機(jī)器能聰明地將文章精準(zhǔn)地推薦給可能感興趣的用戶,，是因?yàn)樗饶堋缸x懂」文章在講什么，又能「猜出」用戶想看到什么,。

一、機(jī)器是怎樣理解你的文章的,？

在門戶網(wǎng)站和傳統(tǒng)新聞客戶端上，哪些文章能上首頁是由編輯們決定的,，編輯們會在閱讀完文章后，會決定是否將其推上版面,。因?yàn)槊總€(gè)用戶看到的頁面都是相同的，編輯們的工作量雖然大,，但還能夠應(yīng)付,。

而在今日頭條客戶端上，每位用戶的信息流都是完全不同的,，如果5億用戶的信息流都交由編輯來推薦,，則是一件不可能完成的任務(wù)。

但是機(jī)器可以做到,，因?yàn)槠洹搁喿x」文章的方式,，在速度上要遠(yuǎn)遠(yuǎn)勝過人類,。

系統(tǒng)會對文章進(jìn)行特征識別,，從而判斷文章講的是什么類型和領(lǐng)域的內(nèi)容,。特征識別的維度有很多，在這里我們重點(diǎn)解釋「關(guān)鍵詞」。

系統(tǒng)會根據(jù)文章中出現(xiàn)的頻率,，提取出一些詞語作為關(guān)鍵詞,，關(guān)鍵詞的判定原則有二：

· 詞頻高：如一篇體育類文章內(nèi)容關(guān)于某場足球比賽,，那么文章可能會出現(xiàn)的高頻詞就包括球員名字、足球術(shù)語或技巧等,，如「C 羅」,、「射門」,、「突破」,。

· 同類文章中出現(xiàn)次數(shù)少：作者撰文時(shí)常用到的虛詞,、轉(zhuǎn)折詞等出現(xiàn)頻率也很高，但它們不會作為關(guān)鍵詞被提取出來,，因?yàn)檫@些詞在文章中是普遍存在的,。

系統(tǒng)判定出一篇文章的關(guān)鍵詞后，會將這些關(guān)鍵詞與文章分類模型進(jìn)行比對,，命中哪些分類詞庫關(guān)鍵詞的比例大,，文章即被打上該分類的標(biāo)簽。如,，一篇文章排名靠前的關(guān)鍵詞為「C 羅」,、「射門」、「西甲」,、「馬德里」,，那么該篇文章可能會被打上「足球」,、「國際足球」、「西班牙」等標(biāo)簽,。機(jī)器便是這樣,，完成對文章的初步認(rèn)知。

因?yàn)檫@種關(guān)鍵詞識別機(jī)制的存在,，作者應(yīng)盡量避免在文中過度使用非常規(guī)詞語,，如活久見、腿玩年,、城會玩等,，給自己的文章增加理解障礙。行文用詞規(guī)范,，機(jī)器可能更懂你的文章,。

除文章正文關(guān)鍵詞識別外，機(jī)器還會對標(biāo)題進(jìn)行關(guān)鍵詞的識別和分類比對,。因此,，在標(biāo)題中露出具代表性的實(shí)體詞，可幫助機(jī)器理解你的文章,。例如,，同樣一篇足球類文章，標(biāo)題「大胡子梅西,，大胡子阿奎羅,，大胡子伊瓜因，阿根廷美洲杯冠軍穩(wěn)了,！」,，就比標(biāo)題「三人蓄須明志，誓要實(shí)現(xiàn)多年遠(yuǎn)大理想」含義更明確,，更利于系統(tǒng)識別,，獲得更多的推薦量。

二,、你的文章會被推薦給哪些用戶,？

每個(gè)人的閱讀興趣都是大不相同的，個(gè)性化推薦機(jī)制要做的事情就是——讓每位用戶看到可能感興趣的內(nèi)容,，這也是用戶每天會「沉迷」在今日頭條上的原因,。

