實(shí)操：一文搞懂“抖音 小紅書(shū) 知乎 視頻號(hào)”流量算法

流量分散，渠道多元

想要獲取流量，還真就得了解各個(gè)主流平臺(tái)的流量算法

今天就來(lái)給大家分享一下四大主流平臺(tái)抖音、小紅書(shū)、知乎、視頻號(hào)的流量算法底層邏輯

(資料圖)

1）抖音

抖音的流量算法幾乎是所有流量平臺(tái)中最為復(fù)雜的，當(dāng)然也是流量最大的

抖音是典型的“標(biāo)簽”對(duì)“標(biāo)簽”的平臺(tái)

如果你是用戶(hù)，平臺(tái)會(huì)根據(jù)你平時(shí)的瀏覽喜好把你的關(guān)注點(diǎn)拆解成大約150個(gè)標(biāo)簽，你能刷到哪些視頻一定程度上是你的用戶(hù)標(biāo)簽決定的。如果瀏覽喜好發(fā)生變化，用戶(hù)標(biāo)簽也會(huì)隨之變化，刷到的視頻也會(huì)跟著標(biāo)簽而變化

如果你是創(chuàng)作者，平臺(tái)會(huì)根據(jù)你發(fā)布的內(nèi)容形成創(chuàng)作者標(biāo)簽，標(biāo)簽數(shù)量同樣是150個(gè)，如果發(fā)布內(nèi)容產(chǎn)生變化，創(chuàng)作者標(biāo)簽也會(huì)隨之變化

創(chuàng)作者發(fā)布視頻后，視頻會(huì)根據(jù)創(chuàng)作者標(biāo)簽匹配相似的用戶(hù)標(biāo)簽，這就是上面我們講過(guò)的“標(biāo)簽”對(duì)“標(biāo)簽”的流量算法

短視頻匹配到用戶(hù)后，會(huì)通過(guò)該視頻的數(shù)據(jù)表現(xiàn)來(lái)衡量該視頻是否值得進(jìn)一步的推薦

抖音對(duì)單個(gè)視頻的推薦，會(huì)考核5個(gè)關(guān)鍵數(shù)據(jù)

1）完播率

完播率=觀看時(shí)間/作品時(shí)間

完播率越高，說(shuō)明作品越吸引人觀看，大盤(pán)的合格線(xiàn)通常是15%-20%左右，40%-50%以上的完播率就已經(jīng)很優(yōu)秀了。要想辦法做高完播率，通常的方式是開(kāi)頭設(shè)置懸念或者引導(dǎo)打開(kāi)評(píng)論區(qū)，拉長(zhǎng)觀看時(shí)間

如果是新號(hào)的話(huà)，建議前期視頻時(shí)長(zhǎng)不要太長(zhǎng)，時(shí)長(zhǎng)越長(zhǎng)，完播越低，除非視頻質(zhì)量極佳

2）點(diǎn)贊率

點(diǎn)贊率=點(diǎn)贊量/播放量

點(diǎn)贊量越高，推薦量才會(huì)越高，第一波推薦的點(diǎn)贊率至少要達(dá)到3%-5%

也就是說(shuō)每100個(gè)播放量，至少要有3-5個(gè)點(diǎn)贊

3）留言率

留言率=留言量/播放量

留言率的數(shù)據(jù)高低跟視頻類(lèi)型有很大關(guān)系，不好用平均數(shù)據(jù)去衡量，但確定的是留言率表現(xiàn)越好，加權(quán)推薦就越高。所以，創(chuàng)作者可以主動(dòng)在視頻中或者文案、評(píng)論區(qū)引導(dǎo)評(píng)論，提升留言率

4）轉(zhuǎn)發(fā)率

轉(zhuǎn)發(fā)率=轉(zhuǎn)發(fā)量/播放量

轉(zhuǎn)發(fā)率對(duì)于還在初級(jí)流量池流傳的視頻影響并不大，但想要突破流量層級(jí)，轉(zhuǎn)發(fā)率就是很關(guān)鍵的指標(biāo)

5）轉(zhuǎn)粉率

轉(zhuǎn)粉率=關(guān)注量/播放量

也就是路轉(zhuǎn)粉的比例，單條視頻帶來(lái)的新增粉絲率，同樣是沖擊高級(jí)流量池的關(guān)鍵數(shù)據(jù)

