下载文档原格式
头条号推荐原理大揭秘今日内容大纲1、头条是如何把内容推荐给用户的？2、哪些因素会导致一篇文章没有流量？3、如何改进，提高推荐量和阅读量？一、机器是如何把内容推荐给用户的？头条有一个非常庞大而且聪明的系统，它能知道用户喜欢什么，从而为他定制化推荐内容。
我们可以把头条的推荐机制拆分成两步：第一步：识别一篇内容第二步：确定推荐给谁机器如何理解一篇内容？简单来说，就是依托关键词识别技术进行内容刻画。
什么是关键词识别？以一篇文章《疫情期间企业易发刑事法律风险的若干环节及防控建议》为例：在这篇文章的标题和正文中，多次出现“刑事合规、刑事风险、法律风险分析、刑事法律风险防控建议”等词汇，很明显都是一些法律领域的词，那么这篇文章就会先被粗分类到法律领域，然后再根据具体的关键词细分到如“刑法、劳动法”等二三级分类。
如何让机器更好地识别你的内容呢？目前机器已经非常智能，识别率非常高，不过为了避免给机器识别造成障碍，我们可以避免以下情况：主题跨界的文章，例如范冰冰偷税，这类文章中，如果频繁提到范冰冰，影视方面的词，很可能就会被机器识别成一篇娱乐文章，如果文章被推荐给娱乐用户，阅读量可能非常惨淡。
如果我们希望文章被机器识别到法律领域，就应该尽量在标题和正文中强调正确属性的关键词，比如偷税、刑事责任这些与法律相关的词。
确定推荐给谁（个性化推荐）机器只有理解了海量用户的阅读需求，才会知道要把一篇特定的内容推荐给谁。
用户的阅读需求是以兴趣为核心的，机器会根据用户更喜欢阅读哪类文章，判断用户感兴趣的领域，从而将内容和用户匹配起来。
哪些因素会导致一篇文章没有流量？1、消重文章发布后，首先会经过消重机制检测，抄袭文章、非法转载文章会被消重无法推荐。
此外，自己原创的文章，如果被其他账号先发布到头条平台，也容易导致被消重。
建议：原创、先发头条、保证版权2、审核（机器+人工双重审核）（1）以下情况会导致不推荐、删除处理：时政、敏感、负面说明：不看内容所占的比重，出现这类内容即命中审核规则，无法推荐，哪怕只有一个词语（2）以下情况会限制推荐：地域：地区性新闻，只推某一地区质量：标题党、软文、违规推广【违规推广的定义】1、推广个人微信号、微信群、电话号、qq号、qq群；微信账号截图；二维码2、进行任何商业类推广信息3、在文章中加入诱导用户关注的任何语言违规推广将通过命中策略，轻则禁言扣分，重则封号，希望老师发文时务必注意~审核出现问题该怎么办？在微信群内进行反馈，反馈格式：文章预览链接（点击后台文章标题，会跳转到一个预览链接）：问题描述：审核未通过/长时间未审核（半小时以上）：文章没有通过审核，删除敏感的地方之后重新发布，可以吗？最好不要！再次发布容易被消重，导致不推荐。
今日头条及头条号推荐机制详解先介绍一下什么是今日头条智能个性化推荐，然后说明头条号推荐机制、规律。
1、什么是今日头条智能个性化推荐?头条号跟微信公众号最大的区别是：头条号自带粉丝，就算头条号创作者没有粉丝也有可能获得百万千万的阅读量。
决定头条号文章阅读量高低的是推荐量。
头条号自媒体引用智能个性化推荐引擎，能够精准找到读者，无需求关注、求订阅也能拥有海量读者。
今日头条属于机器智能个性化推荐机制，即通过机器算法将用户发表的内容(视频、文章)分发给内容的受众。
智能个性化推荐引擎会根据文章特征(内容质量、内容特征、首发情况、互动情况)、用户特征(头条号历史表、头条号订阅情况)以及环境特征(时间、地域、天气)等等，为文章找到感兴趣的读者并推荐给他们。
2、头条号推荐机制、规律头条号推荐过程是这样的：只要审核通过，机器会首先尝试推荐一定的量，如果点击率和阅读完成率高，再进行新一轮更大范围推荐给更多的相似用户，如果减弱到一定程度，推荐过程就结束。
