最近，運(yùn)營社發(fā)現(xiàn)了一個有趣的現(xiàn)象——小紅書里常有人反饋，精心策劃的內(nèi)容沒有人看，但有時隨便發(fā)個貼，卻能得到不少流量。
這是為什么呢？
關(guān)于小紅書的流量分配，網(wǎng)上流傳著許多說法：
小紅書內(nèi)部存在一個固定的筆記評分公式；
小紅書需要養(yǎng)號，如果賬號的權(quán)重不高，筆記得到的流量就很小；
筆記內(nèi)容需要多次重復(fù)關(guān)鍵詞，增加被搜索到的幾率……
這些說法都有道理嗎？小紅書的流量分配機(jī)制究竟是怎樣的？
帶著這些疑問，運(yùn)營社對小紅書的流量機(jī)制進(jìn)行了研究，同時也就一些問題，和多次獲得小紅書體育運(yùn)動榜 TOP 1 的 MCN 機(jī)構(gòu)——阿尼星空的內(nèi)容負(fù)責(zé)人 @勺子 聊了聊，總結(jié)出了一些要點(diǎn)。
小紅書的筆記發(fā)布后，可以通過四個頁面被看到，分別是首頁的關(guān)注頁、發(fā)現(xiàn)頁、本地頁，以及搜索按鈕可跳轉(zhuǎn)的搜索頁。
其中，發(fā)現(xiàn)頁和搜索頁是兩個最主要的流量入口。以即刻網(wǎng)友 @Luuuuke 的筆記為例，來自于首頁推薦和搜索的流量都占到了 40％ 的比例。
圖源：即刻網(wǎng)友@Luuuuke
根據(jù)運(yùn)營社的觀察，這兩個頁面有著不同的流量分配邏輯。
1）發(fā)現(xiàn)頁的推薦邏輯
發(fā)現(xiàn)頁上，筆記按照信息流的形式呈現(xiàn)，用戶每次下拉刷新都會出現(xiàn)一批新的筆記，這些筆記主要是通過推薦算法展現(xiàn)的。
運(yùn)營社參考了 2017 年時任小紅書算法架構(gòu)師 @趙曉萌 、2019 年時任小紅書實(shí)時推薦團(tuán)隊(duì)負(fù)責(zé)人 @郭一 的兩篇公開分享文章，以及 2021 年小紅書算法團(tuán)隊(duì)發(fā)布的一篇論文，對發(fā)現(xiàn)頁的推薦邏輯做了拆解。
筆記的推薦過程大致可以分為三個步驟：
先在推薦前根據(jù)過往用戶數(shù)據(jù) 預(yù)先評分，再根據(jù) 用戶偏好進(jìn)行推薦，接著根據(jù)用戶 互動反饋，將筆記放入遞增的流量池。
①推薦前先預(yù)估效果
按照 @郭一 的描述，筆記并不是一發(fā)布就會被推薦，而是會先經(jīng)過一輪推薦系統(tǒng)的“打分”，再投入推薦。
第一步，系統(tǒng)會從過往的筆記數(shù)據(jù)庫里找出類似的筆記。
第二步，系統(tǒng)會根據(jù)類似筆記獲得的點(diǎn)擊、點(diǎn)贊、收藏等互動數(shù)據(jù)，預(yù)測該筆記在發(fā)布后，可能接收到用戶互動行為的概率為多少，從而來為該筆記“打分”。
也就是說，通過對類似筆記的分析，就能預(yù)測這條筆記發(fā)出后是否會被用戶喜歡。
在預(yù)估評分的算法中，用戶點(diǎn)擊的概率對評分影響最大，其他互動行為的概率都被賦予了一個權(quán)重，最終計(jì)算出筆記的評分。
