*近發(fā)現(xiàn)了一個(gè)有趣的現(xiàn)象——小紅書里常有人反饋，精心策劃的內(nèi)容沒有人看，但有時(shí)隨便發(fā)個(gè)貼，卻能得到不少流量。
這是為什么呢?
關(guān)于小紅書的流量分配，網(wǎng)上流傳著許多說法：
小紅書內(nèi)部存在一個(gè)固定的筆記評分公式;
小紅書需要養(yǎng)號，如果賬號的權(quán)重不高，筆記得到的流量就很小;
筆記內(nèi)容需要多次重復(fù)關(guān)鍵詞，增加被搜索到的幾率……
這些說法都有道理嗎?小紅書的流量分配機(jī)制究竟是怎樣的?
01小紅書的流量機(jī)制是什么?
小紅書的筆記發(fā)布后，可以通過四個(gè)頁面被看到，分別是首頁的關(guān)注頁、發(fā)現(xiàn)頁、本地頁，以及搜索按鈕可跳轉(zhuǎn)的搜索頁。
其中，發(fā)現(xiàn)頁和搜索頁是兩個(gè)*主要的流量入口。大概占到了40% 的比例。但是這兩個(gè)頁面有著不同的流量分配邏輯。
1)發(fā)現(xiàn)頁的推薦邏輯
發(fā)現(xiàn)頁上，筆記按照信息流的形式呈現(xiàn)，用戶每次下拉刷新都會出現(xiàn)一批新的筆記，這些筆記主要是通過推薦算法展現(xiàn)的。
筆記的推薦過程大致可以分為三個(gè)步驟：
先在推薦前根據(jù)過往用戶數(shù)據(jù)預(yù)先評分，再根據(jù)用戶偏好進(jìn)行推薦，接著根據(jù)用戶互動反饋，將筆記放入遞增的流量池。
?、偻扑]前先預(yù)估效果
筆記并不是一發(fā)布就會被推薦，而是會先經(jīng)過一輪推薦系統(tǒng)的“打分”，再投入推薦。
**步，系統(tǒng)會從過往的筆記數(shù)據(jù)庫里找出類似的筆記。
第二步，系統(tǒng)會根據(jù)類似筆記獲得的點(diǎn)擊、點(diǎn)贊、收藏等互動數(shù)據(jù)，預(yù)測該筆記在發(fā)布后，可能接收到用戶互動行為的概率為多少，從而來為該筆記“打分”。
也就是說，通過對類似筆記的分析，就能預(yù)測這條筆記發(fā)出后是否會被用戶喜歡。
在預(yù)估評分的算法中，用戶點(diǎn)擊的概率對評分影響*大，其他互動行為的概率都被賦予了一個(gè)權(quán)重，*終計(jì)算出筆記的評分。
推薦系統(tǒng)的算法會通過現(xiàn)有用戶的反饋不斷更新，所以評分公式也在不斷變化。
*后，系統(tǒng)會按評分的高低對筆記位置進(jìn)行調(diào)整。評分高的筆記在信息流中的位置會靠前，獲得更多的曝光，評分低則位置靠后，曝光較少。
②用戶偏好匹配分發(fā)內(nèi)容
當(dāng)筆記投入線上推薦時(shí)，小紅書會將筆記的內(nèi)容標(biāo)簽，和用戶偏好的內(nèi)容標(biāo)簽進(jìn)行匹配。
當(dāng)發(fā)布者發(fā)了一條筆記后，小紅書的算法會對筆記中的文字和圖片都進(jìn)行識別，綜合起來打上內(nèi)容標(biāo)簽。
其中較為特別的一點(diǎn)是，算法還可以通過對情緒相關(guān)的詞語進(jìn)行分類，識別出用戶喜歡瀏覽帶有哪些情緒標(biāo)簽的筆記，并匹配類似情緒的內(nèi)容。
比如經(jīng)常搜索和點(diǎn)贊笑話類筆記后，小紅書就會開始推薦更多同樣表達(dá)出“開心、快樂”情緒的筆記。
同時(shí)，基于關(guān)注話題、收藏專輯，還有用戶對筆記的互動程度等維度，小紅書也能推測出用戶偏好的內(nèi)容標(biāo)簽。
通過匹配，就能將內(nèi)容推薦到可能對其感興趣的用戶首頁上。
根據(jù)用戶賬號的行為，小紅書的推薦和搜索數(shù)據(jù)也是互通的：
用戶搜索“xx”關(guān)鍵詞后，系統(tǒng)就會認(rèn)為用戶需要了解“xx”，在發(fā)現(xiàn)頁上也會推送相關(guān)內(nèi)容。
但如果用戶沒有持續(xù)瀏覽相關(guān)內(nèi)容，系統(tǒng)的推薦也會停止。
同時(shí)，小紅書主要是按照用戶偏好進(jìn)行推薦，但也會盡量保證結(jié)果的多樣性，給用戶推薦一些其并不偏好，但評分較高的筆記。
?、刍記Q定是否推薦
