今日头条推荐算法规则

合集下载

今日头条及头条号推荐机制详解

今日头条及头条号推荐机制详解先介绍一下什么是今日头条智能个性化推荐，然后说明头条号推荐机制、规律。

1、什么是今日头条智能个性化推荐?头条号跟微信公众号最大的区别是：头条号自带粉丝，就算头条号创作者没有粉丝也有可能获得百万千万的阅读量。

决定头条号文章阅读量高低的是推荐量。

头条号自媒体引用智能个性化推荐引擎，能够精准找到读者，无需求关注、求订阅也能拥有海量读者。

今日头条属于机器智能个性化推荐机制，即通过机器算法将用户发表的内容(视频、文章)分发给内容的受众。

智能个性化推荐引擎会根据文章特征(内容质量、内容特征、首发情况、互动情况)、用户特征(头条号历史表、头条号订阅情况)以及环境特征(时间、地域、天气)等等，为文章找到感兴趣的读者并推荐给他们。

2、头条号推荐机制、规律头条号推荐过程是这样的：只要审核通过，机器会首先尝试推荐一定的量，如果点击率和阅读完成率高，再进行新一轮更大范围推荐给更多的相似用户，如果减弱到一定程度，推荐过程就结束。

推荐过程第一个关键点：初始推荐量审核通过后机器首先会尝试推荐一定的量。

那到底这个一定的量是怎么算出来的呢?也即影响今日头条在审核通过后尝试推荐一定的量的最关键因素又是什么呢?答案就是头条号指数。

头条号指数可以理解为「你的内容有多值得被推荐」，这一指数是机器通过一段时间内对作者创作的内容和读者阅读、关注行为的记录和分析得出的帐号价值评分，包括健康度、关注度、传播度、垂直度、原创度等5个维度。

头条号指数越高文章推荐越多。

推荐过程第二个关键点：二次推荐量今日头条尝试推荐了一定数量之后，将根据读者的点击率和阅读完成率来决定是否再进行新一轮更大范围推荐，或者还是减少推荐量。

用户点击了，但不一定看完，看完数量除以点击数量就是阅读完成率。

点击标题并读完文章的人越多，推荐越高。

当然还有其他一些行为也影响二次推荐量，比如点赞、转发、收藏、评论互动，这样的行为对二次推荐也有很大的帮助。

另外还有一个影响二次推荐很大的因素，那就是发文时间。

今日头条内容推荐机制总结

标题可以更吸引眼球，让人有点击欲望
吸引更多人订阅（比如订阅好礼，文案提示）
我们头条号的总结和计划
分享页面到社交网络
保持一贯的良好表现，减少违规
选择正确文章分类频道
寻找合适的发布时间点，阅读转发收藏最好的时间固定发布
文章尽量要贴合实际生活（不要过于小众）、通俗易懂，对于头条号读者的阅读兴趣
头条文章个性化推荐机制
主题相似
相同城市
关键词推荐
热门普适性
社交好友关系推荐
用户长期兴趣关键词
LOREM 用户阅读过的相似文章推荐
LOREM 拥有相同地理信息本地优先
LOREM
内容提取核心关键词，匹配用户历史行为
LOREM 筛选热门文章，全站推荐
LOREM 站外好友的阅读转发评论推荐
今日头条内容推荐机制
总结
2016-12-12
头条 VS. 传统新闻
今日头条是个性化推荐，会根据读者的爱好进行文章推荐，对于创作者的好处就是不管你的文章多么小众，都能获得被推荐的机会传统的新闻客户端推荐的内容由编辑一锤定音，资源会无限倾向于大号，小众的创作者根本拿不到流量。
另外一点就是今日头条是无限刷新的，只要用户有阅读的需求，可以持续进行内容消费，这样也给了创作者更多的曝光机会。
其他影响头条推荐因素
头条号指数
针对性提高头条高5个指标的分数
头条号按照：垂直，原创，互动，活跃，健康顺序针对性工作。
观察竞争对手头条号内容，发布频率，标题，图文比例。
我们头条号的总结和计划
尽量头条首发
初始阅读量越多，获得推荐越多，站内外推广内容

