干货分享：抖音、视频号、小红书、知乎流量算法解析

在移动互联网流量分散，渠道多元化的时代想要获取流量，还真就得了解各个主流平台的流量算法，厚孜小编今天就来分享一下抖音、视频号、小红书、知乎的流量算法底层逻辑。

一、抖音

抖音是流量最大，也是算法最为复杂的平台。但根本原则一直保持不变：去中心化的分发机制，让优质内容有最大的曝光机会。

抖音是典型的“标签”对“标签”的平台

如果你是用户，平台会根据你平时的浏览喜好，把你的关注点拆解成大约150个标签，你能刷到哪些视频一定程度上是你的用户标签决定的。如果浏览喜好发生变化，用户标签也会随之变化，刷到的视频也会跟着标签而变化。

如果你是创作者，平台会根据你发布的内容形成创作者标签，标签数量同样是150个，如果发布内容产生变化，创作者标签也会随之变化。

创作者发布视频后，视频会根据创作者标签匹配相似的用户标签，这就是上面我们讲过的“标签”对“标签”的流量算法。

短视频匹配到用户后，会通过该视频的数据表现来衡量该视频是否值得进一步的推荐。

抖音对单个视频的推荐，会考核5个关键数据。

1、完播率

完播率=观看时间/作品时间。

完播率越高，说明作品越吸引人观看，大盘的合格线通常是15%-20%左右，40%-50%以上的完播率就已经很优秀了。要想办法做高完播率，通常的方式是开头设置悬念或者引导打开评论区，拉长观看时间。

如果是新号的话，建议前期视频时长不要太长，时长越长，完播越低，除非视频质量极佳

2、点赞率

点赞率=点赞量/播放量

点赞量越高，推荐量才会越高，第一波推荐的点赞率至少要达到3%-5%

也就是说每100个播放量，至少要有3-5个点赞

3、留言率

留言率=留言量/播放量

留言率的数据高低跟视频类型有很大关系，不好用平均数据去衡量，但确定的是留言率表现越好，加权推荐就越高。所以，创作者可以主动在视频中或者文案、评论区引导评论，提升留言率

4、转发率

转发率=转发量/播放量

转发率对于还在初级流量池流传的视频影响并不大，但想要突破流量层级，转发率就是很关键的指标

5、转粉率

转粉率=关注量/播放量

也就是路转粉的比例，单条视频带来的新增粉丝率，同样是冲击高级流量池的关键数据

抖音平台是一个巨大的流量池，抖音推荐机制是一个渔网，视频内容是鱼饵

如果你的视频的五个关键数据都能取得较好的数据表现，那么进入到中高级的流量池继续流转的可能性非常大

抖音的流量池有也有它的法则

视频发布后会进入冷启动池，流量通常是是300-500，一般是由粉丝+朋友+可能认识的人+少量标签匹配的用户构成，因为冷启动池的流量构成最为复杂，也是最难突破的流量池，这就要考验，你的粉丝是否精准，内容是够优质，如果关键数据达标会进入到初级流量池

初级流量池的流量大约在1000-5000左右，同样需要继续观察视频在初级流量池的变现，如果数据继续过关，将进入中级流量池中级流量池就有10000以上的播放量，同理看数据表现；高级流量池就有十万+以上的播放量了。

抖音冷启动流量池推荐的机制，分成 8 次分级推荐，如下图所示：

二、视频号

微信视频号和其他流量平台的算法完全不同，视频号的分发机制是基于社交推荐和个性化推荐

1、社交推荐

社交是微信生态的先天基因，所以对于微信视频号来讲，社交关系链同样非常重要，比如你的好友发布和点赞的内容，会优先推荐。一个作品，你的好友点赞收藏互动多的话，你的阅读量曝光量就会上升，相反，如果非好友进行点赞收藏的话，对于你作品的曝光低于好友点赞收藏所以，你微信好友的点赞收藏互动对于作品提升权重有很大的影响其实这个就跟公众号的“在看”和“点赞“的逻辑相似，比如你给某个文章（视频）点了“在看”，你好友将会在微信“看一看”刷到这个文章（视频），你好友点赞了，他的好友也可能会刷到这个作品，以此类推

