小红书代运营公司：小红书代营运底层逻辑，小红书营运流量机制及背后的算法剖析

这个算法虽然从2017年就早已在小红书内使用了，时至今日，算法的判定指标相较先前愈发丰富和多样化，综合在小红书内的投放实践经验，我们发觉，现今平台更注重以下几项：

点击率、互动率、完播率、互动值

但无论数据指标如何变化，内容算法的核心还是考察笔记带来的粉丝交互行为

粉丝的交互行为间接反映了笔记的内容质量，即使是粉丝数不多的达人，在得分优质的前提下，笔记也会被系统推荐给更多粉丝，产生“阶梯式”算法推荐。

得分高的笔记，就会进一步得到来自小红书站内搜索，以及百度搜索等流量的加持，这类流量的持续性很强，笔记具有很强的长尾效应，可实现发了几年都能够保持点赞以及评论的下降。

小红书的流量分发机制跟抖音平台是最像的，中间最大的差别是对于帐号粉丝的反馈。

相比小红书，抖音同样关注帐号已有粉丝对于续作品的数据反馈，假如已有粉丝对于续作品的数据反馈并不理想，可能会影响该作品的推荐流量。

小红书则是更关注所有测试用户的数据反馈，而不单单是帐号已有粉丝，所以小红书才是真正意义上的去中心化平台，这也是小红书平台KOC是传播主力的主要诱因。

只要你输出有价值的内容发布优质的笔记，在没有粉丝的情况下也可以得到平台的流量推荐。因而这个过程中得到更多的粉丝关注。

以上是关于小红书流量分发的一个简单概括。下边，我们也附上，从技术角度去剖析小红书流量分配背后涉及到的具体算法的过程，感兴趣的男子伴也可以简单了解一下

☟☟

如今大伙普遍认可的都是下边这个流量分发模型，系统按照用户互动疗效进行评分的体系是CES。实际上太扼要了，ces评分也不晓得是出现在整个推荐流程中的第一步、第二步、第三步，还是反复估算。接出来我会通过具体的一些案例，从技术的角度去解释。

假如有看过我下篇讲搜索流量的男子伴应当有印象，一篇笔记的搜索流量相对稳定占位，而推荐流量是笔记成为热卖的核心。

小红书线上推荐的流程主要分为三步。

第一步，从小红书用户每晚上传的笔记池中选出候文集，通过各类策略从千万条的笔记中选出几千个候文集进行初排。

第二步，在模型排序阶段给每位笔记打分，按照小红书用户的点赞和收藏行为给平台带来的价值设计了一套权重的评估体系，通过预估用户的点击率，评估点击以后的点赞、收藏和评论等的机率进行打分。

第三步，在将笔记展示给用户之前，选择分数高的笔记，通过各类策略进行多样性调整。

这么小红书是怎样从每晚的笔记池中选出候文集进行初排的呢？

小红书的内容图文并茂，用户形成的内容图片多，质量很高。用CNN（频域神经网路）提取图象特点，用Doc2Vec（文本到向量模型）提取文本特点，通过一和简单的分类器能够把用户分到主题中，而主题是人工标定的上百上千个主题。这是初排。

CNN和Doc2Vec具体是如何提取笔记进行分类的？

关于图片的辨识，小红书是一个十分视觉的社区，图象好多，小红书用图象提取特点就早已能达到良好的疗效，确切率大约是85%时覆盖率能达到73%左右。加上文本之后疗效更好，确切率达到90%，覆盖率达到84%。

