百家号、头条号这些平台，到底是什么样的推荐机制？

全民站长

错过了公众号红利，或许我们都不应该错过头条号、百家号、企鹅号等平台的机会，这些开放式平台已经把算法和推荐机制做到了极致，能够把一篇文章精准地推荐给感兴趣的用户，通过精准的算法这些平台在用户粘性上也取得了不小的成绩

那么，文章在后台从申请发布到推荐这一关键环节，经历了怎样的“九九八十一难”才精准地呈现在读者面前？将在本文中为您做详细解答。另，一些其他关注率极高的问题，例如：我的文章为什么没有通过审核？为什么我的文章阅读量这么低？如何提高？如何能做到高曝光？等等…你都可以在本文中找到答案

什么是开放式平台？

我把所有的平台分为了两大类，第一种叫开放式平台，另一种叫封闭式平台；开放式平台有：头条号，百家号，企鹅号，大鱼号等等；封闭式平台有：微信公众号、微博、博客等等。

所谓开放式就是不需要你有粉丝基础，只有你的内容质量较好，平台就会把你的文章推送给更多的潜在用户；所谓开放式就是光有优质内容不行，传播还需要你有粉丝基础。

听起来开放式平台好像更好操作，其实不是，因为开放式平台有着复杂的推荐机制，你自认为质量较好的内容，可能在开放式平台偏偏不会得到推荐，你认为质量一般的内容，却被系统疯狂推荐，让人搞不懂。

其实不必诧异，因为开放式平台的推荐都是系统智能推荐，早就告别了人工推荐时代，系统毕竟只是系统，没有人类的智慧，高深和有内涵的文章往往会被埋没。

开放式平台内容推荐机制大公开

作者们创作的文章，传输到推荐系统后，就进入到随时待命的状态，被机器推荐分发给用户。推荐系统如何将文章，智能地推荐到各个感兴趣的用户面前呢？打个比方，我们把一篇文章比喻为一个包裹，推荐系统就是一个高效的快递员，快递员之所以能将包裹准确地送到用户手中，就是因为他知道用户的住址，并通过精确识别包裹上的地址，送到用户的手中。

一、推荐系统如何识别文章的“地址”呢？

一篇文章，包含了标题、正文、来源等多种信息，这些信息都是文章的重要组成部分。人看到一篇文章，标题是第一印象，读完文章以后，会通过大脑抽象、归纳、解析后，得到的最有价值、最有代表性的信息，形成对这篇文章的记忆和认知。

推荐系统正是通过深度学习人的大脑认知，对文章进行特征的识别，判断文章是什么分类、属于什么领域，提取出该文章最有价值的信息是什么、最吸引人的是什么。也许你已经猜到了，这就是一篇文章的类别、关键词或者标签，这些信息就构成了文章最基本。的“地址”。

二、机器是怎么识别这些“地址信息”呢？

首先是充分利用标题中的有效信息。俗话说“题好文一半”，标题既是一篇文章的包装纸，吸引用户点击打开观看里面的内容，又是一篇文章重要信息的提炼展示。机器会充分提取标题中的实体词，用于文章的分类、关键词等特征提取。所以在创作时，既要注意保证标题的吸引力，又要注意不能有太多的不符合常规用法的词。例如村通网、厉害了我的哥等词，对于机器来说，可能存在一定的识别困难，导致它不能从标题中提取有用信息。

尽可能地在标题中使用有意义的实体词，减少语气助词、虚词、数词等，能够让机器更好地理解文章。例如同样一篇讲述明星时尚的文章，“范冰冰杨幂蒋欣也有画错妆的时候，有点惊悚！”这个标题就比“你见过他们画错妆的样子吗？有点惊悚！”体现出了更多文章中的代表性信息，能够让机器更精确得识别文章特征，获得更多的推荐机会。