今日头条的渠道规则和推广逻辑

一、产品简介今日头条是北京字节跳动科技有限公司开发的一款基于数据挖掘的推荐引擎产品，为用户推荐信息，提供连接人与信息的服务的产品。

今日头条通过算法解读微博、QQ等社交账号登陆的使用者的兴趣，进行精准的阅读内容推荐。

二、产品特点基于个性化推荐引擎技术，根据每个用户的社交行为、阅读行为、地理位置、职业、年龄等挖掘出兴趣，进行个性化推荐，推荐内容不仅包括狭义上的新闻，还包括音乐、电影、游戏、购物等资讯。

对每条信息提取几十个到几百个高维特征，并进行降维、相似、聚类等计算去除重复信息；对信息进行机器分类、摘要抽取，LDA主题分析、信息质量识别等处理，精准推送给目标人群。

三、今日头条推广规则1、免费推广1.1 头条号渠道规则：（1）平台审核后，成为新手期；当头条号指数达650分，已推荐文章累计10篇时，自助转正。

（2）正常号发布内容频次为最多5篇/日，文章为500-800字最佳；（3）文章的收藏、评论、分享功能会影响文章的推荐率；推广逻辑：头条鼓励内容生产者产出好的内容，好内容有机会被头条推荐到首页的信息流中，被更多的用户可以看到；推广方法：（1）针对目前的热点，并结合产品卖点，产出爆款文章；（2）自定义菜单和外链，增加转化成新用户的机率；（3）发文时间尽量在流量高峰时间段。

1.2 悟空问答渠道规则：持续产出优秀回答，官方将评为问答达人，享有更多的曝光机会+有机会登上达人榜单；推广逻辑：通过认真回答产品相关领域的问题，并在保证有质量回答的前提下，植入推广信息。

只要有用户搜索到些问题时，回答的内容就相当于一块广告牌，持续带来流量。

推广方法：（1）主动收集潜在用户关心的问题，并进行发布，邀请匹配用户进行作答，适当时可以自己用小号作答；（2）与被推荐的可能有潜在用户关心的问题，相互评论互动；1.3 微头条渠道规则：（1）与今日头条的推荐机制一样，好的微头条也会被推荐至你的首页；（2）自主加V：头条指数在≥400、粉丝数≥10000后，可自主加V；官方加V，官方根据内容优劣，主动为你加V并会给出相应的称号；（3）微头条内容不占用头条号正常发文篇数；（4）微头条阅读量不计入头条号累计阅读量，不产生广告展示及收益；（5）微头条偏向短内容发布（短内容没有140个字数限制）；（6）头条号每天发文数量是有限的，而微头条没有发文数量限制；推广逻辑：根据微头条的渠道规则，可以知道，官方是鼓励产出优质微头条内容的。

今日头条的推荐机制分析

今日头条的推荐机制分析今日头条，大家公认的一个超级大流量平台，其最大的特点就是文章的智能推荐系统。

但是，有些人在今日头条文章动辄几十万、几百万，甚至上千万阅读，但有些则只是几十、几百的流量。

除了内容本身的质量以及账号区别之外，最大的关键就在于其算法推荐规则。

搞懂今日头条文章推荐规则，是在这里进行精细化运营的核心关键。

那么，今日头条海量文章推荐的机制是怎么样呢？为什么有的文章展现量几百万，有的却只有几十几百？对于文章的推荐机制我们又能做些什么？首先在说文章推荐规则之前，另一个机制大家一定要先了解，那就是今日头条的消重机制。

你在头条号发布的内容，在通过审核和进入推荐系统之间，还有一道难关，那就是下面要说的消重机制。

基本上，文章被消重是头条号所发布内容无推荐量的最常见的原因。

1想要被推荐，先了解消重机制1）什么是消重？我们都知道，在互联网上，同样的文章、图片、视频往往会被很多其他媒体转载或复制。

如果我们在百度搜索一篇内容，经常会得到多个网址。

所以，我们一般需要自己筛选和判断，哪个网址更权威，更有价值，再点击去访问就可以了。

但是今日头条不一样，它是基于算法推荐给用户的。

所以一定要保证不能连续给用户推荐了几篇相似的内容，否者用户体验会非常差：怎么老是给我推荐一样的内容，什么鬼系统！所以，今日头条在推荐你的文章之前，必须确定这篇内容：●在系统里是否存在相同或者高度相似的内容？●如果存在，那么这篇内容的来源是否是最权威、最有价值、是否最有可能是原创来源？那么，消重就是指对重复、相似、相关的文章进行分类和比对，使其不会同时或重复出现在用户信息流中的过程。