图片这是第一个在内容创作中须要注意的地方，对图象的夸张辨识到哪些程度？

我们有一次发幼儿、中中学的教育案例，拍到了角落掀开来的书上关于孕婴胎教类的两行字，肉眼都看不清，违法发警告说涉及到小孩遗传等敏感内容，帐号不被推荐3天。后来反复查找缘由，才发觉这个问题。这儿再举一个更常见的反例，涉及到了GBTD模型里的机器深度学习。小红书上流行分享治痘，有好多身上有好多湿疹如何治好的笔记，如何把这种观感毕竟不适的内容推荐给要看的人是一个问题。当小红书尝试用CNNmodel做这个事的时侯，发觉无论相片是全脸露出、半脸、1/4脸甚至只有少量的头部脏器，都可以挺好的辨识甚至辨识图里的文本，对反作弊有一定的帮助。所以，不要在图片上进行任何夹带私货，图片辨识+图片文本辨识，基本上确切率有90%。

再讲一下文本的向量表示，文本的向量表示有特别多种，其中一个比较有名的向量表示称作Word2Vec，是Google提出来的。它的原理十分简单，虽然是一个十分浅的浅层神经网路，按照前后的词来预测中间这个词的机率，优化预测的时侯模型就得到了词的向量表示。同样的这个词的向量表示在空间里也是有意义的，相像的词也处在相仿的空间里。这个模型比较有意思的是，把向量掏出来随时可以做向量运算。

女性到女人之间的那种指向的向量，和皇后到国王之间是一样的，所以我们晓得其中三个，才能算出另外一个。如果我们的笔记重点是“自驾”和“露营”，Word2Vec会据前后的词来预测中间这个词的机率，可能是武器、路线、西藏、过夜、海边、周边、攻略，推送到对应的用户页面。

用户画像和笔记画像是哪些？在算法中饰演哪些角色？

小红书推荐预测模型早已演变到了GBDT+SparseD&W的模型。主要有9个预测任务，包括click、hide、like、fav、comment、share、follow等。点击、保持、喜欢、评论、分享、关注。点击是小红书最大的模型，三天大约形成5亿的样本进行模型训练。GBDT模型中的笔记分发，有特别多的用户行为统计，形成了一些静态的信息和动态特点，拿来描述用户或则笔记。

通过用户画像和人口统计信息来描述用户，例如性别年纪这种静态信息。笔记分作者和内容两个维度，例如作者打分、笔记质量、标签、主题。动态特点其实不多，而且十分重要。动态特点包括用户在浏览和搜索中有没有点击、有没有深度行为等类似的用户反馈。这种交互的数据有一个实时的pipeline从线下直接放在线上的模型里，在线上会借助那些数据对点击率等交互质量的指标进行预测，之后按照用户和笔记的隐型分类进行推荐。

关于动态特点的提取，小红书用的是Doc2Vec模型，也称作相关笔记。相关笔记的要求是哪些？推荐的笔记和用户在看的笔记，最好讲的是一个东西。例如说同一款唇膏、同一个旅馆、同一个旅游城市、同一款鞋子，可能不是一个饭店，并且是类似的饭店。

可能不是同一个旅游城市，但可能是类似的旅游城市，是不是很难理解？那我们再具体一点，我若果看的是亚特兰蒂斯这些级别的饭店，这么小红书就不会给我推荐格林豪泰，而是类似同等级别的饭店。假如我时常搜的是雪山/草原/荒漠，这么就不会给我推荐南京/上海/上海这些人文和城市水景突出的地方。

有一点须要注意的是，TFIDFmodel其实基本要求词是一样的，但它可以把一类笔记找下来，就是讲用户心理、描述用户心情的笔记，由于用户描述心情用的词汇很接近，所以这个方式也会把扩充的内容找下来。“绝绝子”是十分显著的一个语调词或则形容词，在小红书有461万+篇笔记。

最核心的实时归因场景业务，是怎样制做用户的行为标签的？

用户画像比较简单，不会存在过多的状态，而实时归因是整个实时流处理中最关键的场景。实时归因将笔记推荐给用户后会形成爆光，形成打点信息，用户的每一次爆光、点击、查看和回退就会被记录出来。

