導讀

這是一篇頭條號的運營筆記，關於<頭條機器喜歡推薦什麼樣的文章，和文章推薦量低的原因分析>。是我研究了400頁、12萬字、2.5年間的頭條公告/用戶守則/機器算法之後，劃出來的重點。文章不長，但每個字都是乾貨，我花了很多時間和精力，請學習勿抄襲。如果你是自媒體外行，也不打算涉足自媒體行業，建議止步，因為你可能看不明白，白白浪費你時間。如果你是自媒體大神，建議嘗試看一下，因為我相信大部分人都是邊做邊研究而不是進行全面系統的研究，在這過程中，漏掉其中一個關鍵點的可能性非常大，更關鍵的——文章不長，一分鐘就能速讀完。本文主要分享給對自媒體有一些瞭解的朋友，建議反覆的讀，讀每一個字。每一個字都是重點，每一個字都是重點，每一個字都是重點，要逐字逐句的反覆的咀嚼。讀完後，需要結合自己用心的思考，照搬是沒有用的

首先，要搞清楚兩個概念：

• 系統推薦量：依賴於讀者的點擊、閱讀/觀看、收藏、評論等行為

• 文章推薦權重：指文章的系統推薦展示量，取決於粉絲對文章的打開率、讀完率、停留時長、評論傾向等數據

然後，機器要想精準的推薦你的文章，首先它得讀懂你的文章，那機器怎麼讀文章呢？

第一步：提取關鍵詞（包括文章內容和文章標題）

1. 詞頻高的詞：即文章中反覆出現的詞語，撰文常用的虛詞、轉折詞等出現頻率也很高，但它們不是關鍵詞

2. 同類文章中出現次數少的詞

3. 系統提取到關鍵詞後，會將其與分類詞庫的關鍵詞比對，文章即被打上該分類的標籤

第二步：消重

1. 文章內容消重：如果多篇內容具有同一張身份證，那獲得推薦的將是：

1.1來源頭條號已開通「原創」

1.2發佈時間早

1.3來源頭條號的權威性高

1.4網絡上被引用的次數少

2. 標題和預覽圖片的消重：原則同內容消重，但更寬鬆些

3. 相似主題的消重：原則同內容消重，但更寬鬆些

這兩步完成之後，系統就算是“讀懂”了你的文章了

第三步：分批次向用戶推薦

系統根據用戶習慣，給每位用戶打上標籤，並推薦他們可能感興趣的內容

這裡插播一下，用戶興趣的計算規則

Ø基本信息：性別、年齡、所處地理位置、使用機型、授權賬戶（如微博、微信）、手機上經常使用的其他 App 等

Ø用戶主動訂閱或喜歡的內容：訂閱帳號、訂閱頻道、關注的話題

Ø機器通過計算得出的用戶閱讀興趣：用戶閱讀過的文章分類和關鍵詞、相似類型用戶喜歡的其他文章類型、用戶主動標記「不感興趣」的實體詞或文章類型

1. 首次推薦：文章首先推薦給一批對其最可能感興趣的用戶，這批用戶產生的閱讀數據，將對文章下一次推薦起到決定性作用。數據包括點擊率、收藏數、評論數、轉發數、讀完率，頁面停留時間等，其中，點擊率佔的權重最高

2. 二次推薦：如果首次推薦點擊率低，會減少二次推薦的推薦量；如果點擊率高，則會增加二次推薦量

3. 後續推薦：根據前一次推薦量效果，滾雪球式變動，即高則更高、低則更低

到這裡，文章的推薦流程就講完了，清楚了這個流程後，作者們具體需要怎麼做呢？往下看

簡單說就是：通過高位的各維度閱讀數據 → 獲得更多閱讀量 → 得到更多的系統推薦量，轉化成具體行動就是：

1標題和封面圖要有足夠的吸引力、表意清晰（提高點擊率）

2圖文並茂，易讀性強（提高用戶閱讀時間）

3內容詳實，給讀者乾貨般的充實感（提高收藏數和用戶閱讀時間）;

4觀點鮮明，引發讀者討論（增加評論數和轉發數）

5文章推薦的時效期節點通常為24小時、72小時和一週

6除了標題黨外，用戶舉報密集、負面評論過多、無效異常點擊、時效期已過，都是限制推薦量的因素

好了，做完了這些，那推薦效果還是不好，是什麼情況呢？

讓我們一起來分析下推薦效果不好的原因，推薦效果主要包括「點擊率」「推薦量」「閱讀量」三個維度，具體如下：

1. 點擊率低

1.1 內容垂直度低：發表帳號不擅長領域的文章，會延長審核/推薦時間

1.2 標題平淡，沒有吸引力

1.3 配圖沒吸引力、配圖與內容相關度不高、或前三張圖片質量較差

1.4 內容低質，引起讀者反感甚至投訴

2. 推薦量低

2.1 點擊率低，則推薦量低

2.2 潛在用戶群過小：話題冷門、生僻，涉及領域過於專業、晦澀難懂

2.3 內容供過於求：如熱點文章

2.4 非原創/沒在頭條號首發：文章可能被消重

2.5 時效性過短

2.6 審核過程中，由於違規被攔截

3. 閱讀量低

3.1 推薦量低

3.2 點擊率低

篇幅有限，先分享這一小部分。

我不是大神，本文不是說教，歡迎留言討論。

我是【彥小語】