舉個例子，假設(shè)只參考點(diǎn)擊、點(diǎn)贊和收藏的情況下，設(shè)點(diǎn)贊和收藏的權(quán)重都為 0.5 ，一條筆記的預(yù)估點(diǎn)擊概率為 50％ ，點(diǎn)贊、收藏概率都為 10％ ，那么最后這條筆記的評分為 0.05 分。
推薦系統(tǒng)的算法會通過現(xiàn)有用戶的反饋不斷更新，所以評分公式也在不斷變化。
最后，系統(tǒng)會按評分的高低對筆記位置進(jìn)行調(diào)整。
運(yùn)營社猜測，評分高的筆記在信息流中的位置會靠前，獲得更多的曝光，評分低則位置靠后，曝光較少。
②用戶偏好匹配分發(fā)內(nèi)容
當(dāng)筆記投入線上推薦時，小紅書會將筆記的內(nèi)容標(biāo)簽，和用戶偏好的內(nèi)容標(biāo)簽進(jìn)行匹配。
根據(jù) @趙曉萌 2017 年的分享，當(dāng)發(fā)布者發(fā)了一條筆記后，小紅書的算法會對筆記中的文字和圖片都進(jìn)行識別，綜合起來打上內(nèi)容標(biāo)簽。
其中較為特別的一點(diǎn)是，算法還可以通過對情緒相關(guān)的詞語進(jìn)行分類，識別出用戶喜歡瀏覽帶有哪些情緒標(biāo)簽的筆記，并匹配類似情緒的內(nèi)容。
比如，運(yùn)營社發(fā)現(xiàn)，經(jīng)常搜索和點(diǎn)贊笑話類筆記后，小紅書就會開始推薦更多同樣表達(dá)出“開心、快樂”情緒的筆記。
同時，基于關(guān)注話題、收藏專輯，還有用戶對筆記的互動程度等維度，小紅書也能推測出用戶偏好的內(nèi)容標(biāo)簽。
2017 年的用戶和筆記標(biāo)簽（現(xiàn)在的標(biāo)簽可能有所變化）
通過匹配，就能將內(nèi)容推薦到可能對其感興趣的用戶首頁上。
根據(jù)用戶賬號的行為，小紅書的推薦和搜索數(shù)據(jù)也是互通的：
用戶搜索“xx”關(guān)鍵詞后，系統(tǒng)就會認(rèn)為用戶需要了解“xx”，在發(fā)現(xiàn)頁上也會推送相關(guān)內(nèi)容。比如搜索“元宵節(jié)”，首頁就會推薦“湯圓酥”。
但如果用戶沒有持續(xù)瀏覽相關(guān)內(nèi)容，系統(tǒng)的推薦也會停止。
同時，小紅書主要是按照用戶偏好進(jìn)行推薦，但也會盡量保證結(jié)果的多樣性，給用戶推薦一些其并不偏好，但評分較高的筆記。
③互動決定是否推薦
小紅書按照用戶偏好，將筆記推送給初始的一批用戶后，就會通過這一部分用戶的互動數(shù)據(jù)，比如點(diǎn)贊、收藏、評論等，來決定是否將它推薦給更多的人。
互動數(shù)據(jù)更好，筆記就會獲得更多的推薦，進(jìn)入 遞增擴(kuò)大的流量池。
運(yùn)營社通過一段時間的驗(yàn)證，發(fā)現(xiàn)首頁推薦筆記的發(fā)布時間一般都是近兩個月。但根據(jù)時間的遠(yuǎn)近，筆記的互動量較為不同。
發(fā)布時間較短的筆記，點(diǎn)贊互動數(shù)量有多也有少。比如說，截圖中有兩篇都是同一天發(fā)布的筆記，但一篇點(diǎn)贊量為 4.9w ，一篇僅為 28 。
而發(fā)布時間較長的，一般點(diǎn)贊互動數(shù)量都較多。比如說，截圖中有三篇筆記都是在一個月前發(fā)布的，但點(diǎn)贊量都過千。