今日头条首先会通过消重机制来决定同样主题或内容的文章是否有机会被推荐给更多用户。

2）头条号内容消重的关键项那如何判断两个内容是否相同呢？如果让人来判断，可能就要逐字逐句地把文章读完才能判断得出来。

通过计算机这样去判断当然也是可以的，不过，当每天需要处理的内容达到十多万篇次的时候，这么做即使对于计算机来也太麻烦了。

今日头条原理

今日头条原理
今日头条是一家基于个性化推荐算法的新闻资讯平台，致力于
为用户提供个性化、精准的新闻内容。

其原理主要包括内容获取、
用户画像、兴趣标签和推荐算法等几个方面。

首先，今日头条通过网络爬虫技术从互联网上获取各类新闻资
讯内容。

这些内容包括新闻报道、社会热点、娱乐八卦、科技资讯
等各个领域的信息。

通过大数据技术对这些内容进行分析和处理，
形成了庞大的新闻资讯数据库。

其次，今日头条通过用户行为数据和兴趣标签构建用户画像。

用户在平台上的浏览、点赞、评论等行为都会被记录下来，并通过
算法分析形成用户的兴趣标签。

这些标签包括用户的年龄、性别、
地域、职业、兴趣爱好等信息，从而形成了用户画像。

然后，今日头条利用推荐算法对用户画像和新闻内容进行匹配，从而为用户推荐个性化的新闻内容。

推荐算法主要包括协同过滤、
内容推荐、热门推荐等多种技术手段。

通过不断地学习用户的行为
和反馈，推荐算法能够不断优化推荐结果，提高用户满意度。

最后，今日头条通过推荐系统将个性化的新闻内容呈现给用户。

用户在打开今日头条客户端后，会看到根据自己兴趣推荐的新闻列表。

这些新闻内容不仅包括用户感兴趣的内容，还可能包括一些用
户之前没有接触过但可能感兴趣的内容，从而丰富了用户的阅读体验。

总的来说，今日头条的原理是基于内容获取、用户画像、兴趣
标签和推荐算法构建的。

通过不断地优化这些环节，今日头条能够
为用户提供个性化、精准的新闻资讯，满足用户多样化的阅读需求。

字节跳动的内容分发算法与用户粘性提升案例

字节跳动的内容分发算法与用户粘性提升案例字节跳动是一家全球领先的智能内容平台和技术公司，旗下拥有多个知名移动应用程序，如抖音、今日头条、TikTok等。

作为内容分发领域的巨头，字节跳动拥有强大的内容分发算法，通过个性化推荐和精准定位，成功地提升了用户粘性。

一、字节跳动的内容分发算法字节跳动采用了一系列先进的内容分发算法来满足用户对于个性化和高质量内容的需求。

通过深度学习和大数据分析，字节跳动的算法能够根据用户的兴趣、偏好和行为习惯，为他们提供最合适的内容。

以下是字节跳动的几种主要算法：1. 基于协同过滤的算法：字节跳动会根据用户过去的行为，寻找和该用户兴趣相似的其他用户，然后将这些用户喜欢的内容推荐给该用户，以此来进行个性化推荐。