抖音平臺(tái)是一個(gè)巨大的流量池，抖音推薦機(jī)制是一個(gè)漁網(wǎng)，視頻內(nèi)容是魚(yú)餌

如果你的視頻的五個(gè)關(guān)鍵數(shù)據(jù)都能取得較好的數(shù)據(jù)表現(xiàn)，那么進(jìn)入到中高級(jí)的流量池繼續(xù)流轉(zhuǎn)的可能性非常大

抖音的流量池有也有它的法則

視頻發(fā)布后會(huì)進(jìn)入冷啟動(dòng)池，流量通常是是300-500，一般是由粉絲+朋友+可能認(rèn)識(shí)的人+少量標(biāo)簽匹配的用戶(hù)構(gòu)成，因?yàn)槔鋯?dòng)池的流量構(gòu)成最為復(fù)雜，也是最難突破的流量池，這就要考驗(yàn)，你的粉絲是否精準(zhǔn)，內(nèi)容是夠優(yōu)質(zhì)，如果關(guān)鍵數(shù)據(jù)達(dá)標(biāo)會(huì)進(jìn)入到初級(jí)流量池

初級(jí)流量池的流量大約在1000-5000左右，同樣需要繼續(xù)觀察視頻在初級(jí)流量池的變現(xiàn)，如果數(shù)據(jù)繼續(xù)過(guò)關(guān)，將進(jìn)入中級(jí)流量池

中級(jí)流量池就有10000以上的播放量，同理看數(shù)據(jù)表現(xiàn)；

高級(jí)流量池就有十萬(wàn)+以上的播放量了，上不封頂

2）小紅書(shū)

小紅書(shū)的算法和抖音類(lèi)似，也是“標(biāo)簽”對(duì)“標(biāo)簽”的流量算法

不同的是，基于不同的用戶(hù)習(xí)慣，抖音更側(cè)重主動(dòng)推薦，小紅書(shū)更側(cè)重搜索推薦

基于小紅書(shū)的平臺(tái)定位，超過(guò)65%的流量來(lái)源于搜索，所以在搜索流量算法上更精細(xì)一些，所以這里側(cè)重講一下搜索流量算法的邏輯

搜索結(jié)果與需求的匹配主要是核心關(guān)鍵詞與query的匹配度，搜索結(jié)果中展示的具體內(nèi)容是通過(guò)分析用戶(hù)需求，找到最能命中用戶(hù)需求的信息

一篇筆記標(biāo)題中的關(guān)鍵詞可謂是重中之重，官方也明確提示：“填寫(xiě)標(biāo)題會(huì)有更多贊哦”

由此可見(jiàn)，標(biāo)題是小紅書(shū)官方用來(lái)識(shí)別內(nèi)容屬性的重要選項(xiàng)，想要讓筆記獲得更多的展現(xiàn)，最基礎(chǔ)的工作就是要做好標(biāo)題的優(yōu)化

我們要善用搜索的關(guān)鍵詞、熱詞推薦等來(lái)幫助我們找到筆記核心詞，以便能讓系統(tǒng)識(shí)別并推薦給對(duì)應(yīng)用戶(hù)

從推薦內(nèi)容找核心詞

推薦內(nèi)容包括幾個(gè)方面，搜索框置灰關(guān)鍵詞，頁(yè)面顯示的歷史搜索，熱搜詞

1）默認(rèn)提示詞

點(diǎn)開(kāi)搜索還未輸入搜索詞之前，平臺(tái)會(huì)根據(jù)用戶(hù)標(biāo)簽推薦默認(rèn)提示詞，默認(rèn)提示詞中存在一定量的搜索流量

2）搜索發(fā)現(xiàn)（熱門(mén)搜索）

熱門(mén)搜索把最近一段時(shí)間被搜索次數(shù)最多的詞展示出來(lái)，去引導(dǎo)用戶(hù)看一些最近熱門(mén)的內(nèi)容和用戶(hù)搜索量大的話(huà)題推薦，跟用戶(hù)的搜素量和近期的熱門(mén)話(huà)題相關(guān)

3）補(bǔ)充聯(lián)想關(guān)鍵詞

補(bǔ)充聯(lián)想關(guān)鍵詞，即用戶(hù)輸入部分內(nèi)容，然后系統(tǒng)根據(jù)這些內(nèi)容聯(lián)想出完整內(nèi)容，自動(dòng)補(bǔ)全關(guān)鍵詞，通過(guò)即時(shí)匹配關(guān)鍵詞并展示出來(lái)，增加用戶(hù)的選擇。我搜了顯瘦，平臺(tái)就給我推薦了關(guān)于顯瘦的幾個(gè)關(guān)鍵詞推薦