因此反過來，作者創(chuàng)作的內(nèi)容也就只會被推薦給可能對它感興趣的用戶,。比如,，某一篇關(guān)于C羅的足球文章寫得極出色，閱讀量超過了100萬,，放在朋友圈是可以刷屏的爆款文章,，但對足球毫無興趣的用戶在今日頭條上仍然是看不到這篇文章的,。

這種精準(zhǔn)推薦，是建立在機(jī)器對每位用戶都有充分認(rèn)知的前提下的,。在機(jī)器中,，每位用戶實(shí)際是由大量數(shù)據(jù)構(gòu)成的，用戶的閱讀興趣就藏在這些數(shù)據(jù)中,。

不同數(shù)據(jù)對用戶興趣計(jì)算所占權(quán)重不同,，數(shù)據(jù)包括：

· 用戶的基本信息

性別、年齡,、所處地理位置（城市或地區(qū)）,；

使用機(jī)型、授權(quán)賬戶（如微博,、微信等）,、手機(jī)上經(jīng)常使用的其他 App 等；

· 用戶主動訂閱或喜歡的內(nèi)容

訂閱賬號,；

訂閱頻道,；

關(guān)注的話題；

· 機(jī)器通過計(jì)算得出的用戶閱讀興趣

用戶閱讀過的文章分類和關(guān)鍵詞,；

用戶聚類：相似類型用戶還喜歡閱讀的其他文章類型,；

用戶在今日頭條客戶端主動標(biāo)記「不感興趣」的實(shí)體詞或文章類型；

根據(jù)以上數(shù)據(jù),，系統(tǒng)對用戶的閱讀興趣就能有個(gè)基本的判斷,。一般來講，用戶使用產(chǎn)品時(shí)間越長,，系統(tǒng)積累的閱讀數(shù)據(jù)越多,，對其興趣的判斷也就越準(zhǔn)確。使用產(chǎn)品的用戶越多,，系統(tǒng)對用戶聚類的判斷也越準(zhǔn)確。

通過對數(shù)據(jù)的處理,，每位用戶將被機(jī)器打上各種標(biāo)簽,，如一個(gè)用戶閱讀的文章中關(guān)鍵詞排名靠前的是：C 羅、皇家馬德里,、歐洲杯,、小米、魅族,、蘋果,。那么，這位用戶可能被打上「足球」,、「皇馬」,、「科技」,、「手機(jī)」、「米粉」等標(biāo)簽,。不同的用戶會被打上不同的標(biāo)簽,。

當(dāng)一篇帶有「C 羅」、「足球」標(biāo)簽的文章在進(jìn)行推薦時(shí),，系統(tǒng)會將其自動匹配給帶有「C 羅」或「足球」標(biāo)簽的用戶,，這便是推薦引擎的個(gè)性化推薦。當(dāng)然,，系統(tǒng)推薦的實(shí)際情況會遠(yuǎn)比這復(fù)雜得多,，但推薦的基本原理便是，機(jī)器通過數(shù)據(jù)來理解文章和用戶,，并對兩者進(jìn)行匹配,。

三、你的文章是如何被被推薦的,？

為讓受歡迎的內(nèi)容被更多用戶看到,，不受歡迎的內(nèi)容不占用過多推薦資源。頭條號文章在推薦時(shí),，會分批次推薦給對其感興趣的用戶,。

如何理解分批次推薦呢？文章首先會被推薦給一批對其最可能感興趣的用戶（這批用戶的閱讀標(biāo)簽與文章標(biāo)簽重合度最高,，被系統(tǒng)認(rèn)定最可能對該文章感興趣,。），這批用戶產(chǎn)生的閱讀數(shù)據(jù),，將對文章下一次的推薦起到?jīng)Q定性作用,。數(shù)據(jù)包括點(diǎn)擊率、收藏?cái)?shù),、評論數(shù),、轉(zhuǎn)發(fā)數(shù)、讀完率,，頁面停留時(shí)間等,，其中，點(diǎn)擊率占的權(quán)重最高,。

