首先小编到大家来了解一下今日头条的头条号：

头条号，曾命名为“今日头条媒体平台”，是今日头条旗下媒体/自媒体平台，致力于帮组企业、机构、媒体和自媒体在移动端获得更多曝光和关注，在移动互联网时代持续扩大影响力，同时实现内容变现和品牌传播。另一方面也为今日头条这个用户量众多的平台输出更优质的内容。

打造一个良好的内容生态循环，是头条号发展的重要的方向。基于移动端今日头条海量用户基数，通过强大的智能推荐算法，优质内容将获得更多曝光，而业界领先的消重保护机制，让原创者远离侵权烦恼，专注内容创作，借助头条广告和自营广告，让入驻媒体\自媒体的价值变现有更多可能。

下面就来讲讲头条号有哪些功能，

第一微头条：微头条专注于优质内容聚合，专注于以数据算法真实反映一篇文章的互联网热度，专注于将最好的内容呈现在互联网原住民面前，并让用户可以通过优质内容的传播影响到周围更多的人，进而实现以分享替代搜索的互联网阅读新趋势。公司于2013年8月份成立，由前美国OSIsoft公司(硅谷著名数据公司)PI Server团队Team Leader Ryan(陈钢)创建，联合创始人及核心团队由前投行菁英、多个开源软件原创作者、白帽黑客、资深媒体人、资深互联网产品运营经理组成。

作为一个尚在起步阶段的创业团队，微头条第一次被业界知晓并获得广泛关注缘起2014中国新媒体创业大赛。2014年10月12日，微头条(参赛时用名:乐锐)在素有中国硅谷之称的南山区委、区政府、浙江日报报业集团、深圳报业集团主办的2014"创业之星"中国新媒体创业大赛华南分赛上一鸣惊人，拔得头筹。并以分赛冠军、"华南王"称号进军于同年11月6日在杭州举行的全国总决赛。

2014年11月6日，杭州中国新媒体创业大赛总决赛上微头条凭借优异表现及公开在线投票第一名的成绩摘得"梦工场之星"奖、最佳人气奖，堪称完美的演绎了行业内的处子秀。

2014中国新媒体创业大赛结束当月，微头条即获中国青年天使会会长、创业工场创始人、著名投资人麦刚先生七位数人民币的天使投资。

第二头条问答：头条问答是今日头条最新推出的问答类社区。截至2016年9月，今日头条已拥有5.8亿用户，用户分层涵盖整个中文移动互联网。借助庞大的用户基数和强大的人工智能，头条已经具备让更多普通用户参与到内容生产中来的客观条件，真正实现所有人问所有人、所有人答所有人。

 

第三头条文章：头条号的推荐机制：经历**审核、消重**两个阶段后，作者创作的文章将会进入推荐系统，并被可能感兴趣的用户看到。我们知道，文章的阅读量很大程度上取决于系统的推荐量，那么一篇文章的推荐量，是由什么因素决定的呢？要弄清楚这一点，我们需要先了解头条号的推荐机制。机器能聪明地将文章精准地推荐给可能感兴趣的用户，是因为它既能「读懂」文章在讲什么，又能「猜出」用户想看到什么。

一.机器是怎样理解你的文章的？

在门户网站和传统新闻客户端上，哪些文章能上首页是由编辑们决定的，编辑们会在阅读完文章后，会决定是否将其推上版面。因为每个用户看到的页面都是相同的，编辑们的工作量虽然大，但还能够应付。而在今日头条客户端上，每位用户的信息流都是完全不同的，如果5亿用户的信息流都交由编辑来推荐，则是一件不可能完成的任务。

但是机器可以做到，因为其「阅读」文章的方式，在速度上要远远胜过人类。系统会对文章进行特征识别，从而判断文章讲的是什么类型和领域的内容。特征识别的维度有很多，在这里我们重点解释「关键词」。

