或者形容词，在小红书有461万+篇笔记。

最核心的实时归因场景业务，是如何制作用户的行为标签的？

用户画像比较简单，不会存在过多的状态，而实时归因是整个实时流处理中最关键的场景。实时归因将笔记推荐给用户后会产生曝光，产生打点信息，用户的每一次曝光、点击、查看和回退都会被记录下来。

看一下下面这张图，四次曝光的用户行为会产生四个笔记曝光。如果用户点击第二篇笔记，就产生第二篇笔记的点击信息，点赞会产生点赞的打点信息。

如果用户回退，就会显示用户在第二篇笔记停留了20秒。实时归因会生成两份数据，第一份是点击模型的数据标签，下图中第一篇和第三篇笔记没有点击，第二篇和第四篇笔记有点击，这种数据对训练点击模型很重要。

点赞模型也和上面几乎完全一样。

CES评分参与在算法中的什么阶段？

整个线上推荐的流程，只有在模型排序阶段给每个笔记打分。

笔记在笔记展示给用户之前，小红书会选择分数高的笔记通过各种策略进行多样性调整。

Score=pCTR*（plike*Like权重+pCmt*Cmt权重…），CES如果参与其中，只是非常小的一部分。

我通过爬虫把爆文笔记爬了下来并做成CES形式的Excel表格分析，无论是表现各项数据关系的散点图还是曲线图，都没有一个有规律的图表，所以CES最多用在冷启动，聊胜于无。

综合以上，最后我们还是用比较通俗的话去解释这篇内容想要论证或者体现的观点：

1. 小红书算法是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。

不应该从使用者界面或者从已经成熟的账号中去梳理总结方法论，因为梳理总结的只是一系列机制中特别琐碎的小点，更不应该形成所谓通用的方法论。

大家工作业务开展也是，很多运营文章一下子就把整个运营流程说全了，我更建议从算法开始了解，工作也是从你实际的理论和认知中开展，并不是照葫芦画瓢。给你飞机让你照葫芦画瓢，好的，你来造。

2. 不要做公司想要推广的内容/你喜欢的内容，而是要做算法觉得用户想看的内容，毕竟算法需要解决的问题就是——把平台生产的内容，转发给用户，让用户看到用户想看的。

3. 对于小红书，算法的出发点是如何把社区的用户数据和电商版块用户的行为数据链接起来。

现在小红书的盈利模式主要集中在达人种草，其实是算法团队不够优秀，没有办法提供足够优秀的中台支撑。无论是电商或者广告，其实大家都怨声哀道。

前台主要面向客户以及终端销售者，实现营销推广和交易转换。中台主要面向运营人员，完成运营支撑。后台主要面向后台管理人员，实现流程审核、内部管理以及后勤支撑，比如采购、人力、财务、OA等系统。

算法岗在各大公司招聘线中也是发OFFER最高的一档，目前来看，想做视频内容电商的算法人才会倾向于去抖音和快手。

想做传统电商的，会倾向于去阿里或者拼多多。至于图文和纯文形式的电商或者广告，其实各家做了很多年都做的不是特别好。

小红书图文能做好，得益于70%的用户群体是女性，社区氛围搭建的生活氛围非常精致。

4. 选择合适的内容很重要，如果内容小众又刚需，那么小红书通过策略选出的候选集相对容易选到我们的笔记。

在整个笔记出现在大批量用户的过程中，我倾向于CES评分没有参与在内，预测模型实际上扮演着很大的作用。

体现在实际运营中就是，一张图片一句话的笔记火的一塌糊涂、老账号发什么什么火，因为预测模型。

5. 小红书算法对图片的优先级非常高，并且有至少85%的准确率。如果加上文本以后，准确率能达到90%。

所以无论是正常的图文、下水不报备的笔记、违规引流的笔记，算法一直是可以清晰无误的查出来的，只不过是运营中台对账号处理的松紧程度有关。

例如哪个月要封账号，哪个月要查资质，哪个月要抓引流，算法都有数据，人为去干预就好了。

6. 关于文本的动态特征提取，大家可以重点看一下上面说的预估词以及相关笔记，是一个非常有趣但是又很实用的模型算法，我从普通用户的角度，觉得抖音和小红书这块做的很不错。

