今日头条文章推荐机制:如何获得海量推荐?

无论是看在钱的份上,还是看在平台庞大流量的份上,貌似在今日头条这个海量流量平台开个头条号已经成为了大家的标配。但是,有些人在今日头条文章动辄几十万、几百万,甚至上千万阅读,但有些则只是几十、几百的流量,头条号区别于微信公众号的关键就在于其算法推荐机制。

今日头条流量来源

微信上,粉丝读到一篇文章主要是从两个地方:

一是在公众号内,源于自己的主动关注;

二是在朋友圈,来源于朋友推荐。

但在今日头条上,用户读到的文章基本源于平台智能推荐。两个平台上阅读来源的区别,造成阅读表现的巨大差异。公众号内容的阅读量与粉丝高度相关,百万大号几乎篇篇10万+,小号难得上万。但对于今日头条来说,即使零基础,也可能产出百万加爆文,这是很正常的。

所以说,在微信流量主要被大号把持,小号脱颖而出越来越难的情况下,今日头条的推荐机制对内容生产的新人来说就显得更有利。如果内容优质,小号也能获得可观的曝光量,账号通过推荐能够持续不断触达新用户,获取更大范围的曝光度,建立起知名度。

那么今日头条海量文章推荐的机制是怎么样呢?为什么有的文章展现量几百万,有的却只有几十几百?对于文章的推荐机制我们又能做些什么呢?

一直以来,外界对头条号的算法推荐机制都知之甚少。而在不久前头条号团队一位负责人首次对推荐算法进行了揭秘。

今日头条文章推荐机制揭秘

今日头条流量来源机器算法并没有能力去判断一篇文章的质量高低,从上图可以看出,推荐机制是通过初次定位推荐,然后接受反馈调整,再做二次推荐。算法不是死的,也不是固定的,而是处于动态调整之中。影响推荐的因素可以分为两部分。

第一是长期性因素,就是上图中下面几个指标:定位、互动、发文频率。

每一个头条号都是一个品牌,过往的主观努力和历史成绩会成为影响算法的重要因素。对于一直很受欢迎的账号,算法在推荐时肯定会给予更高权重。

另外就是短期因素,也就是具体单篇文章的好坏,其中点击率、读完率、站外热度、分类等非常重要。初次推荐如果完全由算法机制决定的话,那么文章的选题热度、定位、点击率和读完率,这些就基本上看创作功底了。

玩转头条号的六个秘诀

1、头条爱故事,微信爱鸡汤

对于微信和头条用户偏好的区别,头条号“脑洞历史观”的运营者总结为:头条爱故事,微信爱鸡汤。微信上的内容,依赖分享带来的传播,而人们的分享行为是被情绪驱动的,所以鸡汤更容易爆红。 但头条号不同,有明确所指,包含可识别信息的内容更容易被算法识别并推荐,比如包含明星、职业、地名等。

2、多图少字,篇幅简短

在社交媒体上,阅读的场景变化让碎片化内容大行其道,高清无码大图+少量文字成为无往不胜的利器。其实纵观榜单上的知名大号,内容大都是此类风格。

3、热点才是王道

社交媒体上,人们的注意力高度分散,热点作为陌生人之间的共同关注,天然具有带来注意力的磁性。无论是蹭热点也好,追热点也好,用热点做话题都是新媒体人的必修课。而且,热点源源不绝,也是那就是你应该去做的话题。

4、专注、专业

专注是指有明确的定位,给什么人看,关注什么领域,运营者内心必须有清晰地想法。而专业是新媒体快速发展的要求,如果你不能比对手做得更好,即使在新媒体这个充满机会的行业,也照样会被淘汰。

5、重视评论,多互动

虽然头条号并不像公号那样强调运营,但通过查看评论了解用户的心理态度,甚至主动参与评论回复,都有助于创作者写出更受欢迎的文章。

6、有态度,有观点

无论你是否承认,人都是有立场的,并不存在一种观点所有人都认同,因而文章只能是从你的立场出发,努力追求部分人的高度认同,即使得罪另外一部分人也在所不惜。有态度,有观点,才能有传播。

以上内容整理自新榜(微信号:newrankcn)

下面咱们接着聊,之前木木也给大家推荐过今日头条文章的智能推荐机制,它的文章推荐机制是个性化推荐机制,最大化保证推送的精准度,尽量保证对的文章推荐给对的人,一句话就是:你关心的,才是头条!