推荐过程第一个关键点：初始推荐量审核通过后机器首先会尝试推荐一定的量。
那到底这个一定的量是怎么算出来的呢?也即影响今日头条在审核通过后尝试推荐一定的量的最关键因素又是什么呢?答案就是头条号指数。
头条号指数可以理解为「你的内容有多值得被推荐」，这一指数是机器通过一段时间内对作者创作的内容和读者阅读、关注行为的记录和分析得出的帐号价值评分，包括健康度、关注度、传播度、垂直度、原创度等5个维度。
头条号指数越高文章推荐越多。
推荐过程第二个关键点：二次推荐量今日头条尝试推荐了一定数量之后，将根据读者的点击率和阅读完成率来决定是否再进行新一轮更大范围推荐，或者还是减少推荐量。
用户点击了，但不一定看完，看完数量除以点击数量就是阅读完成率。
点击标题并读完文章的人越多，推荐越高。
当然还有其他一些行为也影响二次推荐量，比如点赞、转发、收藏、评论互动，这样的行为对二次推荐也有很大的帮助。
另外还有一个影响二次推荐很大的因素，那就是发文时间。
新手必看的头条号操作今日头条内容推荐机制：本质是：从一个巨大的内容池里给当前用户匹配出最感兴趣的几篇内容。
这个内容池里有各种各样的体裁。
给用户匹配内容的时候，主要依据三个要素：内容、用户、用户对内容的感兴趣的程度。
一、平台怎么分别内容呢？就是提取内容中的关键词，将内容进行快速分类二、平台怎么匹配内容给用户呢？首先平台会多角度去刻画一个用户的画像，年龄、性别、历史浏览的内容、环境特征等等。
以环境特征为例，用户浏览信息是在家里还是外出，是周末还是工作日等等三、用户对内容的感兴趣程度当同时出现十几篇文章或视频的时候，他会对他感兴趣的内容就有所动作，点击阅读、分享、点赞、评论、甚至关注作者。
如果点进去看了两眼，不点赞不评论等，推荐系统就会认定内容不吸引人，不进行推荐。
四、审核环节进入审核环节，先是初审环节，系统会先进行加权推荐，就是冷启动，加权推荐一般是几千次，然后通过以上各种行为综合评估，在进行正常推荐，冷启动结束以后，平台对减少这个内容的加权推荐，这时候内容主要依靠靠创作实力进行推荐。
如果用户对内容行为综合评估之后，然后在进入复审环节，复审环节影响后面的正常推荐。
如何定位自己的内容方向和风格：评估自己的能力模型=专业能力+表达能力+兴趣点+持久力+个人特色【专业能力】：是指你在该领域的专业技能以及该技能带给读者的价值；【表达能力】：包括体裁选择（图文、视频、微头条）和表达逻辑（表达顺序）；【兴趣点】：兴趣是最好的老师，可以提供创作动力【持久力】：稳定定期更新，积累粉丝，建立自己内容库搭建自己的内容库存：首先头脑风暴，列出内容提纲，可以写出具体的内容标题草稿；【个人特色】：读者看到你的名字，就联想到你的特点；另外还要注意：头条上现在有什么内容+没有什么内容+哪些内容可能会受喜欢；去做一些内容延伸：比如你写西红柿炒鸡蛋做法，可能没人看，但你写西红柿炒鸡蛋怎么做汁水多，怎么做营养价值高等，小众的不要去做。
推荐算法原理全文详解系统概览以及内容分析、用户标签、评估分析，内容安全等原理。
1. 系统概览推荐系统，如果用形式化的方式去描述实际上是拟合一个用户对内容满意度的函数，这个函数需要输入三个维度的变量。
第一个维度是内容。
头条现在已经是一个综合内容平台，图文、视频、UGC小视频、问答、微头条，每种内容有很多自己的特征，需要考虑怎样提取不同内容类型的特征做好推荐。
第二个维度是用户特征。
包括各种兴趣标签，职业、年龄、性别等，还有很多模型刻划出的隐式用户兴趣等。
第三个维度是环境特征。
这是移动互联网时代推荐的特点，用户随时随地移动，在工作场合、通勤、旅游等不同的场景，信息偏好有所偏移。
结合三方面的维度，模型会给出一个预估，即推测推荐内容在这一场景下对这一用户是否合适。