看一下下边这张图，四次爆光的用户行为会形成四个笔记爆光。假如用户点击第二篇笔记，就形成第二篇笔记的点击信息，点赞会形成点赞的打点信息。假如用户回退，还会显示用户在第二篇笔记逗留了20秒。实时归因会生成两份数据，第一份是点击模型的数据标签，右图中第一篇和第三篇笔记没有点击，第二篇和第四篇笔记有点击，这些数据对训练点击模型很重要。点赞模型也和前面几乎完全一样。

CES评分参与在算法中的哪些阶段？

整个线上推荐的流程，只有在模型排序阶段给每位笔记打分。笔记在笔记展示给用户之前，小红书会选择分数高的笔记通过各类策略进行多样性调整。Score=pCTR*（plike*Like权重+pCmt*Cmt权重...），CES假如参与其中，只是特别小的一部份。我通过爬虫把爆文采记爬了出来并弄成CES方式的Excel表格剖析，无论是表现各项数据关系的散点图还是曲线图，都没有一个有规律的图表，所以CES最多用在冷启动，聊胜过无。

小红书流量大致的层级

所谓流量层级似乎就是按照内容分成多个维度，给不同内容质量和帐号权重的内容进行流量的界定。

在小红书，是分为8大层级，请对应自查，瞧瞧你的内容在哪一层级。

级流量层级→笔记浏览量约0—200

只要笔记不涉及违法，不管内容质量怎样，基本都能获得200左右的阅读，假如多篇笔记阅读维持在200，请关注是否收到关于违法的站内信，假如没有，说明要提高内容质量。

级流量层级→笔记浏览量约200—500

属于正常流量，大多数的帐号都能达到2级流量层级，比较容易，说明帐号无违法情况，但若果常年稳定在这个阅读区间，要自查活跃度/垂直度/原创度以及内容质量。

级流量层级→笔记浏览量约500—2000

说明帐号状态正常，笔记内容质量还可以，而且互动率/点击率相比盘面平均数据略低，只能步入到第3流量层级，抵达这一层级早已赶超80%的小红书帐号，内容质量上请继续努力。

级流量层级→笔记浏览量约2000—2w

说明内容早已获得了不错数据，具有小新品的潜质，数据在持续爬升，假如用户反馈行为仍在降低，平台会继续给流量。

级流量层级→笔记浏览量约2w—10w

5级流量池是自然流量的最后一关，仍然是用户互动数据决定是否步入下一流量层级，达到这个层级的笔记早已算是比较出色的内容，又或是有一定粉丝基数以及权重比较好的帐号。

级流量层级→笔记浏览量约10w—100w

早已步入热门笔记门槛，达到这个阶段的笔记早已具备一定的稀缺性，用户互动数据比较好，也是从这一层级开始测试更多用户前端数据，例如主页打开率/关注率/回搜率，好多借助标题党/头图党获得的高点击率的笔记，会在这一层级被停止推荐，可以说这一层级也是最伤心的层级。

级流量层级→笔记浏览量约100W—500W

笔记步入这一层级就说明早已成为爆文，不管是用户互动数据还是用户前端数据，都有不错的表现。

也是从这一层级开始就有人工层面的干预了，例如：价值观是否符合社区？加权推荐后是否存在舆情风险？是否存在版权风险？用户观感是否优质？假如都能排除掉的话还会获得加权推荐，笔记爆光数据也会获得百万级下降。

这一层级一般是粉丝基数比较大，又或则内容质量特别好的笔记，素人帐号的笔记基本不可能到这一层级

级流量层级→笔记浏览量约500W+

难得一见的大流量爆文，用户互动数据和用户前端数据表现都十分出众，远低于盘面平均数据，且获得了平台的加权推荐，算是平台的香饽饽，这个阶段的内容通常是热点新闻/时政之类的居多，背部博主想要达到这个数据的流量，也十分困难。

希望，本期的内容对你们有所帮助。有任何问题，欢迎随时联系我们。

不骗钱、不夸大、不制造恐惧

真挚至上、脚塌实地、坚持利他

来源：网路，企企宣小红书营运部企飞薯编辑整理和编辑