2、个性化推荐

指的是系统会根据用户的日常行为、活动轨迹和兴趣、职业、年龄等标签，通过一系列大数据算法，推测出用户可能喜欢的内容。因为微信本身就拥有11亿的超级用户画像和各种算法机制作为参考不过目前由于微信视频号尚处于热启动阶段，目前数据库并不全面，采用的数据源都是从微信大盘抓取，算法基本会采用兴趣标签+定位+热点+随机推荐所以无论是发视频还是发图片，添加话题和定位更有助于个性化推荐。这一点跟抖音的推荐算法有点相似，只不过目前还不够成熟

3、去中心化的推荐算法

视频号虽然是基于社交推荐，但每个人的社交关系链毕竟有限，当一个作品已经在完整的社交关系链获得了展现且取得了较好的数据表现后，视频号会进行社交关系链以外的扩大推荐，逻辑类似于抖音的“标签”对“标签”，这里不做过多延展以上就是抖音、小红书、知乎、视频号的流量算法，相信大家仔细阅读后会对四大平台有新的了解和认识

三、小红书

小红书的算法和抖音类似，也是“标签”对“标签”的流量算法

不同的是，基于不同的用户习惯，抖音更侧重主动推荐，小红书更侧重搜索推荐

基于小红书的平台定位，超过65%的流量来源于搜索，所以在搜索流量算法上更精细一些，所以这里侧重讲一下搜索流量算法的逻辑

搜索结果与需求的匹配主要是核心关键词与query的匹配度，搜索结果中展示的具体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可谓是重中之重，官方也明确提示：“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

我们要善用搜索的关键词、热词推荐等来帮助我们找到笔记核心词，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

推荐内容包括几个方面，搜索框置灰关键词，页面显示的历史搜索，热搜词

（1）默认提示词

点开搜索还未输入搜索词之前，平台会根据用户标签推荐默认提示词，默认提示词中存在一定量的搜索流量

（2）搜索发现（热门搜索）

热门搜索把最近一段时间被搜索次数最多的词展示出来，去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，跟用户的搜素量和近期的热门话题相关

（3）补充联想关键词

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。我搜了显瘦，平台就给我推荐了关于显瘦的几个关键词推荐

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

搜索之后，系统根据搜索词进行算法匹配，把所有结果都展示出来。而如果这个关键词是相关品类中范围比较大的词汇，那么就能看到在界面上半部分有一些专门的标签词汇提供分类筛选的功能。这种方式对于用户无目的搜索的体验会更好。同时将最热门的笔记排在前面，这种搜索结果的展示形式以及筛选条件，目的都是为了缩小选择范围，帮助用户快速选择

关于关键词的选择有以下几点值得注意：

（1）小红书的热搜推荐是平台短期流量内容的标识；搜索提示关键词、筛选热门是长期流量所在，来源于小红书真实的用户数据分析和总结

（2）一定要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

（3）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。

（4）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

四、知乎

首先是针对搜索流量，知乎的搜索排名其实跟搜索引擎是有类似的，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。

第二是针对推荐流量，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

第三是针对热榜流量，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

当然，针对视频类内容，其分发机制跟推荐类似，而且有单独的榜单支撑，参考即可

第四是综合算法，和头条、抖音等平台不同的是，知乎采用的是威尔逊算法，即根据内容的点赞、反对、收藏等数据，按照威尔逊公式来决定内容的推荐和排名u代表内容的赞同数，v代表内容的反对数，p则代表内容的赞同率=赞同数/（赞同+反对），而Z则是与权重相关的数字算法公式虽然很复杂，但大家只需要记住最核心的一点：赞同率比赞同数重要，反对率比赞同率重要

和其他内容平台不相同的是，除了点赞和互动，知乎用户还可以给不同意的内容点反对票，而反对票数一定程度上将会影响回答排名。

如上述所提到,我们已经详细分析了这四大平台的流量算法以及相应的策略建议，那些看似复杂深奥的算法逻辑，实际上只是你要做好这项工作的基础，真正决定流量关键的是输出的内容质量如何，只有坚持生产高品质内容才能在竞争中立于不败之地。

原文出处：厚孜网络