由此可以推測，筆記在發(fā)布后的短期內(nèi)，不管互動量多少，都有可能獲得推薦。但如果沒有持續(xù)獲得用戶互動，系統(tǒng)就會停止推薦該筆記。
所以首頁推薦中，基本不會呈現(xiàn)發(fā)布時間久遠(yuǎn)，同時互動數(shù)量也較少的筆記。
只有在用戶持續(xù)互動的情況下，筆記才會進(jìn)入遞增的流量池，在之后較長的一段時間里被不斷推薦。
2）搜索頁的排序邏輯
發(fā)現(xiàn)頁之外，搜索頁也是一個較大的流量入口。
根據(jù)不久前小紅書商業(yè)大會上公布的數(shù)據(jù)，有 30% 的小紅書用戶進(jìn)入 APP 后會直接開始搜索。
在發(fā)現(xiàn)頁，小紅書主要采用的是推薦邏輯，而在搜索頁，小紅書則是按照排序邏輯分配流量，排序越靠上的筆記，獲得的曝光量也就越大。
但這個排序并不是固定的，筆記的排序也在隨著算法的實(shí)時演算而不斷變化。
@勺子 告訴運(yùn)營社，在搜索頁面，影響排序結(jié)果的因素主要有三點(diǎn)： 關(guān)鍵詞的匹配程度、短時間的互動量以及 觀看者的賬號行為。
①關(guān)鍵詞匹配程度
小紅書搜索中，筆記和用戶所搜索的關(guān)鍵詞的匹配程度，會很大程度上影響搜索結(jié)果頁中筆記的排序位置。
當(dāng)用戶搜索關(guān)鍵詞時，系統(tǒng)優(yōu)先呈現(xiàn)與關(guān)鍵詞高度匹配的筆記。
比如，搜索「共青公園櫻花」這個關(guān)鍵詞時，搜索頁排在第一位的筆記雖然互動量沒有其他筆記多，但筆記內(nèi)容是和「共青公園櫻花」匹配的，所以也會被優(yōu)先展現(xiàn)。
在筆記的標(biāo)題、內(nèi)容和話題中，都可以布局關(guān)鍵詞。
那么如何布局關(guān)鍵詞，能讓筆記的排序靠前呢？
@勺子 表示，在標(biāo)題和內(nèi)容中提及近期較為熱門的關(guān)鍵詞，或者相關(guān)賽道領(lǐng)域中用戶會關(guān)注的詞語，確實(shí)會增加筆記被搜索到的概率。是否多次提及關(guān)鍵詞并不重要。
所謂“相關(guān)賽道領(lǐng)域中用戶會關(guān)注的詞語”，就是指該選題領(lǐng)域下的“細(xì)分關(guān)鍵詞”。之所以要去布局“細(xì)分關(guān)鍵詞”，在于兩個原因。
首先，如果關(guān)鍵詞的范圍太廣，該關(guān)鍵詞下的筆記數(shù)量就會越多，競爭太大，反而越不容易獲得流量。
運(yùn)營社測試后發(fā)現(xiàn)，搜索越是“細(xì)分”的關(guān)鍵詞，出來的筆記結(jié)果排序變動會越小。
比如，運(yùn)營社相隔一個月去搜索一個較為“細(xì)分”的關(guān)鍵詞「藍(lán)白英短價格」，上一個月搜索頁前兩名的筆記依舊留存在靠前的位置。
而去搜索「美妝」這一范圍較廣的關(guān)鍵詞，發(fā)現(xiàn)僅相隔 4 分鐘，排名前三的筆記就已經(jīng)發(fā)生了變動。
其次，當(dāng)用戶去搜索時，往往會去搜索一個較為精準(zhǔn)的關(guān)鍵詞。比如說，當(dāng)用戶想要了解“藍(lán)白英短”時，就會去搜索“藍(lán)白英短的價格”、“藍(lán)白英短怎么養(yǎng)”等等。
因此，筆記中的關(guān)鍵詞越精準(zhǔn)，越容易被用戶搜到，在結(jié)果頁留存的時間就會越長，獲得的流量也會更多。
