0

抖音、视频号、知乎、小红书4大平台流量算法机制

2024.12.14 | 念乡人 | 13次围观

一、抖音

抖音、视频号、知乎、小红书4大平台流量算法机制

1、完播率

2、点赞率

3、留言率

4、转发率

5、转粉率

二、视频号

1、私域流量推荐

2、兴趣算法推荐

三、知乎

1、针对搜索流量

2、针对推荐流量

3、针对热榜流量

4、综合算法

四、小红书

1、发现页算法逻辑

2、搜索页算法逻辑

3、主要有影响因素

十、碎片化信息的弊端


算法在移动互联网时代越来越重要,算法的核心职责:数据处理。在大数据的海洋中,有效的数据处理成为了互联网服务效率的关键。此时,算法就如同一位数据导航员,它可以快速地从海量信息中找到我们需要的内容,为我们节省了大量的时间和精力。

举个例子,当我们在搜索引擎中输入关键词,算法会在众多网页中迅速找到相关内容,而不是让我们一页一页地翻阅。这个过程中,算法通过对数据的分类、排序和筛选,让我们可以直接获取最符合需求的结果。无疑,这大大提高了我们的搜索效率,也优化了我们的互联网体验。

下面我们重点解析一下抖音、视频号、小红书、知乎的推荐机制流量算法底层逻辑优化建议

抖音是流量最大,也是算法最为复杂的平台。但根本原则一直保持不变:去中心化的分发机制,让优质内容有最大的曝光机会。

推荐的算法也是典型的“标签”对“标签”的平台。

无论是用户还是创作者,自身都会不断形成“标签”。创作者发布视频后,视频会根据创作者标签匹配相似的用户标签,然后通过该视频的数据表现来衡量该视频是否值得进一步的推荐。

视频刚发布并通过审核后,系统将会分配给你一个初始流量池:200~500在线用户。抖音会根据曝光所产出的数据,结合你账号分值来分析,是否给你加权。

网上有一个广为流传的抖音冷启动流量池推荐的机制,分成8次分级推荐,如下图所示:

如何能一步步突破流量池,主要有5个关键数据可供参考:

完播率越高,说明作品越吸引人观看,大盘的合格率在15%~20%左右,50%以上的完播率就已经很优秀了。

为了提高完播率,常见的方法是在视频开头设置悬念或引导观众参与评论,以延长观看时间,建议前期视频时长不要太长。

点赞量越高,推荐量才会越高,第一波推荐的点赞率至少要达到3%~5%。也就是说每100个播放量,至少要有3-5个点赞。

可以确定的是留言率的表现越好,视频的加权推荐就越高。为了提升留言率,可以在视频中、文案或评论区主动引导观众发表评论。

转发率对于还在初级流量池流传的视频影响并不大,但想要突破流量层级,转发率就是很关键的指标。

也就是路转粉的比例,单条视频带来的新增粉丝率,同样是冲击高级流量池的关键数据。

如果你的视频一直卡在500的播放量上不去,就要及时做出改变。几点建议:

1)做好账号定位。定位越垂直,标签才准确,视频的数据才能最大化;

2)最好对标。前期可以多从别人那里汲取经验,模仿学习,少走弯路;

3)提升互动。流量不高的情况下,尽量减少视频时长,完播率最为关键,多引导用户点赞评论及转发。

视频号与抖音、快手最大的区别在于分发和推荐模式。

在抖音上,只要你有优质的内容,无论你的账号粉丝数量如何,之前作品的播放量如何,只要内容受到平台用户的认可,就能够迅速走红。

然而,在视频号中情况截然不同。以数据量化的方式来看,在抖音中,内容占据了90%的重要性,而在视频号中,这个比例甚至可能不到50%。

换句话说,在视频号中,内容并不一定是王者。视频号的本质是私域流量撬动公域流量。

目前视频号的算法推荐主要有两种,第一种是私域流量推荐,第二种是兴趣算法推荐

私域流量推荐是指用户点赞和互动,这些用户的微信好友有可能会看到你的内容。然后,通过一轮又一轮的互动,可能会触发系统的推荐。

系统会判断你的内容是否优质,并将其推荐给更多用户。用户点赞后,他们的朋友也有可能看到你的内容,从而引发社交推荐。

基于这种算法逻辑,创作者需要自己引发第一波社交推荐。如果没有初始的播放和互动,即使内容质量很高,也很难被系统发现。

因此,一旦内容制作完成后,首先要分享给好友、微信群和朋友圈,启动第一波播放和点赞互动。

个性化推荐系统会根据用户的日常行为、活动轨迹和兴趣、职业、年龄等标签,通过一系列大数据算法,推测出用户可能喜欢的内容。

逻辑类似于抖音的“标签”对“标签”。创作者需要多添加话题和定位,有助于个性化推荐。

另外几个重要指标也是决定能否获得大量曝光的基础,关键指标衡量排序为:完播率>点赞数>评论数>点击扩展链接数>转发数>收藏数。

因此,在没有建立起流量基础的情况下,初期的内容应尽量控制在一分钟以内,以确保高的完播率。保持频繁更新和提升内容质量是获得官方推荐的关键。

知乎的推荐机制用的常见的威尔逊算法。针对不懂技术的朋友,这里简单聊两句威尔逊算法的原理。 

威尔逊算法主要是基于用户评价行为的排序算法,通俗的说就是大家觉得这个好,就会排到前面,是基于用户选择评价行为的一种算法,所以要排序的东西,不管是文章、商品或者评论等,首先需要有用户评价的功能,即有好坏的投票数据,才适合用这个算法,下面我们来说说知乎的推荐机制。

