最新的头条推荐机制，做自媒体需要熟知！

很多人不知道头条的推荐机制，以为发一个某领域的就应该给你很大的推荐率，其实不是这样的。说起头条的推荐率，首先我们应该从头条的分发步骤说起，最后说下视频的推荐

一、头条分发的五个步骤

1、消重

头条号的处理机制，是以发布时间、体验好坏、原创标识、是否有版权等作为准判断原创的标准。因此，显然发布早、体验良好、原创的、有版权，会被认定为原创。反之认定为伪原创、转载，甚至抄袭。

为了提高用户体验度，头条的消重机制，会让用户只看到该主题中的少数几篇。

2、审核

头条号对内容要求比较严格。低质、旧闻，或者文章的地区推送范围，都可能有限制。另外标题党、低俗、软文黑稿也不行，会收到相应的限制。

3、特征识别

头条的特征识别其实就是标签机制。例如它根据标题、内容等进行识别是娱乐、汽车还是体育等;体育中又会继续分级，识别是足球、篮球还是兵乓球等，如此一级一级，一共分成四级，头条号根据这些分级和实体词推荐给符合推送条件的人。

4、系统推荐

头条号的推荐有个特点，就是他是试探性的推荐，也叫冷启动。先给部分标签最匹配额用户、订阅者、兴趣点相同和相似的人群。然后根据他们的反馈进行下一步的调整。

如果该文章有点击率高、阅读完成率高、收藏转载高以及互动率等等反馈都很正面，头条号就会加大该文章的推荐;反之，如果上面这些都很少又是负面，或者收到举报投诉等，就会限制推荐。

其中，至关重要的当然是点击率，也因此，标题和封面图的重要性便不言而喻。

5、人工干预

头条号会根据推荐过程的反馈进行人工干预。人工干预可以尽可能的发掘具有潜力的作者，让有能力的作者脱颖而出，增加阅读和收入。而那些劣质的文章就会被限制、删除、禁言，直至删除。

二、关于推荐机制

上面五个步骤中，系统推荐是比较重要的一步，是我们文章可以爆发性增长的关键。

1、每一篇文章发布后，在1个小时内，头条会先优先推荐给100-1000个用户，然后再逐步增加推荐量，很多文章的爆发或者沦陷，往往就在1个小时里被决定了。

2、头条号给出了推荐量、阅读量、评论量、收藏量、转发量、阅读进度、跳出率、阅读速度等方面的数据，头条号通过机器算法评判文章质量的优劣，好文章推荐给更多用户，差文章只有胎死腹中。

3、在几项指标中，转发、收藏、评论这些互动并不是头条判断一篇文章优劣的关键，互动率与推荐量的关系最低，而阅读率、阅读进度、跳出率、阅读速度等4项指标与推荐量的关系最大。

4、互动率的权值较低，我觉得一个靠谱的猜测大概是为了防止刷数据。

5、毕竟转发、收藏这些数据相对容易造假，而其他数据由被推荐用户的行为获得反馈，环节众多，相对比较客观。

三、如何提升推荐量

既然知道了影响推荐量的关键指标，那么就可以针对阅读率、阅读进度、跳出率、阅读速度这4项指标进行优化了。

1、提升阅读(进入)率

阅读率其实就是阅读转化率，也就是点进文章的用户比率，对于一篇文章，提升阅读率关键无非是两个:写好标题，选好封面。

不要做无底线的标题党，因为标题党会导致阅读进度、跳出率、阅读速度的数据出现问题。

可以适度优化标题，没有亮点的标题，也不大让人有点击的欲望。

标题必须第一时间打动读者，别让用户多思考，人们看一篇标题的时间不会超过3秒。

2、提高阅读进度

文章的长度一定要控制，一般在500-1500字之间，三五屏就能翻完最好，太长的文章在这个碎片化的时代是不讨喜的。

加快语言节奏，多用短句，少用复杂的长句。

多加图片，图片是大大降低读者阅读成本的利器。

控制表达欲望，不要说太多的观点，每篇文章说清楚1个问题就很好了。毕竟大家还是娱乐心态，看

个新鲜就好，又不是来上课的。

3、降低跳出率

跳出率是指阅读不足20%就跳出不看的用户比率。

开篇不要有太多废话，你的标题说的什么，第一段就要说什么。

人们给标题留了3秒的时间，给开头留的时间也差不多。(好像歌里面唱的:我随时可能走掉……)

摒弃公文式写法，背景，意义一概删掉。这种东西是很招人反感的。

可以加一句引言，例如文末有福利，就像将比较有吸引力的封面图做封面一样。

4、找准关键词

关键词是决定能被推荐给多少用户的关键指标。

做到关键词具体化。比如春分这个词，不如春分养生，又不如春分吃菠菜。

在标题、首段、末段、图片注释处嵌入关键词。关键词要在文章中多出现几次，头条号是机器算去推

荐，可以通过关键词的位置、频次等方面提高机器的辨别度。

选择用户池大的关键词，用户池大的文章即使被推荐万分之一，也比用户池小的文章推荐干分之一要

多。

四、视频推荐机制

做头条号短视频，理解了推荐机制才能获得系统推荐。短视频的推荐流程分为3步

1、机器+人工审核，拦截违规内容

2、冷启动推荐，机器根据用户的历史浏览记录、搜索记录，根据视频的标题、内容、简介进行精准匹配推荐。

3、根据冷启动推荐用户的阅读反馈，包括点击率、播完率、评论、收藏、转发等数据决定下一轮推荐的数量。

视频内容有利于机器准确识别，使它能够进行精准推送，获得了用户良好的阅读反馈，推荐量就会像滚雪球般增长。