其次是文章正文中词的频率和性质。一篇文章在机器识别过程中，会被解析成字、词等粒度的语料，系统根据这些字、词的频率和性质，判断文章的特征。与我们人的经验认知一样，一般而言，我们判断一篇娱乐类文章是关于电影新片的报道，往往从字里行间中出现频率较高的明星名字、电影片名、电影专业术语得出结论的，例如周星驰、朱茵、大话西游、翻拍等词。机器也会从文章出现的高频词中，识别这些词并进行判断。

另外，语气助词、虚词、介词等，尽管出现频率较高，但由于这种词在各类文章中都经常出现，机器对这些词会进行特殊处理，不作为文章的关键词。机器提取出关键词后，会将这些词用分类模型等进行分析，选取命中分类词库比例最大的，作为文章的分类标签。例如一篇文章，提取出的关键词是周星驰、朱茵、大话西游、翻拍，那么该文章很有可能同时被打上娱乐、电影、经典电影等类别或标签。

三、哪些用户会接收到你的文章呢？

文章有自己的特征，用户也有自己的特征。推荐系统要做到把文章推荐给对它感兴趣的用户，不仅要识别文章的特征，也要对用户有全方位、动态化的认知，只有这样，才能充分了解用户的阅读兴趣。而用户的特征和阅读兴趣，就是机器从大量的数据中分析出来的。

这些数据包括什么呢？

（1）用户的基本信息

性别、年龄、职业、地理位置等；

机型、品牌、账号（包括第三方登录账号）等；

（2）用户直接表明兴趣的行为

关注的栏目

订阅的账号

搜索的话题

用户主动反馈的不感兴趣类别、关键词等

（3）智能分析计算得到的用户兴趣偏好

阅读/分享/收藏过的文章分类、关键词等

相似用户的喜好

机器从这些数据中分析用户的兴趣偏好，数据积累得越多，机器对用户的判断准确性越高。也就是说，一个用户产品使用时间越长、点击等行为越丰富，机器越能建立全面立体的用户兴趣模型。

文章的特征一样，用户的兴趣偏好也有类别、关键词等标签。一个用户既可能有周星驰、吴孟达、梁家辉、iPhone、马云、阿里巴巴等关键词的阅读兴趣，也可能有电影、港台电影、手机、互联网、科技等分类标签兴趣。没有两个用户的标签是完全一样的。

推荐系统的个性化推荐，可以简单理解为这样一个实现过程：当我们识别到某个用户有周星驰、港台电影的兴趣时，我们会在文章中寻找带周星驰或者港台电影标签特征的文章，将这些文章与用户进行智能匹配，实现个性化推荐

四、其他影响推荐的因素

很容易想到，如果根据上述原理，单纯依赖于文章的分类、关键词标签和用户的分类、关键词标签匹配进行推荐，那么每天在开放式平台有数万篇文章被生产，其中相同的分类、关键词标签的文章肯定不少，这些文章难道最终都被推荐给相同的用户、拥有相同的推荐量吗？

当然不是！

我们希望优质的、受欢迎的内容能够被更多用户看到，对于不优质、不受用户欢迎的内容，则尽可能避免推荐资源浪费。因此，在文章生产后，机器会有一个初始投放的过程。在初始投放时，我们将文章推荐给与这篇文章特征最匹配的用户，这些用户由于对文章所在分类、领域等关注度高、感兴趣，他们对文章的质量判断相对而言也具有较好的可信度。这些用户的行为数据反馈，包括点击率、分享数、收藏数、阅读进度、读完率等，对后续的推荐起了非常重要的作用，数据表现越好，被认为文章越受用户欢迎，越有机会获得更多的曝光。

此外，文章还会具有一定的时效性。一篇文章的时效性有24小时、48小时、72小时、一周等。文章的时效性也会影响到推荐的周期和顺序。举个例子，一篇文章刚进入推荐系统时，系统会通过类别、关键词等找最感兴趣的用户1000个，如果这批用户被推荐这篇文章后，点击率很高，系统会认为这篇文章很受用户的欢迎，它将会把文章推荐给更多用户，如果下一轮被推荐的用户仍然表现为对文章很感兴趣、点击率高，那么文章会被再次扩大推荐范围，获得更多的推荐量。