这里还有一个问题，如何引入无法直接衡量的目标？推荐模型中，点击率、阅读时间、点赞、评论、转发包括点赞都是可 以量化的目标，能够用模型直接拟合做预估，看线上提升情况可以知道做 的好不好。
但一个大体量的推荐系统，服务用户众多，不能完全由指标评估，引 入数据指标以外的要素也很重要。
比如广告和特型内容频控。
像问答卡片就是比较特殊的内容形式，其 推荐的目标不完全是让用户浏览，还要考虑吸引用户回答为社区贡献内容。
这些内容和普通内容如何混排，怎样控制频控都需要考虑。
此外，平台出于内容生态和社会责任的考量，像低俗内容的打压，标 题党、低质内容的打压，重要新闻的置顶、加权、强插，低级别账号内容 降权都是算法本身无法完成，需要进一步对内容进行干预。
面我将简单介绍在上述算法目标的基础上如何对其实现。
前面提到的公式 y = F(Xi ,Xu ,Xc) ，是一个很经典的监督学习问题。
可实现的方法有很多，比如传统的协同过滤模型，监督学习算法Logistic Regression 模型，基于深度学习的模型， Machine 和 GBDT 等。
一个优秀的工业级推荐系统需要非常灵活的算法实验平台，可以支持 多种算法组合，包括模型结构调整。
2022的春节终于搞明白了头条推荐机制…小白聊运营（推荐机制篇）有人说只要坚持就一定会有收获的，这话不假。
低头走路一直走是会有很远，但是方向错了不一定可以到达目标，明明有直线可以到达的路，为何一定要走个弯路绕一下呢？就像打篮球，不研究一下规则，最基本的走步，运球都不知道，每天去练习什么球技呢？（我们在头条创作的初心都是为了赚钱）研究几天的头条推荐机制和大家分享一下，这就是为什么我们没推荐没阅读，搞懂了相信大家有的放矢，出个爆款问题不大。
直接上干货，建议关注（后面聊聊标题，内容）收藏1.第一个概念：分批次推荐头条号平台是采取的分批次推荐的方式推给用户，首先推荐的是与文章标签最贴近的用户类型，看看这批用户对该文章的反响怎么样，如果反响好，就会第二次推荐的时候推给更多的用户，以此类推；那第一次推荐的效果不好的话，自然推荐的次数会少、推荐的量会少。
比如：我这篇文章涉及的就是如何运营的问题，首先推荐的就是给自媒体创作的人，如果点赞收藏高就继续推荐，毕竟这个是靠机器算法运转的。
2.如何提高推荐量。
简单笔记推荐量和点击率、收藏数、评论数、转发率以及读完率和阅读时长有关系，想要获得爆款的阅读量就要把推荐量上去，所以得研究怎么提高我们的推荐量。
一是标题有吸引力，保证点击率。
大家看头条应该都是一样的，第一眼是看到标题再决定要不要点开看看内容，如果前几秒的标题留不住人，肯定没人会点开仔细阅读。
二是内容详实有干货，保证阅读时长和和收藏数。
图文并茂、文章内容充实，信息量大能让读者觉得有收获，这也就是我们说的优质内容。
三是观点鲜明能引发讨论，保证评论数。
文章中阐述的观点清晰明了，文末还能让读者有所感悟，引起大家的交流讨论。
3.点击率、推荐量低的原因一是做账号时一直找不到自己的领域，也就是垂直度不够深。
自己都搞不清想在某方面创作，头条机器人更是一头雾水，比如坚持在篮球方面一直深入研究，后面你的文章发出来就会推荐到对篮球感兴趣的读者面前。
今日头条的推荐机制分析今日头条，大家公认的一个超级大流量平台，其最大的特点就是文章的智能推荐系统。
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。
除了内容本身的质量以及账号区别之外，最大的关键就在于其算法推荐规则。
搞懂今日头条文章推荐规则，是在这里进行精细化运营的核心关键。
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？首先在说文章推荐规则之前，另一个机制大家一定要先了解，那就是今日头条的消重机制。
