無論是曾經的內涵段子，火山小視頻，還是今日頭條，抖音，快手，西瓜視頻等等，隨便哪一個都是用戶幾個月的大流量平臺，其中今日頭條是其他APP的核心基礎。那么如何在今日頭條站住腳，成為大V，并且成功實現變現，是每一位網絡營銷人都在思考的問題。

今日頭條是一個開放內容平臺，最大的特點就是去中心化。內容由算法推薦，對用戶來說，獲取感興趣內容的效率變高了；對內容生產者來說，內容能精準到達更多受眾，但與用戶之間的聯系卻變弱了。這種模式下，用戶只屬于平臺，自媒體想盈利只能依附平臺。

微信公眾號則是一個中心化內容平臺，每一個公眾號都是一個中心，閱讀量直接受粉絲的數量影響，優點是與粉絲之間的互動更強。用戶屬于平臺，也屬于每一個公眾號，因此公眾號官方可以通過廣點通盈利，自媒體也可自接廣告盈利。

可能會有很多人說“內容為王”，是的，內容是決定你是否可以創造出爆文的核心，但不知道大家有沒有發現，很多時候即使你寫出了或者拍出了非常優秀的作品，甚至在別的平臺上發布已經取得了巨大成功，但是到了頭條上就行不通了。

每個平臺都有一套自己的推薦機制，這個推薦機制是有一套很復雜的綜合算法組成的，它考察的也是你綜合的數據，只有滿足了綜合考核指標的情況下才能夠成為真正的爆款。

今日頭條推薦算法三部曲

一、首先是審核

頭條的算法里包含一個可被攔截的內容庫，出現匹配的內容審核就不通過。標題和正文都可能是不過審的原因。

標題太夸張，【竟然XX】、【吊爆了，XX】，或者是敏感詞匯，【天朝】、【金三胖】等這類信息會被退回修改。甚至有些詞匯出現時，系統會提示無法提交。值得注意的是，如果文章第一次沒有過審，會退回修改；以個人發布經驗來看，文章再次過審也不會被推薦。

文章過審后，作者也可以進行修改，提交后重新審核，頭條官方的說法是發布后反復修改不利于文章的推薦。建議作者不是大錯誤就不修改，提前檢查好文章，一次到位。

二、其次消重處理

消重能夠優化用戶體驗，對于每一位用戶，同類主題文章看一篇就夠了。而頭條用戶興趣主要根據用戶點擊來判斷，如果每次都推薦相似的文章，勢必體驗不佳。另外，這也是保護原創的一種手段。

消重機制主要有兩點值得注意，一是申明原創，這篇文章就會作為主要推薦，后來的抄襲者就會被消重，由于這一切都靠算法抓取文字片段，洗稿操作適合也會繞過算法。

二是沒有勾選原創，或者原創沒通過，先發就不一定有優勢。在時效期內（24小時、72小時、一周，根據新聞熱度的不同來定）頭條可能選擇更權威的號作為來源。也就是說，一則相似度很高的內容，自媒體先發，沒有申請原創，像央視新聞這種權威媒體后發，頭條選擇央視新聞的可能性更大。

除了正文，標題和封面圖同樣會被消重。如果后臺顯示推薦量為零，那就可能是文章被消重處理掉了。

另一類是相似主題消重。

一般出現在跟熱點，媒體、自媒體都會從不同角度挖掘熱點背后的信息，但背后信息畢竟有限。前面也說到公眾號是中心化平臺，不同公眾號聚集的人相對封閉，即使相同的信息也能獲得不錯的閱讀量。而頭條是去中心化平臺，只需要幾篇文章覆蓋到整個事件就行了。

所以，在今日頭條上搶熱點，一是速度快，頭條號甚至優先于公眾號發布；二是角度獨特，類似高能E姐寫王寶強事件這種。

三、最后是推薦

用戶在通過社交賬號登陸時，算法會解讀用戶興趣，形成用戶畫像，根據用戶畫像來推薦感興趣的文章。在用戶使用過程中，算法會根據用戶的點擊、搜索、訂閱等行為優化用戶畫像。

如果用戶不登陸，頭條會推薦一些大眾化的內容，再根據用戶點擊來確定用戶畫像。

文章經過審核和消重后，會分批次推薦給用戶。

首先推給最感興趣的用戶，然后根據這批用戶的反饋信息決定下一批的推薦量，反饋信息包括點擊率、收藏數、評論數、轉發數、讀完率，頁面停留時間等，其中，點擊率占的權重最高。

首輪推薦后，如果點擊率低，系統就認為文章不適合推薦給更多的用戶，會減少二次推薦的推薦量；如果點擊率高，系統則認為文章受用戶喜歡，將進一步增加推薦量。

以此類推，文章新一次的推薦量都以上一次推薦的點擊率為依據。此外，文章過了時效期后，推薦量將明顯衰減，時效期節點通常為24小時、72小時和一周。

如此來看，要實現高閱讀量，提高文章的點擊率很重要。

什么樣的文章適合頭條？

先看看今日頭條用戶畫像。

從年齡、城市分布來看，18-30歲人群占到近86%，二線城市及以下占近73%。18-23歲主要是大學階段，24-30歲則多是職場執行層，同時又處在競爭相對不那么激烈的小城市，他們都有一個共同的特點——閑。