②筆記短時間內(nèi)互動量
另一個影響筆記在搜索結(jié)果頁排序的因素，是筆記在發(fā)布后短時間內(nèi)獲得的互動量。
@勺子 告訴運(yùn)營社，筆記如果能在發(fā)布后的短時間內(nèi)獲得較多的互動量（點(diǎn)贊、收藏、評論等） ，說明就有成為爆文的潛質(zhì)，那么在搜索結(jié)果頁中也會排名較前。
比如說，運(yùn)營社搜索“上海櫻花”后發(fā)現(xiàn)，有幾篇點(diǎn)贊數(shù)量為 200-400 的筆記，它們的排名在點(diǎn)贊量為 1000 左右的筆記之上，內(nèi)容都是與“上海櫻花”相關(guān)。
截圖于 3 月 14 日
運(yùn)營社猜測，這可能就和筆記在發(fā)布時間內(nèi)獲得的互動數(shù)量有關(guān)。
下圖中的第一篇筆記大約是于 3 月 12 日發(fā)布，短短兩三天時間內(nèi)就獲得了 400+ 點(diǎn)贊，具備“爆文潛質(zhì)”的；而后面兩篇點(diǎn)贊約為 1000 的筆記，則是早早發(fā)布于 2021 年上半年，與現(xiàn)在相隔 1 年左右。
③觀看者的賬號行為
一位運(yùn)營操盤手 @趙子辰Vic 曾提到過，小紅書的關(guān)鍵詞搜索結(jié)果是“千人千面”的，對不同用戶呈現(xiàn)不同結(jié)果。
排序算法會根據(jù)用戶過往行為，推測出用戶對話題的了解程度，從而匹配不同的搜索內(nèi)容。
運(yùn)營社用不同的賬號在同一時間搜索同樣的關(guān)鍵詞，呈現(xiàn)的頁面是不同的。
比如，同一時間搜索「美食」，小紅書給一個賬號 （圖片左側(cè)） 顯示了更多的上海的餐飲探店筆記，圖片右側(cè)顯示的內(nèi)容包括了美食制作和分享，結(jié)果更多樣。
運(yùn)營社猜測，左側(cè)的賬號用戶可能近期搜索、瀏覽過上海的探店筆記，所以系統(tǒng)會推測用戶搜索「美食」，是更希望知道上海有哪些餐飲店。
那么小紅書的流量分發(fā)機(jī)制，具體會對創(chuàng)作們產(chǎn)生怎樣的影響呢？根據(jù)流量分發(fā)機(jī)制，該如何調(diào)整運(yùn)營思路？
1）筆記內(nèi)容需為用戶提供價值
小紅書的流量機(jī)制對創(chuàng)作者最重要的影響在于，內(nèi)容要能為用戶提供價值。
當(dāng)用戶能從筆記中感受到價值后，才會去點(diǎn)贊、收藏。因此筆記才能進(jìn)入遞增的流量池，在搜索結(jié)果頁的排序中才能靠前。
@勺子 表示，在小紅書社區(qū)中，較受歡迎的內(nèi)容一般提供了兩類價值： 一是實(shí)用價值，二是情緒價值。
所謂有實(shí)用價值，就是指筆記能給用戶帶來切實(shí)的干貨知識。
比如，這篇點(diǎn)贊、收藏?cái)?shù)量高達(dá) 2w+ 的筆記，就是圍繞生活中一些人常會遇到的問題“手機(jī)丟失后該怎么辦”展開，提供了干貨知識。
@勺子 還認(rèn)為，較受歡迎的筆記除了分享實(shí)用知識外，也會給用戶“情緒價值”。
所謂有“情緒價值”的筆記，就是指一些筆記（如嘮家常等） 或許沒有實(shí)用性，但能夠給用戶傳遞一種情緒（如快樂、悲傷等） 。
