算法是个什么鬼，今日头条爆文来的，推荐机制了解一下

2019-05-26 本文已影响81人 f85c94a8f498

关于今日头条，很多人刚做自媒体的新手都在奇怪：

有的账号粉丝过万写一篇文不温不火，

有的账号没啥关注一篇冷门领域爆文十万阅读。

问自媒体老司机，这个平台为啥这么神奇呢？他们都是嘿嘿一笑，然后讳莫如深的撇下一句。“算法，算法不同”。

今日头条算法的未解之谜到底是啥？今儿，一起解密今日头条的算法机制。

1）.今日头条平台优势

相对于微博和公众号，今日头条的算法特性在于，内容的极度去中心化。

对于微博而言，明星账号是热点内容的发起点，即使是一个普通的微博账号，也是一个小中心。它们发布内容的阅读量，可以直接被粉丝数量所左右。

塘主发了个微博，他的几千万小迷妹第一时间就会收到。小迷妹关心的是塘主又发博了。

娘娘发了个微博，她的几千万关注者也会第一时间收到。关注者关心的是娘娘又发博了。

但是在今日头条稍有不同，

内容生产者发布的内容，首先要被算法识别和推荐，然后再分发给用户。

在今日头条没有KOL，没有明星账号。用户更加注意获取内容的效率和内容的精准性。

细心的你会发现

微博增强了用户中心化趋势。

头条是极度的去中心化趋势。

所以，你会看到再差的内容在微博里都会有基础阅读量，而在头条号里会被算法过滤，很难有阅读。然而，如果微博粉丝少，好的内容没人看，但在头条号里就会有很多人阅读。

2）.今日头条算法概况

今日头条算法的基础公式是：Y=F（Xi，Xu，Xc），我来解释一下：今日头条算法的本质是解决用户和环境、内容之间的匹配性问题。

算法基础维度有三个方面：

1.内容

今日头条是一个全内容平台，文字、图片、视频、小视频啥都有，每种内容还有自己的调性。所以在算法运作时候要考虑到内容特征。

2.用户

显性的看：你什么爱好，你是男是女，你干什么的，你90后还是00后，

隐性的看：你的翻阅记录，你最近的打开频次，你的平均阅读时长，

每一个用户都有自己独特性，但同时在某个维度下又有共同性。所以在算法运作时候要考虑到用户特征。

3.环境

这是移动信息时代的特点，上班的路上可能喜欢看些新闻，工作场合喜欢阅读相关知识。旅游去了喜欢查攻略，睡觉前你就爱看段子。

在不同的场景下，你得阅读爱好是会有所偏移的。所以在算法运作时候——要考虑到环境特征。

结合这三个维度

算法会给出预判，预测该内容是否能对某一情景下的某一用户产生正面反馈。其实，不只是今日头条，其他内容平台都是这个尿性。

还有些做自媒体很容易忽略的方法，大基础明白了，我们在聊聊特征。

3）.推荐特征

基于算法三维度的大前提，我们可以推导出起码四个推荐特征：

1.匹配性特征

即然算法是用来解决，内容和用户匹配性的，那么精准的内容必然会获得，头条更多的推荐量。

那么关键词、分类、和主题的选择就显得尤为重要。

2.环境特征

即然算法是用来解决，环境和用户匹配性的，那么贴合时间点、贴合地理位置、必然会获得头条更多的推荐量。

3.热度特征

所有用户都在关注的热点会被多推荐

一个类别下（比如娱乐、体育）大热的内容会被多推荐、

一个主题下（比如说：NBA季后赛）大热的内容会被多推荐、

一个关键词下（詹姆斯）大热的内容会被多推荐。

4.是相似性特征

通过用户行为分析，不同用户间相似性，

比如老王和老李都喜欢晚上十点左右看看新闻，都关注了NBA。那么头条给老王推荐的内容有时候也会给老李推荐。

特征明白了，我们再来聊聊实操。

4.）内容角度

1.颗粒度

颗粒度越小的文本，冷启动能力越强，因为，头条的推荐机制中包含了语义标签。

语义标签：

就是文章打上标签。这部分标签是由人定义的特征，每个标签有明确的意义，标签体系是预定义的。所以文章的标签越细，文章就越垂直，冷启动能力就越强。

就好比【NBA】VS【凯尔特人】VS【塔图姆】，关注NBA的人很多，关注凯尔特人的少一些，关注塔图姆的就不多了。这时候你发送一个NBA的文章，系统只会推给NBA下面0.001%的人看。

但是呢，你发送一个塔图姆的文章，系统会推荐塔图姆下面80%的人看。所以越细分的文本的冷启动能力越强。

2.消重机制

保护用户对于相似文章，只先读一篇。一方面这跟刺激感与疲劳感有关，鸡腿好吃一天吃200个你也受不了是不是；

另一方面对于原创作者来说，也是一种保护措施。所以，咱们在操作的时候，首先就要申明原创，

你申明原创成功了那你的文章就会主推荐，看的人自然多。而且搬运工们就被消重啦。但是要是有些手子洗稿比较狠，那没办法它们还是可以绕过算法的。没有申明原创，或者原创未通过，先发优势不大。

根据热度推荐特征,在短期内（比如24小时新闻热点）。算法更相信官方来源（比如新华社、中国青年报）；而且标题和图片也会消重。

做一个头条号跟他么写毕业论文一样，也不知道张老板怎么想的。。。。

根据消重机制的原则和语义标签原则，我推测。一个热点事件，大家都从一个角度写。头条算法只会主力推荐其中几篇。

所以，千万要视角独特写出和别人不一样的内容，这样在另一个标签角度下你得文章会得到加权，从而扩大阅读量。

人物、机构

不知道你有没有发现，在今日头条中高阅读的文章，往往与知名人物或机构有观。

果兄告诉你：因为头条的算法在文本特征模块中，除了基础的分类体系（也就是每一个文章必须有一个归类标签）以外。

在它的基础上还有一个“实体体系”，而实体体系的标签就是每个领域热门的人物、机构和作品。所以在头条进行创作，完全可以蹭知名人物、知名公司。

3.从用户角度

在另一个层面，头条推荐机制，也会通过用户反馈进行倒推。

头条官方说法有以下四个特征：

1.过滤噪声

通过记录停留时间短的点击频次，过滤标题党。如果一个文章别人仅仅是点开就退出，那么文章是很难有推荐量的。

2.热点惩罚

对用户在一些热门文章（如前段时间PG One的新闻）上的动作做降权处理。理论上，传播范围较大的内容，置信度会下降。

也就是说，已经传播范围比较大了，那么用户的操作行为（点赞、评论、转发）对于进行更多推荐的影响权重会逐渐变小。

3.时间衰减

用户兴趣会发生偏移，因此策略更偏向新的用户行为。因此，随着用户动作的增加，老的特征权重会随时间衰减，新动作贡献的特征权重会更大。

三年前你喜欢看游戏视频，最近你迷上了维多利亚的秘密，那么头条会大量的给你推荐维多利亚的秘密，而不是英雄联盟小智的解说。

惩罚展现

如果一篇推荐给用户的文章没有被点击，相关特征（类别，关键词，来源）权重会被惩罚。