回答·阅读

　　头条的推荐算法不完全依赖粉丝数，所以即使你没有粉丝，也有可能在头条平台上创作出10万甚至上百万阅读量的爆款内容，那既然不依赖粉丝数，头条是如何推荐的呢？

　　初审，一般是机器进行审查，我们在创作完成后也可以使用头条的灵犬进行测试，看看文章是否符合要求，每个平台的要求都不一样，你在头条上过审了，但是百家号不一定过审。那机器审查些什么东西呢，主要是检查文章有没有“触雷”，其次是查重和原创保护检查。

　　冷启动，过初审后系统把你的内容推送给一小批可能对你内容感兴趣的人群，然后根据这个人群的反应，比如说读完率、点赞互动评论的整体情况，对你进行下一轮的正常推荐，这一阶段非常重要。

　　正常推荐，如果冷启动阶段，文章互动率比较高，点赞，评论都很好，收藏量也很多，那么系统就会给你加大推荐，推荐给更多的用户。

　　

　　复审，当推荐到一定程度后，系统会给用户的反馈情况进行复审，比如说有人举报，或者负面评论过多，如果在复审种，发现你属于标题党或者内容过于负向，将系统将会不再推荐，这一阶段会有人工参与，这是你是否成为爆款的最后一步，很多一开始几万阅读，然后就不推荐了，就是在这一步被终止了。

　　第一类是相关性特征，就是评估内容的属性和与用户是否匹配。

　　显性的匹配包括关键词匹配、分类匹配、来源匹配、主题匹配等。像算法模型中也有一些隐性匹配，从用户向量与内容向量的距离可以得出。

　　第二类是环境特征，包括地理位置、时间。

　　这些既是偏置特征，也能以此构建一些匹配特征。

　　第三类是热度特征。

　　包括全局热度、分类热度，主题热度，以及关键词热度等。内容热度信息在大的推荐系统特别在用户冷启动的时候非常有效。

　　第四类是协同特征，它可以在部分程度上帮助解决所谓算法越推越窄的问题。

　　协同特征并非考虑用户已有历史。而是通过用户行为分析不同用户间相似性，比如点击相似、兴趣分类相似、主题相似、兴趣词相似，甚至向量相似，从而扩展模型的探索能力。

　　头条推荐算法并没有对外公布具体参数权重，所以想要获取更多的推荐量，还是得创作出高质量的内容，这一点对于所有平台都是最重要的。

　　我是非著名攻城狮，希望我的回答对您有用，感谢您的关注与支持！

　　

　　关键词、关键词、关键词！

　　重要的事情说三遍。

　　这个问题之前我先问你几个问题：

　　1.如果一个人迎面向你走来，你是如何判断他是男人还是女人的呢？

　　答案是：用眼睛看他的外观，看他的穿着打扮。

　　对于一般人来说长头发的就是女人，短头发的就是男人；穿男性服装的就是男生，穿女性服装的就是女人；比如穿裙子的必定是女人。还可以看相貌。

　　

　　2.如果让你找到你的老公，你去哪里找呢？

　　答案是：根据经验，如果他没有在你的身边，那么有很大概率是在家里或者公司。

　　3.如何在一群人当中找到你喜欢的？

　　答案是：你可能喜欢漂亮的，也可能喜欢个子高的，也可能喜欢肤白貌美的，也可能喜欢水蛇腰的，以至于这些特征，你就能够在一群人当中一眼找到自己所喜欢的那一个人。

　　4.如何让一群人同时在人群中找到一个人？

　　答案是：把这一个人的外貌特征告诉这一群人。

　　根据上面的问题，你有所察觉了吗？

　　第1个问题当中，你要判断一个人是男人还是女人，只能是通过他的外貌特征去判断，嗯，他的外貌特征包括了头发，相貌，穿着打扮等等。

　　在头条上你喜不喜欢看一篇内容直接看标题基本上就知道了，说白了，这就如同你判断一面走来的这个人是男人还是女人一样，你所关注的只有那几个关键点，这几个关键点就是关键词。

　　第2个问题中你知道自己的老公是在哪里，是因为你有过往的经验，这如同在头条当中，我们要想找到自己喜欢的内容，那就直接去相对应的领域寻找，如何确定领域呢？这是一种约定俗成的关键词标注的方法。

　　比如你和你的老公约定俗成，他要么是在家里，要么是在公司；你和头条APP约定俗成，你想看的内容只能是在相对应的领域之下。

　　第3个问题当中，如何在一群人当中找到你喜欢的？当时你有自己的审美标准，可以一眼就从千千万万的人当中找到自己最喜欢的那一个，所谓的自己的审美标准其实就是一个个的关键词，比如上面所说的肤白貌美、细腰长腿。这和我们在千千万万的头条内容当中，找到自己所喜欢的那一个是完全一样的。

　　都是通过一些自己所喜欢的关键词找到自己所喜欢的内容。

　　第4个问题当中，如何让一群人同时在人群当中找到一个人，这其实与我们平时在浏览器当中搜索，相对应的内容是一样的，我们需要输入不同的关键词匹配出来的内容，那一定是我们需要的。

　　如果没有，那就加大对关键词的搜索。

　　明白了这些道理之后，那我们就来回答这个问题的本身，头条是属于机器分发，每一条内容上传之后都要进行机器审核，进而给一篇内容打上各种各样的关键词，再把它推送给喜欢这些关键词的用户。

　　说白了就是你所喜欢的这个关键词，正好和这一篇文章的关键词相匹配，所以机器就把它推荐给你了。

　　所以说头条的机器推荐说白了就是一个关键词的标注。

　　假如你的文章当中有100多个关键词，恰好在头条的用户群当中，有1000个人喜欢这个内容，所以自己会把这一篇内容分发给他1000个人，看他们是否喜欢？

　　如果喜欢那就扩大关键词范围，让文章关键词相对应的或者是相关联的关键词用户看到这篇内容，如果他们也喜欢，那么就继续扩大关键词范围，也就是所谓的扩大推荐量。

　　如果你的文章当中有100多个关键词，头条的用户当中并没有人喜欢这些关键词，那么你的文章可能阅读量就会很低，因为推荐量很低，最本质的原因是大家都不喜欢这些关键词。

　　还有一种可能是把你的内容推荐给1000个用户之后，发现这些用户并不喜欢你的那种，那他就会降权处理，所谓的降权处理指的就是这样的推荐量，因为机器判定你的这篇内容可能是相对来说比较低质量的，或者是没有价值的。

　　在这里还有一点比较重要，头条的机器审核当中，本来就嵌入了一些违规的词汇，如果你正好在文章当中使用了这些词汇作为自己文章的关键词，那么你的文章会被头条机器判定为质量差或者违规，他会进行打压处理，甚至有可能直接判定违规。

　　严重的可能会封号。

　　以上就是我对头条机器审核、算法推荐的理解，希望对你有用！

　　根据一定级别的阅读量，阅读质量，评论量，互动量。。。。

　　比如，第一次发文给你推荐1000个标签用户，看看阅读量是百分之几的范围。用户有没有看完，大概阅读了百分之几的内容。然后，再看看有没有评论，点赞，互动情况的占比等，看看是否进入下一轮更多标签用户的推荐。

　　如果第一阶段需要达到这此指标通过，则进入下一阶段推荐，再给你10000多的推荐，达到10000推 荐考核的指标，再给你更大的推荐。

　　机器推荐都达标后，进入人工审核，人工审核没有问题的话，就可以给你加大推荐。