7. 小红书算法对笔记内容的好坏，取决于用户画像和笔记画像。用户画像一般是静态信息，注册账号的时候就完成了一大半，性别年龄这些。

笔记画像包括做着打分、笔记质量、标签、主题。（主题是我上面提到的人工分类的几百个算法里的主题，并不是下面带的标签或者内容主旨）

8. 在我们浏览推荐页的时候，可以多看看一屏的内容（四篇笔记），特别是用别的账号刷到自己账号的时候，如果一屏还有其他和你一样类目的笔记，重点研究，算法认为你们各方面都差不多，都展示了给用户看。

相关文章：

小红书账号自查指南

小红书热门标题的万能公式！

小红书搜索排名高的笔记怎么做？

小红书搜索流量机制，搜索排名怎么做？

小红书直播值不值得做？该怎么做？

作者： 老赵说运营

来源： 老赵说运营

在很多人的印象里，知乎的主要用户画像是男性，虽然就搜索数据而言知乎的男女比例差异略大，但知乎使用者的男女比例为53:47，基本均衡。而这种“反常识”通常会产生认知盲区的红利，小红书上面以女性群体为目标的护肤、美妆、母婴等品类的品牌主，先见性的对其进行布局并从中获利。所以当我们在选择平台做营销的时候，要充分了解不同平台的流量算法机制和目标人群，今天小编就给大家讲一讲这两个平台的不同流量构成和算法机制，希望大家能够从中有所收获。

知乎

1、流量构成

知乎的流量构成主要来自以下四个方面

1）检索流量：据大数据不完全统计，女生在搜索问题的时候大多使用小红书，而男孩在搜索的时候大多使用知乎，许多男性用户将知乎视为掌上百科，在知乎上搜索各种知识、问题以及讨论各种实时热点问题，另外在搜索引擎的加持下，检索流量成为知乎流量的重要组成部分。

搜索流量的优势：准确，生命周期长。

搜索流量的缺点：没有较的强爆发性，且易受到站内排名波动影响。

形式：问答、文章、视频等。

2）推荐流量:推荐回答是知乎站内优先呈现的栏目形式，很多问答文章因为社区的推荐成为爆款。

推荐流量的优势：流量大。

推荐流量的缺点：对文章内容的质量以及后台数据的反馈要求较高。

形式：问答、文章、视频等。

3）热榜流量：知乎热门榜有总排名和各领域排名，是对全站热点内容的一个热度排序，其能在很短时间内吸引全站用户的注意力。

热榜流量的优势：曝光量大。

热榜流量的缺点：选题的内容和文章质量要求高，竞争激烈，容易被拉踩。

形式：问答、文章、视频等。

4）其他流量：

综上所述外，知乎的视频内容输出是近来平台重点扶持输出形式，用户可以在首页进入，也可以在推荐栏和热榜中发现，视频流量的缺点是推送不够精准，依赖社区扶持。除此之外，知乎的其他栏目（直播、圈子、想法、关注栏等）也有部分流量，但由于其基本没有先导入口，不属于知乎营销的重点。

2、算法机制

1）搜索流量

说到知乎搜索流量的排名机制，跟我们熟知的搜索引擎有这相似的算法，站内需要先对内容进行收录，然后才能提升搜索词的排名。

首先发布内容与检索关键词匹配程度是决定该内容是否被平台收录的一大重要原因，两者的匹配相关度越高，被收录的可能性就越大； 再就是优质账号的权重加持，权重越高，获得的排名也越高；其次，发布内容的热门度也是影响搜索排名的原因之一，内容的热度越高，排名会更加靠前。

另外就是搜索问题下面回答的排名。搜索词收录一个问题后，系统就会抓取该问题下高赞的某条回答来展现推送。一般来说，用户搜索问题通常不仅仅只参考一条答案，所以在问题下自然排序第一的回答，有更大的曝光概率。因此，我们再做内容的时候，要保证做到搜索词和问题的排名都十分靠前，这样就会有相对较好的搜索流量； 如果不能做到两者都很靠前，那么起码要保证搜索词和问题的有一个排名是在靠前位置的。