比如這一篇分享情侶拌嘴的筆記，傳達(dá)了一種“分享搞笑日常”的情緒，能夠激發(fā)起有同樣經(jīng)歷用戶的關(guān)注，調(diào)動起討論的興趣。
這篇筆記獲得了 4w+ 的點(diǎn)贊，評論數(shù)量多達(dá) 3000+ 條，評論區(qū)里有許多用戶回應(yīng)“太好笑了”。
同時運(yùn)營社認(rèn)為，小紅書流量分發(fā)機(jī)制也保證了更多內(nèi)容有被看到的潛力。只要筆記的內(nèi)容在社區(qū)中有價值，當(dāng)下不火，之后也有可能翻出來火。
@勺子 也表示，如果內(nèi)容關(guān)鍵詞變?yōu)闊嵩~，沉淀的優(yōu)質(zhì)筆記可以通過搜索重新獲得流量。
比如今年冬奧期間，冰墩墩爆火后，一篇發(fā)布于 2019 年、有關(guān)“冰墩墩”的筆記也重新獲得了流量。
注重用戶價值，從反面來說，也需要規(guī)避不符合社區(qū)價值觀的內(nèi)容產(chǎn)出，比如炫富、擦邊球、惡意引戰(zhàn)等等。在小紅書的筆記發(fā)布界面，也有相應(yīng)提醒。
@勺子 表示，如果出現(xiàn)違規(guī)的內(nèi)容，筆記就不會被推薦。只要筆記合規(guī)，是一定會被系統(tǒng)收錄的。
2）細(xì)分領(lǐng)域深耕，做原創(chuàng)垂直賬號
在許多小紅書“運(yùn)營攻略”中都有提到，發(fā)布者的賬號權(quán)重會影響小紅書的流量分配，但官方否認(rèn)了這一點(diǎn)。
在 @薯?xiàng)l小助手 發(fā)布的筆記中，強(qiáng)調(diào)了小紅書在賬號維度上不存在權(quán)重。
@勺子 對此也說明，在小紅書做賬號，不需要“養(yǎng)號”（指通過正常的用戶瀏覽、點(diǎn)贊等行為，增加“賬號權(quán)重”） ，但需要保證賬號的原創(chuàng)度和內(nèi)容垂直程度。
保證原創(chuàng)度除了避免抄襲外，也需要避免內(nèi)容同質(zhì)化。運(yùn)營者需要挖掘用戶的痛點(diǎn)，用不同的視角去產(chǎn)出內(nèi)容，傳遞給精準(zhǔn)的用戶人群。
比如，瑜伽博主都在做的“開肩動作”，如果單純教這個動作可能和其他人的內(nèi)容會很相似。但產(chǎn)出如何“躺著做開肩動作”的內(nèi)容，從不一樣的視角切入，可能效果就會更好。
而賬號內(nèi)容垂直程度則會影響內(nèi)容的分發(fā)。
@勺子 提到，創(chuàng)作者和用戶都具有“標(biāo)簽”，賬號的內(nèi)容垂直度就是組成創(chuàng)作者“標(biāo)簽”的一部分。創(chuàng)作者的內(nèi)容會首先推送給跟 ta 標(biāo)簽相吻合的用戶。
舉個例子，如果一個創(chuàng)作者的標(biāo)簽為“健身”，那么 ta 的筆記會優(yōu)先推送給“標(biāo)簽”為“健身、運(yùn)動”的用戶。該用戶看到后，點(diǎn)贊、收藏的可能性也較大。
這也意味著，如果賬號內(nèi)容不垂直，也會導(dǎo)致筆記匹配的人群較為混亂，產(chǎn)生的有效互動更少，被持續(xù)推薦的可能性也就更小。
所以在賬號定位中就需要思考，內(nèi)容對標(biāo)的是哪些人群，如何通過內(nèi)容生產(chǎn)給這些用戶更多的價值。
