一文讲清小红书推荐算法的秘密

3 评论 5954 浏览 59 收藏 15 分钟

深入剖析小红书的搜索流量、推荐流量以及直播流量算法的运作机制,揭示在这个平台上成功的关键因素。让我们一起探索如何更好地利用这个平台,从搜索到成交,实现品牌和个人价值的增长。

每一次打开是种草的开始,每一次离开是成交的开始

小红书的“购物指南”属性和去中心化推荐机制,决定大多数小红书用户的使用路径是:搜索关键词→浏览推荐页→成交

这三个动作也分别对应了发现页、搜索页和直播页三个用户使用场景,场景不同,算法分发的过程也不相同,想要做好提前布局就需要了解不同场景的算法分发逻辑。

今天就来给大家揭开算法神秘的面纱,分别讲讲小红书搜索流量、推荐流量以及直播流量的算法分发逻辑

01 搜索流量算法

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

发布笔记-审核-收录-标签分类-第一轮推荐测试-更大曝光,这是一篇笔记葱发布到曝光会经历的算法过程

基于这套算法逻辑,只要你的笔记通过了审核获得了曝光,不管小眼睛多与少,都算是获得了算法推荐的

先有用户搜索,之后系统会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

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

1. 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

如果能把小红书所有跟品牌相关的搜索流量全部吃掉,才是品效合一的最优解

02 推荐流量算法

有了搜索还不够,想要笔记能获得更多推荐,还要让笔记内容与内容算法相匹配

小红书的笔记在发布后,首先会被系统打上一系列标签,尝试性推荐给对这些标签感兴趣的粉丝,比如平时爱看护肤类的文章,平台就会推荐更多护肤类的文章给你

笔记推送给粉丝后,根据粉丝的一系列交互行为,给笔记打上内部分数,以决定是否要继续推给其他粉丝。这也就是老生常谈的 CES算法(community engagement score)

CES = 点赞1分 + 收藏1分 + 转发4分 + 评论4分 + 关注8分

这个算法其实从2017年就已经在小红书内使用了,时至今日,算法的判断指标相较以前更加丰富和多元化,综合在小红书内的投放实践经验,我们发现,如今平台更侧重以下几项:

点击率、互动率、完播率、互动值

但无论数据指标怎么变化,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,即便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,形成“阶梯式”算法推荐

得分高的笔记,还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,可实现发了几年都还能保持点赞以及评论的增长

当然,除了内容本身以外,账号权重也很重要

当你的账号有一定的粉丝量时,笔记就会被推荐给你的粉丝,如果你的粉丝点了赞,就会进一步被粉丝的好友看到,形成裂变式增长

小红书本身就是偏电商的平台,许多用户来小红书,是抱着类似“逛街购物”的心情来的,与抖音等泛娱乐平台有本质的不同,流量虽然难有“一夜爆发” 式的增长,但是长尾效应显著,曝光周期长,粉丝被种草的概率极大

只要内容优质,关键词匹配的精准,就能不断的产生用户种草,吸引社交裂变

03 直播流量算法

匹配上用户的搜索需求,通过内容吸引用户关注,最后就到了促成用户转化这一步

小红书电商的算法与抖音类似,从权重和流量两方面进行分配

1. 权重决定推流的“量”

什么是权重?简单理解一下,权重就是系统对每一个账号做出的评价,而这个评价是通过综合数据来衡量得出,平台对你的评级越高,代表权重越高,获得的流量就越多

在小红书电商里「权重」主要分为:基础权重和实时排名权重

1)基础权重

基础权重就如上文所说,每一个账号都不同,系统会在一定周期内根据账号的综合表现从而决定权重等级,且并非固定,不进则退,优胜劣汰

但你以为基础权重高就可以高枕无忧的一直卖货了吗

别忘了,还有另外一个权重衡量机制

2)实时排名权重

每一个账号都会有基础权重,开播后的推流的量级是由权重层级决定,但直播间就像一个蓄水池,如果没有新的流量进来,很快直播间就没有人了,那后续流量的分发机制是什么样的呢

小红书采用了实时赛马机制,就是当你开播获得一波推流之后,后续还想要流量,就需要跟你同层级的竞争对手一起进行PK了

系统每时每刻都在进行排名,5min、30min、60min,抖音直播流量的不断进行赛马机制,筛选出优质的直播间,分配更多的流量给到优质的直播间

(1)首先初始推流:

初始流量层级就是上面我们说的基础权重,权重越高初始推流越高,同时口碑分也会影响我们的推流

(2)进入数据评估:

系统通过数据来评估你直播间每5min、30min、60min的表现情况,主要从互动数据和电商数据(具体关键指标下文单独讲)来进行考核

(3)带货榜表现:

然后系统会进行排序,同层级PK,如果你高于上一名则进入到下一级流量池,将会得到新的一波推流,然后又继续重复数据评估,而低于下一名则减少推流,或停止推流,甚至回到初始流量层级

根据这样的机制,不断进行实时排名,优胜劣汰。所以,策划并执行好直播的每一个细节才有可能PK掉你的竞争对手,拿到更多的免费流量

但流量不是目的,转化才是,追求转化的前提是流量精准度

那么,系统是如何给我们匹配精准人群的?

2. 标签决定推流的“质”

这里的标签其实可以跟上文的内容算法一起理解

在电商渠道内,平台也会根据不同类别,将用户按人群标签分类,与直播间的内容标签进行匹配,先尝试性推荐给兴趣用户,再根据兴趣用户的有效观看、停留、评论、点赞、转粉等数据指标,进一步细化直播间标签,进行更精准的投流

此外,与上文的权重对应,标签分为基础权重下的标签和实时标签

1)基础权重标签

上文我们讲了基础权重决定了系统推流的量,那基础权重和标签又是什么关系呢?

基础权重是由兴趣标签和电商标签形成,给直播间打上兴趣标签,只需要通过直播间的人货场的设计,以及脚本策划,吸引目标用户看播、停留、互动、转粉即可打上标签

电商标签则需要历史电商订单的累计,从而给账号打上精准电商标签,在一开始做好一段时间周期内高密度的成交,就能为账号打上基础电商人群标签

2)实时标签

这个很好理解,实时流量形成实时标签,我们在每一场直播中,要用精准的产品策划和付费流量,不断深化账号标签,平台会实时探索互动&成交人群,推流模型会越来越精准

本文由人人都是产品经理作者【Vic的营销思考】,微信公众号:【Vic的营销思考】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 超过65%的流量来源于搜索,超过首页了?这个有出处吗?我看官方口径,是用户渗透率60%,而不是流量占比

    来自北京 回复
  2. 最终所有的商家、达人等都被困在平台的算法里

    来自浙江 回复
    1. 但是如果不困在这里,又会困在哪里呢?

      来自重庆 回复