系统会根据文章中出现的频率，提取出一些词语作为关键词，关键词的判定原则有二：

词频高：如一篇体育类文章内容关于某场足球比赛，那么文章可能会出现的高频词就包括球员名字、足球术语或技巧等，如「C 罗」、「射门」、「突破」。

同类文章中出现次数少：作者撰文时常用到的虚词、转折词等出现频率也很高，但它们不会作为关键词被提取出来，因为这些词在文章中是普遍存在的。

系统判定出一篇文章的关键词后，会将这些关键词与文章分类模型进行比对，命中哪些分类词库关键词的比例大，文章即被打上该分类的标签。

如，一篇文章排名靠前的关键词为「C 罗」、「射门」、「西甲」、「马德里」，那么该篇文章可能会被打上「足球」、「国际足球」、「西班牙」等标签。机器便是这样，完成对文章的初步认知。

因为这种关键词识别机制的存在，作者应尽量避免在文中过度使用非常规词语，如活久见、腿玩年、城会玩等，给自己的文章增加理解障碍。行文用词规范，机器可能更懂你的文章。

除文章正文关键词识别外，机器还会对标题进行关键词的识别和分类比对。因此，在标题中露出具代表性的实体词，可帮助机器理解你的文章。

例如，同样一篇足球类文章，标题「大胡子梅西，大胡子阿奎罗，大胡子伊瓜因，阿根廷美洲杯冠军稳了！」，就比标题「三人蓄须明志，誓要实现多年远大理想」含义更明确，更利于系统识别，获得更多的推荐量。

 

二.你的文章会被推荐给哪些用户？

每个人的阅读兴趣都是大不相同的，个性化推荐机制要做的事情就是——让每位用户看到可能感兴趣的内容，——这也是用户每天会「沉迷」在今日头条上的原因。

因此反过来，作者创作的内容也就只会被推荐给可能对它感兴趣的用户。比如，某一篇关于C罗的足球文章写得极出色，阅读量超过了100万，放在朋友圈是可以刷屏的爆款文章，但对足球毫无兴趣的用户在今日头条上仍然是看不到这篇文章的。

这种精准推荐，是建立在机器对每位用户都有充分认知的前提下的。在机器中，每位用户实际是由大量数据构成的，用户的阅读兴趣就藏在这些数据中。

不同数据对用户兴趣计算所占权重不同，数据包括：

用户的基本信息

性别、年龄、所处地理位置（城市或地区）；

使用机型、授权账户（如微博、微信等）、手机上经常

用的其他 App 等；

用户主动订阅或喜欢的内容

订阅帐号；

订阅频道；

关注的话题；

机器通过计算得出的用户阅读兴趣

用户阅读过的文章分类和关键词；

用户聚类：相似类型用户还喜欢阅读的其他文章类型；

用户在今日头条客户端主动标记「不感兴趣」的实体词或文章类型。

根据以上数据，系统对用户的阅读兴趣就能有个基本的判断。一般来讲，用户使用产品时间越长，系统积累的阅读数据越多，对其兴趣的判断也就越准确。使用产品的用户越多，系统对用户聚类的判断也越准确。

通过对数据的处理，每位用户将被机器打上各种标签，如一个用户阅读的文章中关键词排名靠前的是：C罗、皇家马德里、欧洲杯、小米、魅族、苹果。那么，这位用户可能被打上「足球、「皇马」、「科技」、「手机」、「米粉」等标签。不同的用户会被打上不同的标签。

当一篇带有「C 罗」、「足球」标签的文章在进行推荐时，系统会将其自动匹配给带有「C 罗」或「足球」标签的用户，这便是推荐引擎的个性化推荐。当然，系统推荐的实际情况会远比这复杂得多，但推荐的基本原理便是，机器通过数据来理解文章和用户，并对两者进行匹配。

 

三.你的文章是如何被推荐的？

为让受欢迎的内容被更多用户看到，不受欢迎的内容不占用过多推荐资源。头条号文章在推荐时，会分批次推荐给对其感兴趣的用户。

如何理解分批次推荐呢？文章首先会被推荐给一批对其最可能感兴趣的用户（这批用户的阅读标签与文章标签重合度最高，被系统认定最可能对该文章感兴趣。），这批用户产生的阅读数据，将对文章下一次的推荐起到决定性作用。数据包括点击率、收藏数、评论数、转发数、读完率，页面停留时间等，其中，点击率占的权重最高。这很好理解，能吸引众多用户点击的文章自然会被认为更可能是好文章。