知乎的搜索排名其实跟搜索引擎是有类似的,内容需要先进行收录,然后才能提升搜索词排名。

一方面需要看内容和搜索关键词的匹配度,匹配度越高,收录的概率也就越大;另一方面,优质账号的权重更高,能够获得的搜索词排名也会更高;最后,内容的热度也会影响搜索排名,总之越热门的内容排名会更加靠前。

当然,搜索还涉及到问题下回答的排名,一般来说,搜索词收录该问题后,会抓取问题下其中一条高赞的回答展现,除此之外,因为用户的习惯一般会参考不止一条回答,那么该问题下自然排序第一的回答,也有更大的曝光概率。

所以,如果能够实现搜索词+问题下的排名都非常靠前,那么流量自然就会更好;如果不能实现两者均很靠前,那么起码要实现有一条在靠前的位置。

推荐流量是通过知乎的推荐算法,然后将内容推送给用户。

一般来说,推荐算法会先将内容推送给一小部分人,然后收集反馈数据,如阅读完成率、赞同率、互动数据等,来判断这条内容是否值得持续推荐。

热榜是知乎的全站实时热门内容合集,其维度主要是看24小时的浏览量、互动量和领域权重来计算。

想要内容上热榜,那就必须要在短时间内有大量的领域内用户参与互动,形成不错的声量后,内容自然热度就提升上去了。

当然,针对视频类内容,其分发机制跟推荐类似,而且有单独的榜单支撑,参考即可。

和头条、抖音等平台不同的是,知乎采用的是威尔逊算法,即根据内容的点赞、反对、收藏等数据,按照威尔逊公式来决定内容的推荐和排名。

u代表内容的赞同数,v代表内容的反对数,p则代表内容的赞同率 = 赞同数/(赞同+反对),而Z则是与权重相关的数字。算法公式虽然很复杂,但大家只需要记住最核心的一点:赞同率比赞同数重要,反对率比赞同率重要。

和其他内容平台不相同的是,除了点赞和互动,知乎用户还可以给不同意的内容点反对票,而反对票数一定程度上将会影响回答排名。

小红书的流量来源是什么?主要有四个部分:关注页发现页搜索页本地页。其中,发现页和搜索页是两个最主要的流量入口,重点说下这两个入口的算法机制。

发现页是大部分人笔记的主要流量来源,正常来说笔记都会有基础的流量池,如果你的笔记有较好的数据就会被推送到下一个更大的流量池中,以此类推。

那如何获得更大的曝光呢?这里涉及到另外一种模型算法机制CES

CES评分标准:CES评分 = 点赞数×1分+收藏数×1分+评论数×4分+转发数×4分+关注数×8分

图片笔记发布后,小红书根据学习模型对笔记质量进行打分,根据分数决定笔记初始排名和是否继续给笔记推送流量。

所以我们要做的是想办法引导粉丝做好关注、转发、评分、收藏、点赞这几个互动动作。只有一直有互动的动作,笔记就可能获得长久的流量,甚至发布几个月、一年后能还有流量推荐。

发现页之外,搜索页也是一个较大的流量入口。小红书官方也公布,有 30% 的小红书用户进入 APP 后会直接开始搜索。

在搜索页,小红书则是按照排序逻辑分配流量,排序越靠上的笔记,获得的曝光量也就越大。但这个排序并不是固定的,笔记的排序也在随着算法的实时演算而不断变化。

1)关键词的匹配程度:内容和标题与搜索词越接近和匹配,排名就会相对越高;

2)短时间的互动量:笔记在发布后的短时内获得较多的互动量,在搜索结果页中也会排名较前。

3)结合以上的流量逻辑,对于运营者来说要如何提升曝光?

(1)做好内容。没有好的内容做太多都是无用功,重要的是能为用户提供价值。要么是使用价值,要么是情绪价值。

(2)做好互动。无论对于哪种流量算法来说,互动始终都是十分重要的。运营者需要在笔记内容上思考如何引导互动以及评论区的互动。

(3)深耕细分,做好关键词布局。账号做的越垂直和细分,获得曝光和推荐的可能性就越高。可以多留意近期相关领域内的热词,在标题、内容以及标签标题中做好露出。

来源于:。

碎片信息为了达到易于习得的目的,通常会显著降低认知成本,最明显的方式就是:将复杂的事物简单化。它们往往只告诉你表面上的东西,却不会告诉你背后的原理,以及它与其他事物之间的联系。

我们所说的「知识」,由两部分组成:一是「事实」(或曰「观念」),二是「联系」。事实就是一个个点,联系则是把点连接起来的线,它们所构成的网络,就是我们的知识结构。「事实」决定了你的知识广度,「联系」决定了你的知识深度。

如果你了解事物之间的联系,即使你只知道 ABC,你也可以根据这三者的内在逻辑,得出 DE,甚至 F,这个过程就叫作思考。但如果你不了解它们的内在逻辑,即使你知道 ABCDE,你也是没办法得出 F 的——你不知道需要把它们放在一起,更不知道放在一起之后它们能够呈现出怎样的内在逻辑关系。

这就是碎片化信息的弊端。当我们接受碎片信息时,我们实际上是在扩充「事实」,但并没有增加「联系」。长此以往,会使我们的知识结构变成一张浮点图:孤零零的知识点漂浮在各个位置,却缺乏一个将它们有序串联起来的网络。

来源于:


暂时的低谷和困难,只是老天对你,另有安排。觉得不错,动动发财的小手点个赞哦!

版权声明

本文系作者授权念乡人发表,未经许可,不得转载。

标签列表