薯条推广（小红书笔记的流量机制是什么）

小红书笔记曝光的核心逻辑，通过算法机制向用户推送用户感兴趣的笔记，在此基础上优先推送更受用户欢迎的笔记。笔记分发的流程如下：笔记发布——平台审核——笔记被平台的AI系统打上标签和分类——分发至发现、同城、关注等入口。这中间笔记的曝光量受两种因素影响：算法驱动的自然曝光、官方付费曝光（信息流广告）。这里主要讲自然曝光背后的算法机制。我们前面讲笔记发布后，首先会被系统打上系列标签，并尝试性推给机器算法认为的对该标签感兴趣的用户，也就是初始流量推送。然后系统根据用户对笔记的系列行为反馈进行打分，根据综合评分来决定是否将笔记继续推荐给更多用户，这个评分体系在小红书内部被称为CES。CES是一种判断笔记质量的评分机制，CES=点赞数（1 分）+ 收藏数（1 分）+ 评论数（4 分）+ 关注数（8 分）。当分数高于特定值，笔记就会被系统推送给更多用户；当分数低于一个特定值，笔记就会停留在基础流量池，也就是用户常见的曝光量破不了100的情况。这个流量分发的过程类似抖音流量池的机制，是一层一层阶梯式的流量推送。笔记能否被送入更大的流量池，取决于每一个阶梯的笔记互动数据反馈。当然CES评分机制不是影响笔记曝光的唯一因素。根据我们运营大量账号总结出的经验，有些笔记在互动数据很低的情况下，阅读量还能够持续暴涨。甚至有的笔记在沉寂一段时间后，突然恢复流量增长，这就说明决定笔记曝光量的不止CES评分这一种机制，否则再互动数据不好的情况下，笔记流量还能持续暴涨是说不过去的。根据我们的了解，这里涉及到另外一种模型算法机制。小红书的内容推荐原则是用户感兴趣的内容，在兴趣内容的基础上优先展示更受用户欢迎的内容。用户兴趣是不断变化的，同时内容也在不断推陈出新，所以这里面就涉及到一套能根据用户大数据持续进化的算法模型，该算法模型包括学习模型、打分机制、双线推荐机制。1.学习模型是指小红书算法每天都在分析用户行为，从阅读时长、用户点击、返回、收藏、点赞等9个维度来分析判断用户是否喜欢某篇笔记。2.预判打分指笔记发布后，小红书根据学习模型对笔记质量进行打分，根据分数决定笔记初始排名和是否继续给笔记推送流量，后续的笔记互动数据决定了笔记在搜索排名的位置是否靠前。3.双线推荐机制是指笔记发布后2-8小时的实时推荐，和笔记发布一两个月后，经过算法挖掘分析历史笔记，然后重新获得流量推送或限制流量推送，这就解释了为什么很多历史笔记在沉寂一段时间后重新获得流量，或一直有流量的历史笔记突然没有流量的现象。因为算法在持续不断学习用户喜欢什么内容、需要什么内容、不需要什么内容，然后重新进行流量分配。被系统分发的笔记通过哪些入口向用户展现？1.发现入口发现页展示的笔记包括兴趣推荐笔记、薯条推广笔记、信息流广告笔记。兴趣推荐笔记是系统算法根据用户搜索行为、点击行为来判定用户的内容喜好而推送的；薯条推广笔记是用户付费购买的笔记曝光，不像信息流广告笔记一样有明显标识。2.关注入口关注入口展示的是用户关注的博主所发布的笔记，以朋友圈信息流的形式展现。3.搜索入口搜索入口展现的笔记是系统根据用户搜索关键词匹配的结果。排名位置主要跟笔记互动数据有关，其他因素包括关键词匹配度、账号垂直度等有关。排名靠前的笔记，除了官方付费广告之类，其他属于自然展示结果。当然也有通过人为操作来提升笔记排名的可能性，但这属于非官方行为，所以有违规风险，另外也受关键词热度的局限，关键词热度越高，人为干预难度越大。4.官方编辑推荐官方编辑将收录的优质笔记通过私信的形式推荐给用户。5.同城入口同城入口展示的笔记是基于附近20km位置范围内，附近用户发布的笔记。想让笔记获得更多曝光的核心就是围绕小红书的笔记曝光原则——围绕用户痛点，创作用户感兴趣的内容。在此基础上通过布局关键词、优化笔记内容等方式来迎合平台曝光机制，提升爆文的输出几率。