推荐 今日头条推荐算法是如何操作的，轻松获取高推荐高播放量

无论是曾经的内涵段子，火山小视频，还是今日头条，抖音，快手，西瓜视频等等，随便哪一个都是用户几个月的大流量平台，其中今日头条是其他APP的核心基础。那么如何在今日头条站住脚，成为大V，并且成功实现变现，是每一位 网络营销人都在思考的问题。

今日头条是一个开放内容平台，最大的特点就是去中心化。内容由算法推荐，对用户来说，获取感兴趣内容的效率变高了；对内容生产者来说，内容能精准到达更多受众，但与用户之间的联系却变弱了。这种模式下，用户只属于平台，自媒体想盈利只能依附平台。

微信公众号则是一个中心化内容平台，每一个公众号都是一个中心，阅读量直接受粉丝的数量影响，优点是与粉丝之间的互动更强。用户属于平台，也属于每一个公众号，因此公众号官方可以通过广点通盈利， 自媒体也可自接广告盈利。

可能会有很多人说“内容为王”，是的，内容是决定你是否可以创造出爆文的核心，但不知道大家有没有发现，很多时候即使你写出了或者拍出了非常优秀的作品，甚至在别的平台上发布已经取得了巨大成功，但是到了头条上就行不通了。

每个平台都有一套自己的推荐机制，这个推荐机制是有一套很复杂的综合算法组成的，它考察的也是你综合的数据，只有满足了综合考核指标的情况下才能够成为真正的爆款。

今日头条推荐算法三部曲

一、首先是审核

头条的算法里包含一个可被拦截的内容库，出现匹配的内容审核就不通过。标题和正文都可能是不过审的原因。

标题太夸张，【竟然XX】、【吊爆了，XX】，或者是敏感词汇，【天朝】、【金三胖】等这类信息会被退回修改。甚至有些词汇出现时，系统会提示无法提交。值得注意的是，如果文章第一次没有过审，会退回修改；以个人发布经验来看，文章再次过审也不会被推荐。

文章过审后，作者也可以进行修改，提交后重新审核，头条官方的说法是发布后反复修改不利于文章的推荐。建议作者不是大错误就不修改，提前检查好文章，一次到位。

二、其次消重处理

消重能够优化用户体验，对于每一位用户，同类主题文章看一篇就够了。而头条用户兴趣主要根据用户点击来判断，如果每次都推荐相似的文章，势必体验不佳。另外，这也是保护原创的一种手段。

消重机制主要有两点值得注意，一是申明原创，这篇文章就会作为主要推荐，后来的抄袭者就会被消重，由于这一切都靠算法抓取文字片段，洗稿操作适合也会绕过算法。

二是没有勾选原创，或者原创没通过，先发就不一定有优势。在时效期内（24小时、72小时、一周，根据新闻热度的不同来定）头条可能选择更权威的号作为来源。也就是说，一则相似度很高的内容，自媒体先发，没有申请原创，像央视新闻这种权威媒体后发，头条选择央视新闻的可能性更大。

除了正文，标题和封面图同样会被消重。如果后台显示推荐量为零，那就可能是文章被消重处理掉了。

另一类是相似主题消重。

一般出现在跟热点，媒体、自媒体都会从不同角度挖掘热点背后的信息，但背后信息毕竟有限。前面也说到公众号是中心化平台，不同公众号聚集的人相对封闭，即使相同的信息也能获得不错的阅读量。而头条是去中心化平台，只需要几篇文章覆盖到整个事件就行了。

所以，在今日头条上抢热点，一是速度快，头条号甚至优先于公众号发布；二是角度独特，类似高能E姐写王宝强事件这种。

三、最后是推荐

用户在通过社交账号登陆时，算法会解读用户兴趣，形成用户画像，根据用户画像来推荐感兴趣的文章。在用户使用过程中，算法会根据用户的点击、搜索、订阅等行为优化用户画像。

如果用户不登陆，头条会推荐一些大众化的内容，再根据用户点击来确定用户画像。

文章经过审核和消重后，会分批次推荐给用户。

首先推给最感兴趣的用户，然后根据这批用户的反馈信息决定下一批的推荐量，反馈信息包括点击率、收藏数、评论数、转发数、读完率，页面停留时间等，其中，点击率占的权重最高。

首轮推荐后，如果点击率低，系统就认为文章不适合推荐给更多的用户，会减少二次推荐的推荐量；如果点击率高，系统则认为文章受用户喜欢，将进一步增加推荐量。

以此类推，文章新一次的推荐量都以上一次推荐的点击率为依据。此外，文章过了时效期后，推荐量将明显衰减，时效期节点通常为24小时、72小时和一周。

如此来看，要实现高阅读量，提高文章的点击率很重要。

什么样的文章适合头条？

先看看今日头条用户画像。

从年龄、城市分布来看，18-30岁人群占到近86%，二线城市及以下占近73%。18-23岁主要是大学阶段，24-30岁则多是职场执行层，同时又处在竞争相对不那么激烈的小城市，他们都有一个共同的特点——闲。