2)推荐流量

知乎平台给站内用户推荐内容使用的是站内推荐算法。平台将抓取的内容推送给一小部分用户，然后收集该部分用户的数据（如阅读完成率、点赞率、评论数等）进行分析，从而衡量该内容是否值得大范围推荐。

3）热榜流量

热榜是知乎根据全站实时热点内容24小时的浏览量、互动量和领域权重来计算出的热门合集。如果想要自己的内容上热榜，就必须要在短时间内提升内容的自然热度，自然热的提升需要有大量相同领域内的用户参与互动（评论、点赞、收藏等），产生良好的体量。

• 综合算法

点击添加图片描述（最多60个字） 编辑

和抖音的算法机制不同的是，知乎采用威尔逊公式来决定内容的推荐和排名。这种算法是根据内容的赞同数、反对数、收藏量来计算出一个相应数据， U是指赞同数，V是指反对数，P是指赞同率{赞同率=赞同数/（赞 同+反对）}， Z 是与权重有关的一个数字。其实，了解知乎平台的都知道，知乎平台用户除了点赞和互动，还可以给不同意内容点下反对票，而这个非常关键，反对票数一定程度上会影响这条回答的正常排名。所以这种算法公式最核心的一点就是：反对率比赞同率重要，赞同率比赞同数重要。

小红书

小红书的算法机制和抖音的算法机制基本相似，也是典型“标签”对“标签”的大数据推送机。由于两个平台的用户有着不同的使用习惯，所以也存在一定的差异化，抖音平台更倾向于主动推荐，小红书更倾向于搜索推荐。再者基于小红书超过 65％的流量来源于检索流量的站内定位，所以在搜索流量算法这一块也相对更精细一些。

1、算法的逻辑

小红书搜索流量算法的逻辑主要是搜索关键词的核心词与推荐内容的匹配相关程度。通过分析用户需求，找到最能高度匹配用户需求的内容并将搜索结果中展示出来。

1）默认提示词

当我们想要搜索的时候经常会发现搜索栏内，即使我们还未输入搜索词，检索框内也会有灰色的搜索词，这是因为系统会根据用户的搜索词进行推荐与之有关联的默认提示词，默认提示词中存在一定量的搜索流量。

2）搜索发现（热门搜索）

热门搜索是将近期时间内被搜索次数最多的关键词进行推荐展示，从而引导平台用户去浏览近期检索热度比较高的话题和内容，所以搜索发现的算法机制跟用户的搜素量和近期的热门话题相关。

• 补充联想关键词

补充联想关键是就是当我们在检索框内输入部分内容时，系统会根据已输入的内容拓展出完整的检索词句，自动补全检索内容。这样通过内容联想匹配出来的检索内容，方便快捷的增加了用户的选择。例如我搜搜鞋子，下拉栏会给我推荐“鞋子男”“鞋子女”等与其相关的关键词进行推荐。

小红书热门关键词的排序是综合展示的结果，“热门关键词” 的热度主要有两方面的因素：内容本身被系统推荐的次数和站内用户主动搜索的频率。用户在搜索之后，系统根据用户的搜索词匹配相关内容，并把所有的搜索结果向用户展示出来。但是当搜索关键词是相关品类中的通用大词时，在界面上半部分就会显示一些可分类筛选的专业标签词汇。这样的功能对那些没有目标的用户的使用体验会更好一些。于此同时，系统将热门排名靠前的内容展示出来，这种检索结果的呈现以及筛选功能，其目的都是帮助用户缩小选择范围，快速选择检索内容。

• 系统推荐算法

1）机器算法机制：根据用户搜索关键词推荐相匹配的内容。

• 阅读延伸推荐：根据用户浏览的相关内容，推荐给用户感兴趣的话题，让用户延伸阅读。
• 社交推荐机制：用户关注账号发布的内容，类似于微信朋友圈信息流的形式。
• 附近推荐机制：根据用户定位，为用户推荐20km范围内的内容。
• 编辑推荐：官方账号将收录的优质笔记进行推荐。

所以在小红书上，只要用户能够输出高质量的内容进行发布，及时在粉丝基数不大的情况下也是可以得到平台的流量推荐的。

以上就是知乎和小红书这两个平台不同的流量构成和算法机制，希望大家在使用这两个平台的时候可以根据上述知识点做出有效的营销。

作者：丝路赞

来源：丝路赞学院