這很好理解,，能吸引眾多用戶點(diǎn)擊的文章自然會被認(rèn)為更可能是好文章。

延伸閱讀：

擴(kuò)大推薦機(jī)制（注意：以下舉例僅用于說明點(diǎn)擊率對文章推薦的影響,，不代表實(shí)際推薦情況）

文章的首次推薦,，如果點(diǎn)擊率低，系統(tǒng)認(rèn)為文章不適合推薦給更多的用戶，會減少二次推薦的推薦量,；如果點(diǎn)擊率高,，系統(tǒng)則認(rèn)為文章受用戶喜歡，將進(jìn)一步增加推薦量,。以此類推,，文章新一次的推薦量都以上一次推薦的點(diǎn)擊率為依據(jù)。此外,，文章過了時(shí)效期后,，推薦量將明顯衰減，時(shí)效期節(jié)點(diǎn)通常為24小時(shí),、72小時(shí)和一周,。

例如，一篇文章首次推薦給了1000個(gè)用戶,，如果這批用戶的點(diǎn)擊率較高,，系統(tǒng)判定用戶非常喜歡這篇文章，將其擴(kuò)大推薦給10000個(gè)用戶,，如果這輪推薦用戶的點(diǎn)擊率仍然維持在較高水平,，那么系統(tǒng)會將文章再次擴(kuò)大推薦給30000個(gè)用戶、50000個(gè)用戶,、100000個(gè)用戶 ······推薦量和閱讀量便如滾雪球一般節(jié)節(jié)攀升,。直到文章過了24小時(shí)時(shí)效期，新一輪推薦的推薦量才會逐漸衰減,。

因?yàn)檫@種擴(kuò)大推薦的機(jī)制,，作者想獲得更多的閱讀量，就必須努力把各維度閱讀數(shù)據(jù)（點(diǎn)擊率,、用戶閱讀時(shí)間,、收藏?cái)?shù)、評論數(shù),、轉(zhuǎn)發(fā)數(shù)等）維持在高位水平,。這就要求文章：

· 標(biāo)題和封面圖具有足夠的吸引力、表意清晰（提高點(diǎn)擊率）

· 圖文并茂,，易讀性強(qiáng)（提高用戶閱讀時(shí)間）

· 內(nèi)容詳實(shí),，給讀者干貨般的充實(shí)感（提高收藏?cái)?shù)和用戶閱讀時(shí)間）

· 觀點(diǎn)鮮明，引發(fā)讀者討論（增加評論數(shù)和轉(zhuǎn)發(fā)數(shù)）

其中,，至關(guān)重要的當(dāng)然是點(diǎn)擊率，也因此,，標(biāo)題和封面圖的重要性便不言而喻,。這也是今天注意力稀缺時(shí)代，文章獲得好的傳播的關(guān)鍵要素,。

有吸引力的標(biāo)題能帶來更多點(diǎn)擊,，但這不意味作者要成為慣用夸張標(biāo)題的標(biāo)題黨,。恰恰相反，標(biāo)題黨反而會被平臺通過技術(shù)手段（標(biāo)題黨模型等）識別和打壓,，限制推薦量,。

除了標(biāo)題夸張，用戶舉報(bào)密集,、負(fù)面評論過多,、無效異常點(diǎn)擊、時(shí)效期已過都是限制文章推薦量的因素,。

四,、為什么會產(chǎn)生推薦效果不好的情況,？

常有作者抱怨自己的某篇文章推薦效果不好，或者對自己的文章閱讀量不穩(wěn)定感到焦慮,。文章的閱讀量由系統(tǒng)推薦量直接決定,，而推薦量又取決于上一輪推薦的點(diǎn)擊率。因此單篇文章推薦效果不好,，原因無外乎三類：點(diǎn)擊率低,、推薦量低、閱讀量低,。