闲就需要娱乐，头条在一定程度上补充了这部分需求，同时又提供大量的新闻资讯，满足用户获得信息的需求。

根据头条发布的移动资讯行业细分报告可以看出，今日头条娱乐兴趣用户占全平台总量68.29%，占比排名第一。其中视频类阅读量增速最快，整体阅读量最高。此类内容在发布时可优先考虑视频，其次是图文。

娱乐类受热点事件影响很大，比如去年八月王宝强离婚案，带动整月数据提升。可见跟热点的重要性。

占比第二是的社会类资讯，达67.29%。社会类主是通过图文阅读。但自媒体发布社会类内容审核难通过，大部分内容由主流传统媒体提供。三月份有两会，又有“萨德”热点事件，这应该是今年社会类资讯阅读量较高的时期。

占比第三的是搞笑类，占46.56%。主要阅读形式是视频。95.73%的文章在1000字以下，文章短是搞笑类传播广的一大特点。还有时政类、情感类、健身类、汽车类兴趣用户占全平台总量超过20%。

可以看出，头条用户喜欢的内容多是消耗时间的内容，而对于知识类干货等帮用户省时间的内容则不是那么受欢迎。

那推荐机制是如何操作的呢?

今天我们就为大家详细解读头条推荐机制的工作原理以及运营原理，和大家一起玩转头条号。

一、内容标签

头条文章正式推送前，需要先经过机器审核，根据以下指标对内容进行针对性特征识别后，为文章打上标签。

如何确定文章标签呢?主要依靠关键词。那么如何判断关键词呢，那就是高频词。

如一篇介绍头条号如何引流推广的文章，高频词是：“今日头条”、“引流”、“推广”等，那么系统就会将这3个词语作为我们的标签。要特别注意的是，非常规词尽量不要使用，它们会增加文章的理解障碍，比如一些口水话的替代词，比如“微信海外半月号”这种，只有专业交易账户的号商可能才懂，头条的机器人是识别不了的。

二、用户分析

头条推荐系统对于目标用户的理解是通过大数据分析得出的，判断标准主要包括以下3个方面。

(1)基本信息

包括用户性别、年龄、地域、常用APP等。

比如，来自上海的年龄25岁的男性用户，使用使用今日头条看娱乐新闻。那么系统就会尝试将他与来自同一地区，相同性别年龄，同样喜欢玩今日头条的用户，喜欢阅读的文章类型进行推荐，并从阅读情况了解用户不喜欢哪些类型的文章，并减少此类型推荐。

(2)关注内容

关注内容主要通过关注的账号、关注频道以及关注的话题等角度判定。比如，关注讲述头条号涨粉技巧的频道，那么系统就会尝试推荐类似引流推广的的文章/账号/频道/圈子推荐给我们。

(3)阅读兴趣

阅读兴趣包括：用户过去阅读的文章类型和关键词、相似用户喜欢阅读的文章类型和标记了“不感兴趣”的文章类型等。

通过对用户的阅读兴趣的了解，可以进一步了解用户阅读习惯。比如，用户在阅读故事题材文章时喜欢点赞，阅读营销类文章喜欢点击“不喜欢”，系统就会尽量将故事题材文章推荐给用户，减少或者不推荐营销类文章。

三、推荐机制

今日头条的内容推荐并不是一蹴而就的，也不是一成不变的，而是分批次推荐的，包括抖音也是类似的推荐机制，那么如何推荐呢?

(1)分批次推荐

包括两种模式：一是某一时效期内多次推荐;二是不同时效期(24小时、72小时和一周)的推荐。

(2)首次推荐

首次推荐给的目标用户的阅读标签与文章标签匹配度最高，他们被系统认为是最有可能对该篇文章感兴趣的用户。

(3)首次阅读数据决定第二次推荐量

首次推荐的用户阅读数据，包括点击率、收藏数、评论数、转发数、完播率和页面停留时间等，决定着第二次的推荐量。如果首次推荐的综合指标比较高，那么说明文章是适合这类用户的。那么系统在第二次推荐时就会加大力度，推荐给更多的人，反之则减少推荐力度。

所以说，很多人发现自己发的内容一上来就没人看，或者是短短几个小时就爆了，就是基于这个推荐机制，

四、没有获得推荐的几个因素

(1)内容不垂直

我们在注册头条号时需要选择个人领域，即使不按照领域来发文，系统也会按照我们经常发送的内容和关键词来确定领域，那么如果你新发送的内容和领域不符，那么系统就会重新识别后再推荐，这样就会使文章不能及时推荐给相应的用户，自然就不会获取高推荐量和播放量。

