小红书流量机制解析

小红书流量机制解析

前言

大家好，我自2020年5月起，开始专注于小红书平台，帮助品牌商家在小红书上经营。在这段时间里，我深入研究了小红书的流量机制，并结合自己的实践经验，为大家带来了这份全网最硬核的小红书流量机制解析。希望能对各位圈友有所帮助。

小红书笔记流量来源

小红书笔记的流量来源主要有以下几种：

• 发现页：用户打开小红书后，首先看到的页面。
• 关注页：用户关注的人发布的笔记。
• 视频流：专门展示视频内容的页面。
• 搜索页：用户通过关键词搜索到的笔记。
• 个人主页：用户自己发布的笔记。
• 小红书群聊：用户在群聊中分享的笔记。
• 群聊广场：类似微博的超话，用户可以在这里找到感兴趣的话题。

小贴士：小红书的流量主要依赖于推荐和搜索，了解这两大流量来源有助于我们更好地制定内容策略。

小红书推荐流量机制解析

推荐系统的链路

小红书的推荐系统可以分为以下几个环节：

1. 召回：从海量笔记中快速筛选出潜在感兴趣的内容。
2. 粗排：用较小的机器学习模型对召回的笔记进行初步排序。
3. 精排：使用大规模的深度神经网络对笔记进行精确排序。
4. 重排：考虑内容多样性，将相似内容打散，避免重复推荐。

召回通道

推荐系统中使用了多种召回通道，以下是几个重要的召回方式：

• 基于物品的协同过滤：根据内容的相似度进行推荐。
• 基于用户的协同过滤：根据用户的相似度进行推荐。
• 地理位置召回：根据用户所在地理位置推荐相关内容。
• 作者召回：根据用户关注的作者推荐其新发布的内容。

预估分数的维度

推荐系统会根据多个维度预估用户对笔记的兴趣分数，包括：

• 用户画像：性别、年龄、兴趣爱好等。
• 内容画像：笔记的标题、分类、关键词等。
• 用户统计特征：用户的点击率、点赞率等。
• 内容统计特征：笔记的曝光数、点击数等。

小红书搜索引擎的链路

查询词处理

用户在搜索框输入关键词后，搜索引擎会进行分词、拼写纠错、同义词改写等操作。

召回

搜索引擎会根据查询词的理解调用召回通道，从数据库中快速获取相关笔记。

排序

搜索引擎会根据相关性、内容质量、时效性等多个维度对笔记进行排序。

其他注意事项

• 推荐与搜索的关系：虽然推荐与搜索相互独立，但搜索流量对推荐流量有一定影响。
• 笔记收录判断：正确判断笔记是否被收录的方法是在创作中心/蒲公英平台查看笔记是否有搜索流量。
• 二次审核：当笔记流量激增时，可能会触发二次审核，导致流量受限。

结语

了解小红书的流量机制，可以帮助我们更好地制定内容策略，提高笔记的曝光率和互动率。希望这篇文章能对大家有所帮助！