你在头条号发布的内容，在通过审核和进入推荐系统之间，还有一道难关，那就是下面要说的消重机制。
基本上，文章被消重是头条号所发布内容无推荐量的最常见的原因。
1想要被推荐，先了解消重机制1）什么是消重？我们都知道，在互联网上，同样的文章、图片、视频往往会被很多其他媒体转载或复制。
如果我们在百度搜索一篇内容，经常会得到多个网址。
所以，我们一般需要自己筛选和判断，哪个网址更权威，更有价值，再点击去访问就可以了。
但是今日头条不一样，它是基于算法推荐给用户的。
所以一定要保证不能连续给用户推荐了几篇相似的内容，否者用户体验会非常差：怎么老是给我推荐一样的内容，什么鬼系统！所以，今日头条在推荐你的文章之前，必须确定这篇内容：●在系统里是否存在相同或者高度相似的内容？●如果存在，那么这篇内容的来源是否是最权威、最有价值、是否最有可能是原创来源？那么，消重就是指对重复、相似、相关的文章进行分类和比对，使其不会同时或重复出现在用户信息流中的过程。
今日头条首先会通过消重机制来决定同样主题或内容的文章是否有机会被推荐给更多用户。
2）头条号内容消重的关键项那如何判断两个内容是否相同呢？如果让人来判断，可能就要逐字逐句地把文章读完才能判断得出来。
通过计算机这样去判断当然也是可以的，不过，当每天需要处理的内容达到十多万篇次的时候，这么做即使对于计算机来也太麻烦了。
今日头条的正确打开方式，文章如何在头条号上获得更多推荐？重点导读头条号的算法推荐一直是一个复杂的话题，今天就来和大家探讨一下，一篇文章如何在头条上获得更多推荐。
现在线上的流量是越来越贵，大家都在找大的流量平台。
要么想要获得流量，要么想要得到平台的补贴，要么就是想着为自己打好广告。
不管任何一种目的，今日头条都似乎能满足大家的意向。
可以说，今日头条是一个非常神奇的存在，一些人在这里赚得盆满钵满，一些人苦苦运营却无人问津。
而多数情况下，文章流量与文章质量是成反比的。
神奇之处就在于，一个内容重复率很高，推荐的内容大多质量不高，评论区充满键盘侠和圣母婊的地方，却有特别庞大的流量。
好吧，哪里有流量，就在哪里奋斗！于是大批自媒体人涌进了今日头条。
我们都知道，头条号有个很大的特点就是机器针对内容的智能算法推荐，把合适的内容推送给合适的人，就是所谓的大数据了。
头条号有个头条号指数，由5个维度组成，指数越高，获得的推荐量就越高。
而一个账号是否值得被推荐以及获得多少推荐量，也是由机器通过对读者阅读行为和记录分析得出。
快速识别每一个用户行为，而且看到是千人千面的页面，每个用户可以看到自己感兴趣的内容，也不会错过热点，是即刷即有的。
简单的说，今日头条推荐还是比较人性化的，就像个人一样，他知道你想看什么，喜欢什么，然后就推荐给你什么。
系统的推荐量关系着文章的阅读量，文章之所以能够被精准推荐，因为机器既能读懂文章，又能猜出用户的阅读习惯。
一般来说，首次推荐，如果点击率高，就证明用户喜欢，增加推荐量，每一次迭代都是实时的，来判定用户的行为，机器先把文章推荐给可能感兴趣的用户，如果点击率（读者深度阅读的点击率）高，再一步步的大范围推荐给更多的相似的用户，如果减弱到一定程度，推荐过程就结束。
以上是文章在平台一方的“运动”过程，那么在自身的一方该怎样才能得到好的推荐呢？一、头条文章流量来源其实，机器算法并没有能力去判断一篇文章的质量高低，头条号上的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。
老司机深度解读头条号算法推荐机制1、一篇文章如何在头条被推荐？这张图是一篇文章从发布到推荐给读者的全过程。
早期，今日头条强调，作者只要负责创作好的内容，头条平台来负责分发，让作者不用担心在分发环节中需要投入的工作量。