(2)文章内容

文章内容其实不仅仅指的是文章的正文，还包括文章封面，配图，标签，标题等等。如果标题和封面不够吸引用户或者画质太低，配图与内容关联不强、文章内容质量差等都会导致文章点击率低。

(3)选择领域用户比较小众。

有些领域的用户群体很小众，在今日头条的阅读用户较少，那么即使我们写的文章质量再高，也很难像娱乐领域，汽车领域那种关注度高的大领域一样快速获得大批量用户阅读。比如像摇滚，机械等领域，在头条上就很难获取大量的推荐，毕竟和头条用户不太匹配。

(4)相似内容太多。

当然了，如果选择太热门的领域也并非就是一件好事，因为竞争对手太多，强者如林，只要出一个热点，很多大V就会开始发文，但关注的用户是有限的。一方面你和那些专业人士竞争肯定是吃亏的，而且热门话题写的人多了也就不新鲜了，看得人也相应的少了。

(5)非原创内容可能被消重，导致推荐量不高，比如一文多发的情况。

(6)内容时效短，导致推荐时效很短。比如热点事件一般都是火几天就变淡了，推荐量自然也会很快消失。

以上为大家罗列了很多关于头条推荐机制的内容，总结来讲，想在头条号中长久的运营并获得良好效果，就是要在垂直领域持续输出，在实践的过程中不断的去测试去摸索，相信大家很快就可以摸索出一套适合自己的高推荐高播放量的创造方法。

五、理解算法机制， 信息流平台“懂用户”是靠技术

算法型驱动产品不仅在信息分发中逐渐成为主流，还大量应用在电商以及O2O交易平台之中，这也是为什么现在淘宝强调内容电商、拼多多强调“去中心化的商品兴趣推荐”的原因。头条用户、市场人常文平认为，“算法推荐虽然方便，应用在电商平台，系统会结合用户此前的搜索数据结果显示推荐，一些已购买的商品重复推荐会白白浪费一些流量位置。”

这意味着，在内容领域“筛选”已消耗的优质内容的逻辑是否能真正在电商领域跑通，依然在摸索之中。

信息流平台的推荐算法引擎被认为容易导致用户获取其他视角或领域的内容受到局限；一些盲目的、无意识的点击都会在后续带来大量并不会真正想看到的内容，在新用户启动期时容易出现。

解决此类问题的办法是用户有意识地训练手机的应用里的机器，才能得到高效、适合自己的个性化页面；与此同时，算法产品会越来越重视“好友圈”，通过人群亲密程度与共同话题来更新用户的兴趣圈层。当然，如果以后信息流平台能够设置到“特别关注”好友，把好友认可的内容分享给关注对象，或许能有助于优质内容获取到更多的流量。

头条用户称呼“太准了”以致于出现对用户隐私利用的猜疑，背后也反映出今日头条产品在“个性化推荐”上的确愈发成熟化。根据笔者的观察，今日头条之所以能够达到这种境界，与其他信息流平台有两个不同的特点：

一是，头条产品的流量是复合利用的。头条为了实现人机互动的高频，不断在今日头条App接入新的功能：自媒体资讯、西瓜视频、火山直播、小视频、微头条、悟空问答、电商橱柜、付费专栏、圈子、小游戏……用户使用产品功能越多，平台识别用户的画像体系越清晰，系统推荐就越个性化。

二是，头条系众多产品把技术力量和流量资源的“复用”发挥到极致、边际成本降低。而其他很多公司如果不看到这一点，盲目去做多个App就会陷入到兵力分散、人才浪费的困境之中。

结合头条算法结合兴趣社区与社交因素的推测可以看出：头条做社交特点并不是表现在及时沟通上，而是通过内容作为共同连接点，拉近粉丝与自媒体、用户与用户之间的联系。如果说微信的内容是为了社交粘性服务的，那么头条的社交如微头条、多闪等并非突出聊天，更是为了内容推荐更精准、用户粘性更高，从而实现推荐“场景化”，以致于“懂用户”信息流平台被误会有“用户隐私”的不安全感。

总结

通过机器记忆的办法来进行自发推荐，是信息分发更加智能化的表现，也使得用户隐私保护自然成为更为敏感环节。用户敏感隐私与网友所产生的数据本身是有区别的：前者属于法律范畴，后者是技术范畴。个性化推荐意味着平台对相应的隐私保护的升级，这事关信息流平台生存的根本；没有用户数据资源为基础，信息流平台的个性化推荐和商业化也是空中楼阁。

对头条算法上述解读不难发现：内容推荐算法既离不开用户上网行为数据化，也离不开用户所关注的人，是“信息找人”与“人找信息”相辅相成；算法由人创造，也可以服务于人，其边界和权限也可以由人来控制的，无需进行妖魔化或者神秘化。

本文链接： http://www.cjzzc.com/article/1146.html