閑就需要娛樂，頭條在一定程度上補充了這部分需求，同時又提供大量的新聞資訊，滿足用戶獲得信息的需求。

根據頭條發布的移動資訊行業細分報告可以看出，今日頭條娛樂興趣用戶占全平臺總量68.29%，占比排名第一。其中視頻類閱讀量增速最快，整體閱讀量最高。此類內容在發布時可優先考慮視頻，其次是圖文。

娛樂類受熱點事件影響很大，比如去年八月王寶強離婚案，帶動整月數據提升。可見跟熱點的重要性。

占比第二是的社會類資訊，達67.29%。社會類主是通過圖文閱讀。但自媒體發布社會類內容審核難通過，大部分內容由主流傳統媒體提供。三月份有兩會，又有“薩德”熱點事件，這應該是今年社會類資訊閱讀量較高的時期。

占比第三的是搞笑類，占46.56%。主要閱讀形式是視頻。95.73%的文章在1000字以下，文章短是搞笑類傳播廣的一大特點。還有時政類、情感類、健身類、汽車類興趣用戶占全平臺總量超過20%。

可以看出，頭條用戶喜歡的內容多是消耗時間的內容，而對于知識類干貨等幫用戶省時間的內容則不是那么受歡迎。

那推薦機制是如何操作的呢?

今天我們就為大家詳細解讀頭條推薦機制的工作原理以及運營原理，和大家一起玩轉頭條號。

一、內容標簽

頭條文章正式推送前，需要先經過機器審核，根據以下指標對內容進行針對性特征識別后，為文章打上標簽。

如何確定文章標簽呢?主要依靠關鍵詞。那么如何判斷關鍵詞呢，那就是高頻詞。

如一篇介紹頭條號如何引流推廣的文章，高頻詞是：“今日頭條”、“引流”、“推廣”等，那么系統就會將這3個詞語作為我們的標簽。要特別注意的是，非常規詞盡量不要使用，它們會增加文章的理解障礙，比如一些口水話的替代詞，比如“微信海外半月號”這種，只有專業交易賬戶的號商可能才懂，頭條的機器人是識別不了的。

二、用戶分析

頭條推薦系統對于目標用戶的理解是通過大數據分析得出的，判斷標準主要包括以下3個方面。

(1)基本信息

包括用戶性別、年齡、地域、常用APP等。

比如，來自上海的年齡25歲的男性用戶，使用使用今日頭條看娛樂新聞。那么系統就會嘗試將他與來自同一地區，相同性別年齡，同樣喜歡玩今日頭條的用戶，喜歡閱讀的文章類型進行推薦，并從閱讀情況了解用戶不喜歡哪些類型的文章，并減少此類型推薦。

(2)關注內容

關注內容主要通過關注的賬號、關注頻道以及關注的話題等角度判定。比如，關注講述頭條號漲粉技巧的頻道，那么系統就會嘗試推薦類似引流推廣的的文章/賬號/頻道/圈子推薦給我們。

(3)閱讀興趣

閱讀興趣包括：用戶過去閱讀的文章類型和關鍵詞、相似用戶喜歡閱讀的文章類型和標記了“不感興趣”的文章類型等。

通過對用戶的閱讀興趣的了解，可以進一步了解用戶閱讀習慣。比如，用戶在閱讀故事題材文章時喜歡點贊，閱讀營銷類文章喜歡點擊“不喜歡”，系統就會盡量將故事題材文章推薦給用戶，減少或者不推薦營銷類文章。

三、推薦機制

今日頭條的內容推薦并不是一蹴而就的，也不是一成不變的，而是分批次推薦的，包括抖音也是類似的推薦機制，那么如何推薦呢?

(1)分批次推薦

包括兩種模式：一是某一時效期內多次推薦;二是不同時效期(24小時、72小時和一周)的推薦。

(2)首次推薦

首次推薦給的目標用戶的閱讀標簽與文章標簽匹配度最高，他們被系統認為是最有可能對該篇文章感興趣的用戶。

(3)首次閱讀數據決定第二次推薦量

首次推薦的用戶閱讀數據，包括點擊率、收藏數、評論數、轉發數、完播率和頁面停留時間等，決定著第二次的推薦量。如果首次推薦的綜合指標比較高，那么說明文章是適合這類用戶的。那么系統在第二次推薦時就會加大力度，推薦給更多的人，反之則減少推薦力度。

所以說，很多人發現自己發的內容一上來就沒人看，或者是短短幾個小時就爆了，就是基于這個推薦機制，

四、沒有獲得推薦的幾個因素

(1)內容不垂直

我們在注冊頭條號時需要選擇個人領域，即使不按照領域來發文，系統也會按照我們經常發送的內容和關鍵詞來確定領域，那么如果你新發送的內容和領域不符，那么系統就會重新識別后再推薦，這樣就會使文章不能及時推薦給相應的用戶，自然就不會獲取高推薦量和播放量。

