今日头条文章推荐机制揭秘,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。1

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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!

通过获取与用户阅读过文章的相似文章来进行推荐。

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。

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。

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。

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。

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。

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。

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。

1、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。

2、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。

3、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。

4、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。

5、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。

6、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。

7、头条号历史表现要良好,少一些违规违禁。

8、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。

9、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。

10、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。

总而言之,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。

©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 215,874评论 6 498
  • 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 92,102评论 3 391
  • 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 161,676评论 0 351
  • 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 57,911评论 1 290
  • 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 66,937评论 6 388
  • 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 50,935评论 1 295
  • 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 39,860评论 3 416
  • 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 38,660评论 0 271
  • 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 45,113评论 1 308
  • 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 37,363评论 2 331
  • 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 39,506评论 1 346
  • 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 35,238评论 5 341
  • 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 40,861评论 3 325
  • 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 31,486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 32,674评论 1 268
  • 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 47,513评论 2 368
  • 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 44,426评论 2 352

推荐阅读更多精彩内容