考慮熱詞排序是綜合展示的結(jié)果。除了筆記數(shù)外，“熱詞” 的熱度排序可能還牽涉到兩個(gè)方面的因素：用戶(hù)主動(dòng)搜索的頻率，以及筆記本身被系統(tǒng)推薦的熱度

搜索之后，系統(tǒng)根據(jù)搜索詞進(jìn)行算法匹配，把所有結(jié)果都展示出來(lái)。而如果這個(gè)關(guān)鍵詞是相關(guān)品類(lèi)中范圍比較大的詞匯，那么就能看到在界面上半部分有一些專(zhuān)門(mén)的標(biāo)簽詞匯提供分類(lèi)篩選的功能。這種方式對(duì)于用戶(hù)無(wú)目的搜索的體驗(yàn)會(huì)更好。同時(shí)將最熱門(mén)的筆記排在前面，這種搜索結(jié)果的展示形式以及篩選條件，目的都是為了縮小選擇范圍，幫助用戶(hù)快速選擇

關(guān)于關(guān)鍵詞的選擇有以下幾點(diǎn)值得注意：

1）小紅書(shū)的熱搜推薦是平臺(tái)短期流量?jī)?nèi)容的標(biāo)識(shí)；搜索提示關(guān)鍵詞、篩選熱門(mén)是長(zhǎng)期流量所在，來(lái)源于小紅書(shū)真實(shí)的用戶(hù)數(shù)據(jù)分析和總結(jié)

2）一定要優(yōu)先選擇競(jìng)爭(zhēng)度小流量大且比較精準(zhǔn)的關(guān)鍵詞，避免選擇寬泛的關(guān)鍵詞

3）學(xué)會(huì)反推關(guān)鍵詞。確定筆記主題及關(guān)鍵詞后，要去反推希望用戶(hù)用什么關(guān)鍵詞能搜到自己的筆記，考慮如果自己去搜這類(lèi)筆記會(huì)用哪些常見(jiàn)關(guān)鍵詞去搜。

4）在筆記標(biāo)題、正文、話(huà)題、評(píng)論等位置合理的布局關(guān)鍵詞，有助于筆記被收錄及精準(zhǔn)推薦。避免堆砌關(guān)鍵詞，堆砌關(guān)鍵詞會(huì)被系統(tǒng)判定為廣告，長(zhǎng)期這樣操作，賬號(hào)會(huì)被系統(tǒng)降權(quán)

3）知乎

首先是針對(duì)搜索流量，知乎的搜索排名其實(shí)跟搜索引擎是有類(lèi)似的，內(nèi)容需要先進(jìn)行收錄，然后才能提升搜索詞排名

一方面需要看內(nèi)容和搜索關(guān)鍵詞的匹配度，匹配度越高，收錄的概率也就越大；另一方面，優(yōu)質(zhì)賬號(hào)的權(quán)重更高，能夠獲得的搜索詞排名也會(huì)更高；最后，內(nèi)容的熱度也會(huì)影響搜索排名，總之越熱門(mén)的內(nèi)容排名會(huì)更加靠前

當(dāng)然，搜索還涉及到問(wèn)題下回答的排名，一般來(lái)說(shuō)，搜索詞收錄該問(wèn)題后，會(huì)抓取問(wèn)題下其中一條高贊的回答展現(xiàn)，除此之外，因?yàn)橛脩?hù)的習(xí)慣一般會(huì)參考不止一條回答，那么該問(wèn)題下自然排序第一的回答，也有更大的曝光概率

所以，如果能夠?qū)崿F(xiàn)搜索詞+問(wèn)題下的排名都非?？壳?，那么流量自然就會(huì)更好；如果不能實(shí)現(xiàn)兩者均很靠前，那么起碼要實(shí)現(xiàn)有一條在靠前的位置。

第二是針對(duì)推薦流量，推薦流量是通過(guò)知乎的推薦算法，然后將內(nèi)容推送給用戶(hù)

一般來(lái)說(shuō)，推薦算法會(huì)先將內(nèi)容推送給一小部分人，然后收集反饋數(shù)據(jù)，如閱讀完成率、贊同率、互動(dòng)數(shù)據(jù)等，來(lái)判斷這條內(nèi)容是否值得持續(xù)推薦

第三是針對(duì)熱榜流量，熱榜是知乎的全站實(shí)時(shí)熱門(mén)內(nèi)容合集，其維度主要是看24小時(shí)的瀏覽量、互動(dòng)量和領(lǐng)域權(quán)重來(lái)計(jì)算

