|
导读 这是一篇头条号的运营笔记，关于<头条机器喜欢推荐什么样的文章，和文章推荐量低的原因分析>。是我研究了400页、12万字、2.5年间的头条公告/用户守则/机器算法之后，划出来的重点。文章不长，但每个字都是干货，我花了很多时间和精力，请学习勿抄袭。如果你是自媒体外行，也不打算涉足自媒体行业，建议止步，因为你可能看不明白，白白浪费你时间。如果你是自媒体大神，建议尝试看一下，因为我相信大部分人都是边做边研究而不是进行全面系统的研究，在这过程中，漏掉其中一个关键点的可能性非常大，更关键的——文章不长，一分钟就能速读完。本文主要分享给对自媒体有一些了解的朋友，建议反复的读，读每一个字。每一个字都是重点，每一个字都是重点，每一个字都是重点，要逐字逐句的反复的咀嚼。读完后，需要结合自己用心的思考，照搬是没有用的 首先，要搞清楚两个概念：
然后，机器要想精准的推荐你的文章，首先它得读懂你的文章，那机器怎么读文章呢？ 第一步：提取关键词（包括文章内容和文章标题）1. 词频高的词：即文章中反复出现的词语，撰文常用的虚词、转折词等出现频率也很高，但它们不是关键词 2. 同类文章中出现次数少的词 3. 系统提取到关键词后，会将其与分类词库的关键词比对，文章即被打上该分类的标签 第二步：消重1. 文章内容消重：如果多篇内容具有同一张身份证，那获得推荐的将是： 1.1来源头条号已开通「原创」 1.2发布时间早 1.3来源头条号的权威性高 1.4网络上被引用的次数少 2. 标题和预览图片的消重：原则同内容消重，但更宽松些 3. 相似主题的消重：原则同内容消重，但更宽松些 这两步完成之后，系统就算是“读懂”了你的文章了 第三步：分批次向用户推荐系统根据用户习惯，给每位用户打上标签，并推荐他们可能感兴趣的内容 这里插播一下，用户兴趣的计算规则 基本信息：性别、年龄、所处地理位置、使用机型、授权账户（如微博、微信）、手机上经常使用的其他 App 等 用户主动订阅或喜欢的内容：订阅账号、订阅频道、关注的话题 机器通过计算得出的用户阅读兴趣：用户阅读过的文章分类和关键词、相似类型用户喜欢的其他文章类型、用户主动标记「不感兴趣」的实体词或文章类型 1. 首次推荐：文章首先推荐给一批对其最可能感兴趣的用户，这批用户产生的阅读数据，将对文章下一次推荐起到决定性作用。数据包括点击率、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 2. 二次推荐：如果首次推荐点击率低，会减少二次推荐的推荐量；如果点击率高，则会增加二次推荐量 3. 后续推荐：根据前一次推荐量效果，滚雪球式变动，即高则更高、低则更低 到这里，文章的推荐流程就讲完了，清楚了这个流程后，作者们具体需要怎么做呢？往下看 简单说就是：通过高位的各维度阅读数据 → 获得更多阅读量 → 得到更多的系统推荐量，转化成具体行动就是： 1标题和封面图要有足够的吸引力、表意清晰（提高点击率） 2图文并茂，易读性强（提高用户阅读时间） 3内容详实，给读者干货般的充实感（提高收藏数和用户阅读时间）; 4观点鲜明，引发读者讨论（增加评论数和转发数） 5文章推荐的时效期节点通常为24小时、72小时和一周 6除了标题党外，用户举报密集、负面评论过多、无效异常点击、时效期已过，都是限制推荐量的因素 好了，做完了这些，那推荐效果还是不好，是什么情况呢？ 让我们一起来分析下推荐效果不好的原因，推荐效果主要包括「点击率」「推荐量」「阅读量」三个维度，具体如下： 1. 点击率低1.1 内容垂直度低：发表账号不擅长领域的文章，会延长审核/推荐时间 1.2 标题平淡，没有吸引力 1.3 配图没吸引力、配图与内容相关度不高、或前三张图片质量较差 1.4 内容低质，引起读者反感甚至投诉 2. 推荐量低2.1 点击率低，则推荐量低 2.2 潜在用户群过小：话题冷门、生僻，涉及领域过于专业、晦涩难懂 2.3 内容供过于求：如热点文章 2.4 非原创/没在头条号首发：文章可能被消重 2.5 时效性过短 2.6 审核过程中，由于违规被拦截 3. 阅读量低3.1 推荐量低 3.2 点击率低 篇幅有限，先分享这一小部分。 我不是大神，本文不是说教，欢迎留言讨论。 我是【彦小语】 |
|
|