1.點(diǎn)擊率低

我們知道,，低質(zhì)內(nèi)容對用戶閱讀體驗(yàn)會有負(fù)面影響。為了提升用戶體驗(yàn),，機(jī)器會減少那些不受歡迎的內(nèi)容（即點(diǎn)擊率低的內(nèi)容）的展示量,，如果點(diǎn)擊率持續(xù)走低，展示量也相應(yīng)地持續(xù)減少,。

一般來說,，如果初次點(diǎn)擊率不高，就很難再有較高的展示量和閱讀量,。點(diǎn)擊率較低可能是如下原因?qū)е拢?/p>

· 賬號內(nèi)容垂直度較低,，沒有及時(shí)推薦給相應(yīng)的用戶

假使一賬號是體育類賬號，這一次卻發(fā)表了娛樂類內(nèi)容,。對于這種不屬于賬號擅長領(lǐng)域的文章,，機(jī)器需要重新識別分類再進(jìn)行推薦，這在一定程度上會延長推薦時(shí)間,，不能保證在規(guī)定時(shí)效內(nèi),，推薦給相應(yīng)的用戶。因此，作者若想保證較高水平的點(diǎn)擊率,，堅(jiān)持創(chuàng)作垂直內(nèi)容是極有必要的,。

· 文章內(nèi)容自身問題，導(dǎo)致點(diǎn)擊率低

1. 標(biāo)題平淡,，沒有起到吸引讀者閱讀的作用

2. 配圖無吸引力,，文章配圖與內(nèi)容相關(guān)度不高，或者前三張圖片質(zhì)量較差

3. 內(nèi)容過于低質(zhì),，引起讀者反感甚至投訴

2.推薦量低

推薦量是決定閱讀量大小的重要因素,，推薦量低的主要原因有：

· 點(diǎn)擊率過低

· 潛在的用戶群過小，推薦量不高

如果賬號潛在的用戶群實(shí)在過小,，機(jī)器將很難挖掘到**戶,，推薦量自然高不了。而**戶群過小有如下原因：

1. 話題過于冷門,、生僻

2. 涉及領(lǐng)域過于專業(yè),，晦澀難懂，與主流群眾有一定距離

· 內(nèi)容供過于求

同一領(lǐng)域或話題相似內(nèi)容過多,，出現(xiàn)了供過于求的現(xiàn)象,。如，關(guān)于當(dāng)下熱點(diǎn)話題的談?wù)?，受眾雖然足夠多,，但是內(nèi)容供給總量實(shí)在龐大，相應(yīng)地每一篇內(nèi)容得到的推薦量也就比較少,。

· 消重機(jī)制會影響推薦量

文章非原創(chuàng)或者沒有在頭條號首先發(fā)布,，文章可能會被消重，從而影響推薦量,，可詳見消重部分,。

· 時(shí)效短

時(shí)效性短的文章，實(shí)際推薦時(shí)間自然也短,，而短時(shí)間內(nèi)可能將無法獲得較多的推薦量,。

· 審核中被攔截，內(nèi)容不被系統(tǒng)推薦,，可詳見文章審核部分,。

3.閱讀量低

文章閱讀量低，與點(diǎn)擊率和推薦量有關(guān),。

· 推薦量低

在推薦量增長到一定數(shù)量級之前,，即使點(diǎn)擊率較高，文章閱讀量也不會高,，因?yàn)閮?nèi)容并沒有得到大范圍的驗(yàn)證,。在后續(xù)的推薦中,，如果推薦量持續(xù)攀升，閱讀量可能會穩(wěn)步增長,。

· 點(diǎn)擊率低

如果推薦量已經(jīng)足夠高，閱讀量仍然較低,，很可能是由于文章的點(diǎn)擊率較低,。這就需要從賬號和文章出發(fā)，堅(jiān)持發(fā)布垂直類內(nèi)容,，努力提高文章的質(zhì)量,。