想要內(nèi)容上熱榜，那就必須要在短時(shí)間內(nèi)有大量的領(lǐng)域內(nèi)用戶(hù)參與互動(dòng)，形成不錯(cuò)的聲量后，內(nèi)容自然熱度就提升上去了

當(dāng)然，針對(duì)視頻類(lèi)內(nèi)容，其分發(fā)機(jī)制跟推薦類(lèi)似，而且有單獨(dú)的榜單支撐，參考即可

第四是綜合算法，和頭條、抖音等平臺(tái)不同的是，知乎采用的是威爾遜算法，即根據(jù)內(nèi)容的點(diǎn)贊、反對(duì)、收藏等數(shù)據(jù)，按照威爾遜公式來(lái)決定內(nèi)容的推薦和排名

u代表內(nèi)容的贊同數(shù)，v代表內(nèi)容的反對(duì)數(shù)，p則代表內(nèi)容的贊同率=贊同數(shù)/（贊同+反對(duì)），而Z則是與權(quán)重相關(guān)的數(shù)字

算法公式雖然很復(fù)雜，但大家只需要記住最核心的一點(diǎn)：贊同率比贊同數(shù)重要，反對(duì)率比贊同率重要

和其他內(nèi)容平臺(tái)不相同的是，除了點(diǎn)贊和互動(dòng)，知乎用戶(hù)還可以給不同意的內(nèi)容點(diǎn)反對(duì)票，而反對(duì)票數(shù)一定程度上將會(huì)影響回答排名

4）視頻號(hào)

微信視頻號(hào)和其他流量平臺(tái)的算法完全不同，視頻號(hào)的分發(fā)機(jī)制是基于社交推薦和個(gè)性化推薦

1）社交推薦

社交是微信生態(tài)的先天基因，所以對(duì)于微信視頻號(hào)來(lái)講，社交關(guān)系鏈同樣非常重要，比如你的好友發(fā)布和點(diǎn)贊的內(nèi)容，會(huì)優(yōu)先推薦。一個(gè)作品，你的好友點(diǎn)贊收藏互動(dòng)多的話(huà)，你的閱讀量曝光量就會(huì)上升，相反，如果非好友進(jìn)行點(diǎn)贊收藏的話(huà)，對(duì)于你作品的曝光低于好友點(diǎn)贊收藏

所以，你微信好友的點(diǎn)贊收藏互動(dòng)對(duì)于作品提升權(quán)重有很大的影響

其實(shí)這個(gè)就跟公眾號(hào)的“在看”和“點(diǎn)贊“的邏輯相似，比如你給某個(gè)文章（視頻）點(diǎn)了“在看”，你好友將會(huì)在微信“看一看”刷到這個(gè)文章（視頻），你好友點(diǎn)贊了，他的好友也可能會(huì)刷到這個(gè)作品，以此類(lèi)推

2）個(gè)性化推薦

指的是系統(tǒng)會(huì)根據(jù)用戶(hù)的日常行為、活動(dòng)軌跡和興趣、職業(yè)、年齡等標(biāo)簽，通過(guò)一系列大數(shù)據(jù)算法，推測(cè)出用戶(hù)可能喜歡的內(nèi)容。因?yàn)槲⑿疟旧砭蛽碛?1億的超級(jí)用戶(hù)畫(huà)像和各種算法機(jī)制作為參考

不過(guò)目前由于微信視頻號(hào)尚處于熱啟動(dòng)階段，目前數(shù)據(jù)庫(kù)并不全面，采用的數(shù)據(jù)源都是從微信大盤(pán)抓取，算法基本會(huì)采用興趣標(biāo)簽+定位+熱點(diǎn)+隨機(jī)推薦

所以無(wú)論是發(fā)視頻還是發(fā)圖片，添加話(huà)題和定位更有助于個(gè)性化推薦。這一點(diǎn)跟抖音的推薦算法有點(diǎn)相似，只不過(guò)目前還不夠成熟

3）去中心化的推薦算法

視頻號(hào)雖然是基于社交推薦，但每個(gè)人的社交關(guān)系鏈畢竟有限，當(dāng)一個(gè)作品已經(jīng)在完整的社交關(guān)系鏈獲得了展現(xiàn)且取得了較好的數(shù)據(jù)表現(xiàn)后，視頻號(hào)會(huì)進(jìn)行社交關(guān)系鏈以外的擴(kuò)大推薦，邏輯類(lèi)似于抖音的“標(biāo)簽”對(duì)“標(biāo)簽”，這里不做過(guò)多延展

標(biāo)簽：