(2)文章內容

文章內容其實不僅僅指的是文章的正文，還包括文章封面，配圖，標簽，標題等等。如果標題和封面不夠吸引用戶或者畫質太低，配圖與內容關聯不強、文章內容質量差等都會導致文章點擊率低。

(3)選擇領域用戶比較小眾。

有些領域的用戶群體很小眾，在今日頭條的閱讀用戶較少，那么即使我們寫的文章質量再高，也很難像娛樂領域，汽車領域那種關注度高的大領域一樣快速獲得大批量用戶閱讀。比如像搖滾，機械等領域，在頭條上就很難獲取大量的推薦，畢竟和頭條用戶不太匹配。

(4)相似內容太多。

當然了，如果選擇太熱門的領域也并非就是一件好事，因為競爭對手太多，強者如林，只要出一個熱點，很多大V就會開始發文，但關注的用戶是有限的。一方面你和那些專業人士競爭肯定是吃虧的，而且熱門話題寫的人多了也就不新鮮了，看得人也相應的少了。

(5)非原創內容可能被消重，導致推薦量不高，比如一文多發的情況。

(6)內容時效短，導致推薦時效很短。比如熱點事件一般都是火幾天就變淡了，推薦量自然也會很快消失。

以上為大家羅列了很多關于頭條推薦機制的內容，總結來講，想在頭條號中長久的運營并獲得良好效果，就是要在垂直領域持續輸出，在實踐的過程中不斷的去測試去摸索，相信大家很快就可以摸索出一套適合自己的高推薦高播放量的創造方法。

五、理解算法機制，信息流平臺“懂用戶”是靠技術

算法型驅動產品不僅在信息分發中逐漸成為主流，還大量應用在電商以及O2O交易平臺之中，這也是為什么現在淘寶強調內容電商、拼多多強調“去中心化的商品興趣推薦”的原因。頭條用戶、市場人常文平認為，“算法推薦雖然方便，應用在電商平臺，系統會結合用戶此前的搜索數據結果顯示推薦，一些已購買的商品重復推薦會白白浪費一些流量位置?！?/p>

這意味著，在內容領域“篩選”已消耗的優質內容的邏輯是否能真正在電商領域跑通，依然在摸索之中。

信息流平臺的推薦算法引擎被認為容易導致用戶獲取其他視角或領域的內容受到局限；一些盲目的、無意識的點擊都會在后續帶來大量并不會真正想看到的內容，在新用戶啟動期時容易出現。

解決此類問題的辦法是用戶有意識地訓練手機的應用里的機器，才能得到高效、適合自己的個性化頁面；與此同時，算法產品會越來越重視“好友圈”，通過人群親密程度與共同話題來更新用戶的興趣圈層。當然，如果以后信息流平臺能夠設置到“特別關注”好友，把好友認可的內容分享給關注對象，或許能有助于優質內容獲取到更多的流量。

頭條用戶稱呼“太準了”以致于出現對用戶隱私利用的猜疑，背后也反映出今日頭條產品在“個性化推薦”上的確愈發成熟化。根據筆者的觀察，今日頭條之所以能夠達到這種境界，與其他信息流平臺有兩個不同的特點：

一是，頭條產品的流量是復合利用的。頭條為了實現人機互動的高頻，不斷在今日頭條App接入新的功能：自媒體資訊、西瓜視頻、火山直播、小視頻、微頭條、悟空問答、電商櫥柜、付費專欄、圈子、小游戲……用戶使用產品功能越多，平臺識別用戶的畫像體系越清晰，系統推薦就越個性化。

二是，頭條系眾多產品把技術力量和流量資源的“復用”發揮到極致、邊際成本降低。而其他很多公司如果不看到這一點，盲目去做多個App就會陷入到兵力分散、人才浪費的困境之中。

結合頭條算法結合興趣社區與社交因素的推測可以看出：頭條做社交特點并不是表現在及時溝通上，而是通過內容作為共同連接點，拉近粉絲與自媒體、用戶與用戶之間的聯系。如果說微信的內容是為了社交粘性服務的，那么頭條的社交如微頭條、多閃等并非突出聊天，更是為了內容推薦更精準、用戶粘性更高，從而實現推薦“場景化”，以致于“懂用戶”信息流平臺被誤會有“用戶隱私”的不安全感。

總結

通過機器記憶的辦法來進行自發推薦，是信息分發更加智能化的表現，也使得用戶隱私保護自然成為更為敏感環節。用戶敏感隱私與網友所產生的數據本身是有區別的：前者屬于法律范疇，后者是技術范疇。個性化推薦意味著平臺對相應的隱私保護的升級，這事關信息流平臺生存的根本；沒有用戶數據資源為基礎，信息流平臺的個性化推薦和商業化也是空中樓閣。

對頭條算法上述解讀不難發現：內容推薦算法既離不開用戶上網行為數據化，也離不開用戶所關注的人，是“信息找人”與“人找信息”相輔相成；算法由人創造，也可以服務于人，其邊界和權限也可以由人來控制的，無需進行妖魔化或者神秘化。

本文鏈接：http://www.sztqnet.com/article/1146.html