今日头条流量来源

今日头条文章个性化推荐机制主要有:

相似文章主题相似性的推荐:通过获取与用户阅读过文章的相似文章来进行推荐。

基于相同城市的新闻:对于拥有相同地理信息的用户,会推荐与之相匹配的城市的热门文章。

基于文章关键词的推荐:对于每篇文章,提取关键词,作为描述文章内容的一种特征。然后与用户动作历史的文章关键词进行匹配推荐。

基于站内热门文章的普适性推荐:根据站内用户阅读习惯,找出热门文章,对所有没有阅读过该文章的用户进行推荐。

基于社交好友关系的阅读习惯推荐:根据用户的站外好友,获取站外好友转发评论或发表过的文章进行推荐。

基于用户长期兴趣关键词的推荐:通过比较用户短期和长期的阅读兴趣主题和关键词进行推荐。

基于相似用户阅读习惯的列表推荐:计算一定时期内的用户动作相似性,进行阅读内容的交叉性推荐。

基于站点分布来源的内容推荐:通过用户阅读的文章来源分布为用户计算出20个用户喜欢的新闻来源进行推荐。

当然,今日头条个性化推荐算法肯定不止是这么多,但是总的来说,今日头条的智能推荐引擎会根据内容质量/内容特征/首发情况/互动情况/媒体的历史表现/媒体订阅情况,为文章找到感兴趣的读者并推荐给他们。这其中有一些硬性的东西(如用户兴趣、用户阅读习惯、地理位置等)是我们改变不了的,不过在木木看来,也有些东西你是可以做的。

怎么做才能让文章被更多人看到?

今日头条流量来源

尽量在今日头条上首发你的文章,因为这也是今日头条推荐机制的一个标准。首发原创是根据后台的文章来判别,如果文章之前有发过的话,机器会自动进行消重减少推荐。

阅读量,阅读得越多被推荐的也会越多,因为阅读量一直都是一个很硬性的标准,很大一定程度上反映了文章的受欢迎程度,你可以多站内站外推广选择自己的文章。

多号召别人在文章底部互动交流,你自己也可以参与到互动中去,互动情况是今日头条文章推荐机制中很重要的一个标准,很多时候你会看到这种情况,一个不怎么样的文章底部骂声不断有很多的互动,结果推荐展现就是多,因为本身有争议的话题就是有看点的。

标题吸引眼球,有点击欲望,这点不用多说,点击多阅读就多,阅读多相应的推荐也会多。

让更多的人订阅你的头条号,这一点从二方面来说,一方面是审核通过的文章会及时推荐给订阅者,订阅者与文章的互动(包括点击、顶、收藏、转发等动作),会加强上面说的互动属性,从而导致更多的推荐。另一方面,订阅的人多也能大大增加文章的阅读量。

标签。文章内容是有标签的,今日头条推荐文章时会对会根据文章的内容打上标签,这些标签和用户身上带的标签匹配时,推荐就容易多推。所以也是可以在内容和标题里多次出现一些关键词,提高这些关键词热度。

头条号历史表现要良好,少一些违规违禁。

发布文章的时候设置文章频道,频道是可选的,你选择了频道以后,今日头条可以帮助我们的机器更准确的将文章分类进行推荐。

注意发布时间,文章审核通过后短时间获得的阅读量、点击、互动越多,相应的展现也会推荐越多,就跟新浪热门微博一样有一个瞬时转发率,所以发力也要找准时间,一方面根据你的公众号阅读数据做统计,另一方面根据移动互联网用户的一个普遍阅读时间段做参考,找好你的发布时间。

保证文章具有很好的质量,这点肯定是必须的,这一点做好了,前面的这些因素完全会提高。

深入理解推荐机制,在内容创作阶段就进行针对性优化,可以使头条号的文章传播事半功倍。


文章著作权归作者所有,侵权即删。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,332评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,508评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,812评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,607评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,728评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,919评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,071评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,802评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,256评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,576评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,712评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,389评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,032评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,798评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,026评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,473评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,606评论 2 350

推荐阅读更多精彩内容