小紅書按照用戶偏好，將筆記推送給初始的一批用戶后，就會通過這一部分用戶的互動數(shù)據(jù)，比如點(diǎn)贊、收藏、評論等，來決定是否將它推薦給更多的人。
互動數(shù)據(jù)更好，筆記就會獲得更多的推薦，進(jìn)入遞增擴(kuò)大的流量池。
根據(jù)發(fā)布時(shí)間的遠(yuǎn)近，筆記的互動量較為不同。發(fā)布時(shí)間較短的筆記，點(diǎn)贊互動數(shù)量有多也有少。而發(fā)布時(shí)間較長的，一般點(diǎn)贊互動數(shù)量都較多。
由此可以推測，筆記在發(fā)布后的短期內(nèi)，不管互動量多少，都有可能獲得推薦。但如果沒有持續(xù)獲得用戶互動，系統(tǒng)就會停止推薦該筆記。
所以首頁推薦中，基本不會呈現(xiàn)發(fā)布時(shí)間久遠(yuǎn)，同時(shí)互動數(shù)量也較少的筆記。
只有在用戶持續(xù)互動的情況下，筆記才會進(jìn)入遞增的流量池，在之后較長的一段時(shí)間里被不斷推薦。
2)搜索頁的排序邏輯
發(fā)現(xiàn)頁之外，搜索頁也是一個(gè)較大的流量入口。
在發(fā)現(xiàn)頁，小紅書主要采用的是推薦邏輯，而在搜索頁，小紅書則是按照排序邏輯分配流量，排序越靠上的筆記，獲得的曝光量也就越大。
但這個(gè)排序并不是固定的，筆記的排序也在隨著算法的實(shí)時(shí)演算而不斷變化。
在搜索頁面，影響排序結(jié)果的因素主要有三點(diǎn)：關(guān)鍵詞的匹配程度、短時(shí)間的互動量以及觀看者的賬號行為。
?、訇P(guān)鍵詞匹配程度
小紅書搜索中，筆記和用戶所搜索的關(guān)鍵詞的匹配程度，會很大程度上影響搜索結(jié)果頁中筆記的排序位置。
當(dāng)用戶搜索關(guān)鍵詞時(shí)，系統(tǒng)優(yōu)先呈現(xiàn)與關(guān)鍵詞高度匹配的筆記。
在筆記的標(biāo)題、內(nèi)容和話題中，都可以布局關(guān)鍵詞。那么如何布局關(guān)鍵詞，能讓筆記的排序靠前呢?
在標(biāo)題和內(nèi)容中提及近期較為熱門的關(guān)鍵詞，或者相關(guān)賽道領(lǐng)域中用戶會關(guān)注的詞語，確實(shí)會增加筆記被搜索到的概率。是否多次提及關(guān)鍵詞并不重要。
所謂“相關(guān)賽道領(lǐng)域中用戶會關(guān)注的詞語”，就是指該選題領(lǐng)域下的“細(xì)分關(guān)鍵詞”。之所以要去布局“細(xì)分關(guān)鍵詞”，在于兩個(gè)原因。
首先，如果關(guān)鍵詞的范圍太廣，該關(guān)鍵詞下的筆記數(shù)量就會越多，競爭太大，反而越不容易獲得流量。
搜索越是“細(xì)分”的關(guān)鍵詞，出來的筆記結(jié)果排序變動會越小。
其次，當(dāng)用戶去搜索時(shí)，往往會去搜索一個(gè)較為精準(zhǔn)的關(guān)鍵詞。
因此，筆記中的關(guān)鍵詞越精準(zhǔn)，越容易被用戶搜到，在結(jié)果頁留存的時(shí)間就會越長，獲得的流量也會更多。
?、诠P記短時(shí)間內(nèi)互動量
另一個(gè)影響筆記在搜索結(jié)果頁排序的因素，是筆記在發(fā)布后短時(shí)間內(nèi)獲得的互動量。
筆記如果能在發(fā)布后的短時(shí)間內(nèi)獲得較多的互動量(點(diǎn)贊、收藏、評論等)，說明就有成為爆文的潛質(zhì)，那么在搜索結(jié)果頁中也會排名較前。
?、塾^看者的賬號行為
小紅書的關(guān)鍵詞搜索結(jié)果是“千人千面”的，對不同用戶呈現(xiàn)不同結(jié)果。
排序算法會根據(jù)用戶過往行為，推測出用戶對話題的了解程度，從而匹配不同的搜索內(nèi)容。
用不同的賬號在同一時(shí)間搜索同樣的關(guān)鍵詞，呈現(xiàn)的頁面是不同的。
02在小紅書流量機(jī)制下，如何提高運(yùn)營能力?
那么小紅書的流量分發(fā)機(jī)制，具體會對創(chuàng)作們產(chǎn)生怎樣的影響呢?根據(jù)流量分發(fā)機(jī)制，該如何調(diào)整運(yùn)營思路?