以此类推，只要文章在每一轮扩大推荐保持较好的数据表现，推荐量就会不断扩大，直到过了文章的时效性。

从上述机制，不难发现，想要获得高的推荐量，就必须创作一篇受用户欢迎的文章，来拉动各项数据指标。

（1）好的标题和配图，提升点击率。直接的方法就是创作出吸引人的好标题，设置与文章主旨相符的、引人入胜的好配图。当然，吸引人的标题不能过度创作，变成夸张的标题党，系统对于识别出是标题党的文章，是会打压推荐量的。

（2）文章引人入胜，提高用户阅读时长和读完率。这就要求作者的正文，图文并茂，具有较高的可读性，吸引读者读完文章、较长时间停留在正文阅读页。如果标题很吸引人，用户点击进来发现正文写的不好，会马上跳出页面，这样，用户阅读时间过短，系统会识别为虚假点击，影响文章的数据表现。

（3）观点实用、独到，提高用户的收藏数、分享数、跟贴数。很多用户有分享、收藏的行为，如果文章质量佳、实用性强，用户会自发地收藏或者转发；而文章观点独特、吸引用户跟贴，更能提升文章的数据表现。

（4）内容合规，避免被用户举报投诉、负面评论。我们设置了虚假新闻、低质量、低俗等投诉选项，如果用户投诉达到一定数量，文章将会被系统识别打压；用户评论中如果出现一定数量的负面评论，也会影响文章的推荐量扩大。

（5）保持账号的优质性。我们对账号也会进行质量评级，如果该账号一贯以来，发表的文章产量稳定、质量好、受用户欢迎，那么我们将会在推荐量上给予其下一篇文章的鼓励。当然账号的质量评级是动态进行监控的，如果发现账号最近的文章质量下降了，我们也会取消其原有的质量评定和推荐量激励。

五、文章的数据表现为什么不好？

作者最关心的、同时也是最能影响文章在推荐系统的后续效果的，就是推荐量、点击率这两个数据。有些作者可能对文章的推荐量、点击率表现不好存在疑虑。在这里对这两个数据简单进行解读。

（1）推荐量低

推荐量是决定阅读量大小的重要因素，推荐量低的主要原因有：

1、点击率过低，将会影响推荐量，潜在的用户群过小，推荐量不高。

如果帐号潜在的用户群实在过小，机器将很难挖掘到潜在用户，推荐量自然高不了。而潜在用户群过小 有如下原因：

话题过于冷门、生僻；

涉及领域过于专业，晦涩难懂，与主流群众有一定距离；

2、内容供过于求。

同一领域或话题相似内容过多，出现了供过于求的现象。如，关于当下热点话题的谈论，受众虽然足 够多，但是内容供给总量实在庞大，相应地每一篇内容得到的推荐量也就比较少;

3、消重机制会影响推荐量。

相似文章过多，被去重；同话题文章过多，内容供过于求。很多作者擅长抓住热点加以发挥创作，这样能够吸引主流用户，但由于很多作者都有这个倾向，导致一部分文章集中在某一个话题或者领域，甚至相似度过高，被系统去重。这个很好理解，100篇同话题文章，对应10000个用户，和10篇同话题文章，对应10000个用户，每篇文章的用户获得的推荐量肯定是不一样的。

4、时效短，影响推荐量。

时效性短的文章，实际推荐时间自然也短，而短时间内可能将无法获得较多的推荐量；

5、审核中被拦截，内容不被系统推荐。

如果文章不符合审核管控规定，会被审核员认为不可推荐；如果文章过了审核，但推荐过程中被用户投诉或者负面反馈过多，也会被系统下撤停止推荐，影响推荐量。

（2）点击率低

标题吸引力不足。标题对用户无吸引力，文章的点击率自然就不高。

配图不够吸引人。资讯阅读往往是碎片化时间进行，视图表现对吸引用户点击至关重要，如果图片平淡无奇或者图文不符，用户自然失去点击的动力。

文章特征不明显，识别成本高。如果作者发表的文章跟该账号之前的文章类别差别很大，比如一个财经类的账号，发表了一篇体育类文章，对于系统来说，增加了分类的识别成本；如果作者本身发表的文章涉猎广泛，文章的标题和正文能命中类别词库的词也很少，系统提取关键词、识别分类的成本也会很高。这些都会影响推荐效率，从而影响点击率。这就希望作者尽可能地在自己擅长的垂直领域进行专业化创作，保证高水平的点击率。