2. 基于内容的推荐算法：字节跳动会对内容进行分析和分类，然后将这些内容与用户的兴趣进行匹配，推荐给用户。

这种算法注重内容本身的特征和用户对不同内容的喜好程度。

3. 强化学习算法：字节跳动运用了强化学习算法来优化用户的推荐体验。

通过不断与用户进行互动，并学习用户的反馈和场景信息，字节跳动能够实时地调整和优化推荐策略，提供更加准确和个性化的推荐结果。

二、字节跳动用户粘性的提升案例1. 抖音视频推荐机制抖音是字节跳动旗下的一款短视频分享平台，拥有庞大的用户基础。

为了提升用户粘性，字节跳动通过不断优化抖音的内容分发算法，使用户可以接触到更多与其兴趣相关的视频。

抖音的推荐算法会根据用户的兴趣和行为习惯，将最相关和吸引人的视频呈现给用户。

通过分析用户的点赞、评论和分享行为，字节跳动能够了解用户的兴趣和喜好，并将这些信息应用于推荐策略中。

这种个性化的推荐机制大大提升了用户对于抖音的粘性，让用户能够长时间地留在平台上观看视频。

2. 今日头条新闻推荐策略今日头条是字节跳动旗下的一款新闻资讯平台，为用户提供个性化的新闻推荐。

通过分析用户的浏览历史、搜索关键词和兴趣标签，字节跳动能够将最相关的新闻推送给用户，提供给他们最感兴趣和有价值的内容。

头条文章推荐机制概述

• 当然，系统推荐的实际情况会远比这复杂得多，但推荐的基本原理便是： • 系统先通过数据来来给内容和用户打上各种标签，然后通过算法将内容标签跟用户标签进行
匹配，接着根据第一批推荐情况，决定后续的推荐量，这个下面说。 • 3）你的文章是如何被推荐的？ • 为让受欢迎的内容被更多用户看到，不受欢迎的内容不占用过多推荐资源。头条号文章在推
一定要记住，你的文章所在的标签一定需要匹配到更多的人群
为什么会产生推荐效果不好的情况？
文章为什么不被推荐
• 常有作者抱怨自己的某篇文章推荐效果不好，或者对自己的文章阅读量不稳定感到焦虑。 • 前面我们知道，文章的阅读量由系统推荐量直接决定，而推荐量又取决于上一轮推荐的点击率。因此单篇文章推荐效果不好，原因无外乎
会被打上「足球」、「国际足球」、「西班牙」等标签，完成对文章的初步认知。 • 而除文章正文关键词识别外，系统还会对标题进行关键词的识别和分类比对。因此，在标题中露出具
代表性的实体词非常重要。
系统会根据文章标题及内容关键词给文章打上标签
2）你的文章会被推荐给哪些用户？
每个人的阅读兴趣都是大不相同的，个性化推荐机制要做的事情就是——让每位用户看到可能感兴趣的内容。这种精准推荐，是建立在机器对每位用户都有充分认知的前提下的。在系统里面，每位用户实际是由大量数据构成的，用户的阅读兴趣就藏在这些数据中： ● 用户的基本信息性别、年龄、所处地理位置(城市或地区)；还有使用机型、授权账户(如微博、微信等)、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帐号；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；相似类型用户还喜欢阅读的其他文章类型；用户在今日头条客户端主动标记「不感兴趣」的实体词或文章类型。根据以上数据，系统对用户的阅读兴趣就能有个基本的判断。然后通过对数据的处理，每位用户将被系统打上各种标签。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

一、头条的推荐系统是如何做的？
推荐系统的本质，每个客户要从巨大的内容池，给这个客户匹配他最感兴趣的方章。

推荐算法的三个因素
1、用户：根据下拉刷新出内容，年龄、性别、时间、场地
2、内容：图文、小视频、视频、问答，分类体育、新闻等，文本提取关键词，视频利用AI 技术识别内容，作者历史作品的创作风格
3、感兴趣：用户在动作中确认，刷出来点击阅读、分享、点赞、评论、关注作者等，动作做为重要因素考虑
通过算法函数，看到点击的概率、分享的概率。

算出文章的兴趣分排序，确认给客户展现的内容。

二、发表后生成内容
1、审核，初审：机器+人工，机器筛选后有风险的交给人工
2、加权推荐，冷启动：新文章加权推荐，让用户有一定概率能看到，展现几千次左右，看客户表现，模型判断哪些人喜欢，或者都不喜欢，机会用完撤消加权。

有粉丝的用户会有粉丝触达，正常推荐。

标题党、虚假、低俗等推荐过程中点击率过高、举报、负面评论等数据再进入审核流程，着重关注文章的质量，如真的有问题停止推荐。

3、正常推荐，
4、收集反馈
5、复审流程，
文章能不能得到好的推荐，还取决于当时其他文章的表现，和纯粉丝分发不同。

文章领域太窄，用户少，推荐完就没有可推荐量了
创作上面
1、向用户的需求，不钻数据漏洞，不做标题党
2、坚持优质原创，不做低质量内容
3、经营粉丝，做好与粉丝的互动。