同時 @勺子 還分享道，在小紅書追熱點(diǎn)話題的筆記，確實(shí)會獲得一部分話題流量，但是否要追這個話題，還是得衡量話題和賬號是否匹配。
如果為了追熱點(diǎn)話題，而影響了賬號的垂直度，反而是得不償失。
3）關(guān)注深度互動數(shù)據(jù)
由于互動評分機(jī)制在小紅書的流量分配中十分重要，創(chuàng)作者需要在筆記內(nèi)容上思考如何引導(dǎo)互動。
2017 年 @趙曉萌 曾分享，在社區(qū)上，小紅書內(nèi)容算法衡量的是社區(qū)的深度交互，舉了點(diǎn)擊、點(diǎn)贊、收藏等基礎(chǔ)互動數(shù)據(jù)作為例子。
但運(yùn)營社認(rèn)為，小紅書的算法發(fā)展到現(xiàn)在，這個「深度交互」也應(yīng)該更深一層去理解。也就是說，深度交互不僅包括了基本的點(diǎn)贊、收藏、評論，也包括了進(jìn)一步的交互動作。
比如「通過筆記帶來的關(guān)注」就屬于深度交互。
@勺子 認(rèn)為，在筆記推薦的評分機(jī)制里，關(guān)注是一個很重要的點(diǎn)，而這個關(guān)注數(shù)指的不是博主擁有的粉絲數(shù)，而是由筆記帶來的漲粉數(shù)。
同時，運(yùn)營社猜測，小紅書筆記的評論區(qū)中，評論多次回復(fù)形成的「樓中樓」也屬于深度交互的一種。
據(jù)觀察，小紅書中首頁推薦的筆記，以及搜索界面排序靠前的筆記，評論區(qū)中用戶的“深度”討論普遍較多，某些熱評可以引發(fā)上百條回復(fù)。
也就是說，除了在筆記價值和賬號垂直度上下功夫外，在筆記中吸引用戶關(guān)注、維護(hù)評論區(qū)的活躍度，提升筆記的「深度互動數(shù)據(jù)」，也有可能獲得更多流量。
小紅書主要有發(fā)現(xiàn)頁和搜索頁兩大流量入口，其中發(fā)現(xiàn)頁走的是推薦邏輯，搜索頁走的是排序邏輯。
每個頁面的呈現(xiàn)內(nèi)容，都會因?yàn)樽x者賬號歷史行為的不一樣，而有所不同。
但相同之處在于，運(yùn)營者需要挖掘?qū)?biāo)用戶的痛點(diǎn)，生產(chǎn)有實(shí)用價值或情緒價值的筆記，并注重深度互動的數(shù)據(jù)。
在這個層面上來說，實(shí)際去做才是真正困難的部分，而理解小紅書的流量分配機(jī)制，只是個開始。
P.S.因無法得知詳盡的算法邏輯，文章僅供大家參考。歡迎大家在閱讀時思考并和我們討論。
參考資料：
《小紅書里的秘密：機(jī)器學(xué)習(xí)如何幫助十人算法團(tuán)隊(duì)快速達(dá)成目標(biāo)》，趙曉萌
《小紅書如何實(shí)現(xiàn)高效推薦？解密背后的大數(shù)據(jù)計(jì)算平臺架構(gòu)》，郭一
《Sliding Spectrum Decomposition for Diversified Recommendation》，Yanhua Huang, Weikun Wang, Lei Zhang, Ruiwen Xu (Xiaohongshu Inc.)
《小紅書運(yùn)營的3個誤區(qū)及解決方案！》，趙子辰 Vic
作者丨周鈺坤 丁奕然
編輯丨楊佩汶
設(shè)計(jì)丨王浩南