经过这些年的发展，有越来越多作者专门研究什么样的文章能得到更好的传播，如何针对头条平台特点来创作内容。
这体现出，作者头条号推荐机制的越来越关心。
那今天就来揭秘一下推荐机制的逻辑。
2.了解推荐机制对内容创作有没有帮助？建议作者根据自己对内容的经验和把控，来创作自己认为优质内容。
作者了解到这些推荐原理，是为了明确今日头条这个平台的推荐是公平的，能把优质内容推荐给读者，推荐过程是没有漏洞可钻的。
换个说法，一个懂算法的人和一个会创作的人，写了文章以后，在头条的推荐效果来看，后者会胜过前者。
推荐系统有一些明确不欢迎的内容，若能避免这些内容，会对创作着精力分配有帮助，避免无用功。
今天分三大块来讲。
一.消重同样内容，只会推荐一篇给读者。
1.为什么要消重？站在读者角度，一次刷新，推荐中出现两篇一模一样的文章，他们会反感，认为是一次不专业的推荐。
就头条平台来说，也是低效的，浪费了一个位置，毕竟读者精力有限，应该推荐他们更感兴趣的文章。
2.为什么头条平台需要做这样的处理，而普通媒体和新闻门户不需要做这样的处理？传统推荐模式：只需要推荐少量确认有价值的文章，大部分文章是不会获得推荐的。
今日头条的模式：认为大部分文章是有推荐价值的，都可以推荐给读者，不需要做人工的预筛选。
且，每个媒体都有发布文章的权利，因此推荐之前做机器消重是有必要的。
这也体现了头条的另一个特点：推荐模式下，天然保护原创，不支持转载。
因为，重复的文章，只有原创的那一篇能得到推荐。
3.怎样做消重？消重的本质是做信息比对。
可以抽象理解每一个字符都有一个“信息身份证”，称之为“信息指纹”。
每次采集的指纹都会有或多或少的细微差别，但通过合理算法可以用很高的概率来确定是不是同一个人。
搞懂头条号这几个要素，让你推荐量阅读量翻一番我曾经说过，“内容为王时代，内容分发变现平台，得推荐者得流量”。
可见文章被推荐由多么重要，自媒体内容分发的推荐机制让做自媒体有了另一种方式，只需要安安静静的做个自媒体的创作者就可以了。
但是，对于推荐机制，这个机制我们还是要好好的认识一下。
一般地，影响推荐的因素有1、点击率：即平时我们常说的推荐播放比=播放量/推荐量的比率。
如果我们把之前提到的内容指标看作“事中”指标的话，点击率可以说是一个事前指标。
点击率代表的是：一个视频标题、封面吸引人的程度。
在平台内被系统推荐的人对内容本身是没有了解的，评判是否要点开播放视频的依据只有标题和头图两个因素。
要提升点击率，就要提升标题和头图的吸引力。
一线运营的同学要多看，多学习他人优秀的标题范式，头图内要包含吸引人的超级符号。
2、评论率、收藏率、转发率、涨粉率：这四个指标平时我们谈的比较多，这四个比率代表的是内容对观众同我们互动的引导能力，这四个指标的高低也决定了进一步可以带来的推荐比重。
•评论率：代表用户在观看视频后愿意进行讨论的意愿。
（评论量/播放量*100%），代表了用户表达自己想法的意愿。
提升评论率，首先在策划内容的时候要考虑到内容本身的可探讨价值，例如：存在争议点、存在对立双方、引发共鸣等。
其次，用户需要被引导，需要在内容包括评论等环节对用户进行引导，鼓励用户互动留下自己的意见。
当然，我们需要的是有意义的评论。
如“互粉”等无意义的评论，建议删除掉，给真正的观众留下一个有意义的意见展示区域。
•收藏率：代表用户在观看视频后进行收藏的意愿。
（收藏量/播放量*100%），代表了观众对内容价值的肯定。
提升收藏率要考虑提升内容的实用价值，例如提升生活品质、提升技能等方向。
•转发率：是指用户在观看后愿意向外推荐、分享的欲望。
（转发量/播放量*100%），转发的行为背后有两种心里因素：觉得对他人有帮助；或者是可以彰显自己支持的观点，作为意见表达的素材。