1)筆記內(nèi)容需為用戶提供價(jià)值
小紅書的流量機(jī)制對創(chuàng)作者*重要的影響在于，內(nèi)容要能為用戶提供價(jià)值。
當(dāng)用戶能從筆記中感受到價(jià)值后，才會去點(diǎn)贊、收藏。因此筆記才能進(jìn)入遞增的流量池，在搜索結(jié)果頁的排序中才能靠前。
在小紅書社區(qū)中，較受歡迎的內(nèi)容一般提供了兩類價(jià)值：一是實(shí)用價(jià)值，二是情緒價(jià)值。
所謂有實(shí)用價(jià)值，就是指筆記能給用戶帶來切實(shí)的干貨知識。
所謂有“情緒價(jià)值”的筆記，就是指一些筆記(如嘮家常等)或許沒有實(shí)用性，但能夠給用戶傳遞一種情緒(如快樂、悲傷等)。
2)細(xì)分領(lǐng)域深耕，做原創(chuàng)垂直賬號
在小紅書做賬號，不需要“養(yǎng)號”(指通過正常的用戶瀏覽、點(diǎn)贊等行為，增加“賬號權(quán)重”)，但需要保證賬號的原創(chuàng)度和內(nèi)容垂直程度。
保證原創(chuàng)度除了避免抄襲外，也需要避免內(nèi)容同質(zhì)化。運(yùn)營者需要挖掘用戶的痛點(diǎn)，用不同的視角去產(chǎn)出內(nèi)容，傳遞給精準(zhǔn)的用戶人群。
創(chuàng)作者和用戶都具有“標(biāo)簽”，賬號的內(nèi)容垂直度就是組成創(chuàng)作者“標(biāo)簽”的一部分。創(chuàng)作者的內(nèi)容會首先推送給跟ta標(biāo)簽相吻合的用戶。
這也意味著，如果賬號內(nèi)容不垂直，也會導(dǎo)致筆記匹配的人群較為混亂，產(chǎn)生的有效互動更少，被持續(xù)推薦的可能性也就更小。
所以在賬號定位中就需要思考，內(nèi)容對標(biāo)的是哪些人群，如何通過內(nèi)容生產(chǎn)給這些用戶更多的價(jià)值。
3)關(guān)注深度互動數(shù)據(jù)
由于互動評分機(jī)制在小紅書的流量分配中十分重要，創(chuàng)作者需要在筆記內(nèi)容上思考如何引導(dǎo)互動。
在社區(qū)上，小紅書內(nèi)容算法衡量的是社區(qū)的深度交互，舉了點(diǎn)擊、點(diǎn)贊、收藏等基礎(chǔ)互動數(shù)據(jù)作為例子。
但運(yùn)營社認(rèn)為，小紅書的算法發(fā)展到現(xiàn)在，這個(gè)「深度交互」也應(yīng)該更深一層去理解。也就是說，深度交互不僅包括了基本的點(diǎn)贊、收藏、評論，也包括了進(jìn)一步的交互動作。
比如「通過筆記帶來的關(guān)注」就屬于深度交互。
在筆記推薦的評分機(jī)制里，關(guān)注是一個(gè)很重要的點(diǎn)，而這個(gè)關(guān)注數(shù)指的不是博主擁有的粉絲數(shù)，而是由筆記帶來的漲粉數(shù)。
同時(shí)小紅書筆記的評論區(qū)中，評論多次回復(fù)形成的「樓中樓」也屬于深度交互的一種。
小紅書中首頁推薦的筆記，以及搜索界面排序靠前的筆記，評論區(qū)中用戶的“深度”討論普遍較多，某些熱評可以引發(fā)上百條回復(fù)。
也就是說，除了在筆記價(jià)值和賬號垂直度上下功夫外，在筆記中吸引用戶關(guān)注、維護(hù)評論區(qū)的活躍度，提升筆記的「深度互動數(shù)據(jù)」，也有可能獲得更多流量。
小紅書主要有發(fā)現(xiàn)頁和搜索頁兩大流量入口，其中發(fā)現(xiàn)頁走的是推薦邏輯，搜索頁走的是排序邏輯。
每個(gè)頁面的呈現(xiàn)內(nèi)容，都會因?yàn)樽x者賬號歷史行為的不一樣，而有所不同。
但相同之處在于，運(yùn)營者需要挖掘?qū)?biāo)用戶的痛點(diǎn)，生產(chǎn)有實(shí)用價(jià)值或情緒價(jià)值的筆記，并注重深度互動的數(shù)據(jù)。
本文由廣州爾碼發(fā)布，轉(zhuǎn)載聯(lián)系作者并注明出處：
聯(lián)系方式
Contact information
聯(lián)系方式
Contact information
聯(lián)系方式
Contact information
地址：廣州市白云區(qū)鶴龍街聯(lián)邊彭上致富路4號C棟202室
郵箱：gz@ermacn.com
電話：020-85552671
手機(jī)：13925007657