五、综合指数用来干嘛的？

我们知道，多数的开放式平台都有综合指数（头条号、趣头条除外），分别由原创度、活跃度、垂直度、健康度、互动度，个别平台指数名称不一样，但是代表意思和统计方法都是相同的。

综合指数在一定程度上决定了我们的推荐量会有多少，每一个新的账号的推荐量都是有边界的，至于这个边界如果界定就要看我们的综合指数能达到多少，下面分别说下五大指数如何提升。

原创度

坚持文章原创和首发。伪原创、非首发都会影响机器人对你的推荐。很多都注重公众号首发，然后复制粘贴到开放式平台上，就连图片都不变。

这就是为什么公众号10W+的文章在头条上默默无闻。无论是篇幅、排版，还是封面、标题。都有别于公众号。开放式平台的篇幅不易过长，控制在800—1500字，每400字左右配上一个图，这样更适合人们的阅读习惯，减轻阅读压力。

文章发布尽量手动发布，可以发布半小时后公众号再发。

活跃度

坚持每天都发一篇文章。很多人周末休息，今日头条也停更，其实周末很多人都不发，如果你发了不仅可以提高活跃度，更能获得更多的推荐量。

多数平台对于账号活跃度的要求都有明文的要求，每个账号应该至少要有一篇文章或是视频的产出，如果达不到日更，活跃度将大受影响。

垂直度

这个很重要，首先它会影响你的综合指数，其次是影响推荐量。找准定位，选择哪个领域就专攻哪个领域，开放式垂直度可以分的很细。文章内容的垂直度越高，机器人就会给你更多的推荐。

我个人把垂直度分为了三度垂直，分别举例说明。

比如你正在做一个体育领域的百家号，如果你发布的内容都是跟体育有关，但是没有细分，这算是一度垂直；如果你发布的内容细分到只发某一个运动系，比如你只发关于篮球或是足球的内容，这就能算是二度垂直；如果你发布的内容再细分一些，只发关于某一支足球球队乎或是某个篮球联赛、球星，这就能算是三度垂直，三者比较，平台会更喜欢二度垂直和三度垂直的账号，内容越细分，垂直度越高，账号越容易被加权。

互动度

发文后每一条留言都回复，互动度就一定能上来。切记，回复留言不要隔天，当天的评论当天回。不管是夸你的还是骂你的，留言多的前几条留言一定都回复，后面的可以不回复。很多大号也在坚持这样做。

健康度

不发S***Q、时政信息；配图美观，不影响阅读质量，延长在页面停留时间；不做标题党；不发旧新闻。做到这些想不健康都难。

学习了这么多的技巧，抓紧去用起来吧！

友情提醒：全民网赚论坛官方微信公众号开通了，这里没有广告，只有网赚干货教程！定期分享你意想不到的网络思维！还有红包抽奖等系列活动！部分教程需要解压密码，所以请务必加微信公众号！
据说扫下这个二维码的，一个月都可以赚几万块！试试就知道哦！

免责声明

1、本资源转载于网络，版权归原作者所有！仅供个人用于学习研究参考，本站不承担任何技术及版权问题。

2、资源来源于网络转载收集，如有侵犯到您的权益，请联系下方邮箱，我们第一时间删除!

3、本站广告均由广告商投放，真假请认真辨别，出现欺骗性行为，本站不负任何责任。

4、拒绝任何人以任何形式在本论坛发表与法律相抵触的言论，违者直接删除并封号。

5、全民创业论坛官方邮箱：31355516@qq.com