抖音的流量算法是复杂且精细的，它通过“标签”对“标签”的方式，将用户和内容创作者紧密地联系在一起。 对于普通用户而言，平台会根据他们的浏览习惯，将他们的兴趣标签化，从而推荐给他们可能感兴趣的视频。如果用户的兴趣爱好发生变化，那么他们看到的视频也会随之变化。 对于内容创作者来说，平台会基于他们发布的内容生成一个创作者标签，这个标签数量也是150个。如果创作者发布的内容有所改变，那么他们的标签也会随之改变。 当一个视频被创建并发布后，它会被推送给与该视频相关的用户，然后根据视频内容匹配相似的用户标签。这就是所谓的“标签”对“标签”的流量算法。 抖音对单个视频的推荐，主要考察五个关键数据：完播率、点赞率、留言率、转发率和转粉率。 首先，完播率是衡量一个视频是否吸引人的重要指标，它等于观看时间除以作品时间。一般来说，40%-50%的完播率已经非常优秀了。为了提高完播率，可以尝试在视频开头设置悬念或者引导打开评论区，这样可以拉长观看时间。 其次，点赞率也是一个重要的指标，它等于点赞量除以播放量。一般来说，每100个播放量至少要有3-5个点赞。 第三，留言率也是一个非常重要的指标，它等于留言量除以播放量。好的留言率表现可以提升视频的加权推荐。因此，创作者可以在视频中或者文案、评论区引导评论，以提高留言率。 第四，转发率对于初级流量池的视频影响不大，但是对于想要突破流量层级的视频来说非常重要。 最后，转粉率是衡量一个视频是否能够吸引新粉丝的关键指标，它等于关注量除以播放量。一个好的转粉率表现可以冲击高级流量池。 总的来说，抖音的流量算法是一个复杂的系统，它通过各种数据指标来评估一个视频的表现，从而决定是否将其推送给更多的用户。 视频发布后，会通过一个冷启动池进行初步的流量筛选。这个池子的流量通常非常庞大，由粉丝、朋友、可能认识的人以及少量标签匹配的用户组成。由于冷启动池的流量构成复杂且难以突破，因此需要检验粉丝的精准度和内容的优质程度。如果关键数据达标，视频将进入初级流量池。 初级流量池的流量大约在15527649518左右，继续观察视频在初级流量池的表现。如果数据持续达标，将进入中级流量池。中级流量池拥有10000以上的播放量，而高级流量池则有着十万+以上的播放量，可以说是无上限。 小红书的算法与抖音类似，都是基于“标签”对“标签”的流量算法。但与抖音不同的是，小红书更侧重于搜索推荐。基于小红书的平台定位，超过65%的流量来源于搜索，因此在搜索流量算法上更为精细。接下来，我们将重点讲解搜索流量算法的逻辑。 搜索结果与需求的匹配主要取决于核心关键词与query的匹配度。搜索结果中展示的内容是通过分析用户需求，找到最能命中用户需求的信息。一篇笔记标题中的关键词至关重要，官方明确提示：“填写标题会有更多赞哦”。由此可见，标题是小红书官方用来识别内容属性的重要选项。想要让笔记获得更多的展现，最基础的工作就是要做好标题的优化。 我们可以通过善用搜索的关键词、热词推荐等来帮助我们找到笔记的核心词，以便能让系统识别并推荐给对应用户。从推荐内容找核心词，包括三个方面：默认提示词、搜索发现（热门搜索）和补充联想关键词。 默认提示词是在点开搜索还未输入搜索词之前，平台根据用户标签推荐的一些搜索流量。这些词中包含了一定量的搜索流量。 搜索发现（热门搜索）是将最近一段时间被搜索次数最多的词展示出来，引导用户看一些最近热门的内容和用户搜索量大的话题推荐。这与用户的搜索量和近期的热门话题相关。 补充联想关键词，即用户输入部分内容，然后系统根据这些内容联想出完整内容，自动补全关键词，通过即时匹配关键词并展示出来，增加用户的选择。例如，当用户搜索“我搜了显瘦”，平台就会推荐关于显瘦的几个关键词。 考虑热词排序是综合展示的结果。除了笔记数外，“热词”的热度排序可能还牵涉到两个方面的因素：用户主动搜索的频率，以及笔记本身被系统推荐的热度。 在搜索系统的设计中，关键词的选择至关重要。以下是一些关于如何选择和利用关键词的建议：
- 小红书的热搜推荐是平台短期流量内容的标识，而搜索提示关键词、筛选热门则是长期流量所在，来源于小红书真实的用户数据分析和总结。因此，在选择关键词时，应优先选择竞争度小、流量大且比较精准的关键词，避免选择宽泛的关键词。同时，要学会反推关键词，确定笔记主题及关键词后，要去反推希望用户用什么关键词能搜到自己的笔记，考虑如果自己去搜这类笔记会用哪些常见关键词去搜。
- 在笔记标题、正文、话题、评论等位置合理的布局关键词，有助于笔记被收录及精准推荐。避免堆砌关键词，堆砌关键词会被系统判定为广告，长期这样操作，账号会被系统降权。
- 知乎的搜索排名与搜索引擎类似，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。 在视频内容的分发机制中，与头条、抖音等平台类似，知乎采用的是一种独特的算法，即威尔逊算法。这种算法的核心依据是内容的点赞数、反对数和收藏数，通过威尔逊公式来决定内容的推荐和排名。 威尔逊算法的关键在于两个比率：赞同率（Z）和反对率（V）。赞同率是指赞同数除以（赞同数+反对数），而反对率则是反对数除以（反对数+赞同数）。这两个比率共同决定了内容的综合评分，从而影响其推荐和排名。 与其他内容平台不同的是，知乎允许用户对不同意的内容进行反对票，这一行为在一定程度上也会影响回答的排名。此外，视频号还采用了社交推荐和个性化推荐相结合的方式。无论是发布视频还是图片，添加话题和定位都有助于实现更精准的个性化推荐。这一点与抖音的推荐算法有相似之处，但目前还在不断优化和完善中。 最后，视频号的推荐算法具有去中心化的特点。虽然基于社交关系链的推荐是基础，但当作品在完整的社交关系链中表现良好时，视频号会进一步扩大推荐范围，类似于抖音中的“标签”对“标签”的逻辑。