延伸阅读：

扩大推荐机制（注意：以下举例仅用于说明点击率对文章推荐的影响，不代表实际推荐情况）

文章的首次推荐，如果点击率低，系统认为文章不适合推荐给更多的用户，会减少二次推荐的推荐量；如果点击率高，系统则认为文章受用户喜欢，将进一步增加推荐量。以此类推，文章新一次的推荐量都以上一次推荐的点击率为依据。此外，文章过了时效期后，推荐量将明显衰减，时效期节点通常为24小时、72小时和一周。

例如，一篇文章首次推荐给了1000个用户，如果这批用户的点击率较高，系统判定用户非常喜欢这篇文章，将其扩大推荐给10000个用户，如果这轮推荐用户的点击率仍然维持在较高水平，那么系统会将文章再次扩大推荐给30000个用户、50000个用户、100000个用户 ······推荐量和阅读量便如滚雪球一般节节攀升。直到文章过了24小时时效期，新一轮推荐的推荐量才会逐渐衰减。

因为这种扩大推荐的机制，作者想获得更多的阅读量，就必须努力把各维度阅读数据（点击率、用户阅读时间、收藏数、评论数、转发数等）维持在高位水平。这就要求文章：

标题和封面图具有足够的吸引力、表意清晰（提高点击率）;

图文并茂，易读性强（提高用户阅读时间）;

内容详实，给读者干货般的充实感（提高收藏数和用户阅读时间）;

观点鲜明，引发读者讨论（增加评论数和转发数）.

其中，至关重要的当然是点击率，也因此，标题和封面图的重要性便不言而喻。这也是今天注意力稀缺时代，文章获得好的传播的关键要素。

有吸引力的标题能带来更多点击，但这不意味作者要成为惯用夸张标题的标题党。恰恰相反，标题党反而会被平台通过技术手段（标题党模型等）识别和打压，限制推荐量。除了标题夸张，用户举报密集、负面评论过多、无效异常点击、时效期已过都是限制文章推荐量的因素。

 

四.为什么会产生推荐效果不好的情况？

常有作者抱怨自己的某篇文章推荐效果不好，或者对自己的文章阅读量不稳定感到焦虑。文章的阅读量由系统推荐量直接决定，而推荐量又取决于上一轮推荐的点击率。因此单篇文章推荐效果不好，原因无外乎三类：点击率低、推荐量低、阅读量低。

1.点击率低

我们知道，低质内容对用户阅读体验会有负面影响。为了提升用户体验，机器会减少那些不受欢迎的内容（即点击率低的内容）的推荐量，如果点击率持续走低，推荐量也相应地持续减少。一般来说，如果初次点击率不高，就很难再有较高的推荐量和阅读量。点击率较低可能是如下原因导致：

帐号内容垂直度较低，没有及时推荐给相应的用户。

假使一帐号是体育类帐号，这一次却发表了娱乐类内容。对于这种不属于帐号擅长领域的文章，机器需要重新识别分类再进行推荐，这在一定程度上会延长推荐时间，不能保证在规定时效内，推荐给相应的用户。因此，作者若想保证较高水平的点击率，坚持创作垂直内容是极有必要的。

文章内容自身问题，导致点击率低。

标题平淡，没有起到吸引读者阅读的作用；

配图无吸引力，文章配图与内容相关度不高，或者前三张图片质量较差；

内容过于低质，引起读者反感甚至投诉。

2.推荐量低

推荐量是决定阅读量大小的重要因素，推荐量低的主要原因有：

点击率过低，将会影响推荐量。

潜在的用户群过小，推荐量不高。

如果帐号潜在的用户群实在过小，机器将很难挖掘到潜在用户，推荐量自然高不了。而潜在用户群过小有如下原因：

话题过于冷门、生僻；

涉及领域过于专业，晦涩难懂，与主流群众有一定距离；

内容供过于求。

同一领域或话题相似内容过多，出现了供过于求的现象。如，关于当下热点话题的谈论，受众虽然足够多，但是内容供给总量实在庞大，相应地每一篇内容得到的推荐量也就比较少;

消重机制会影响推荐量。

文章非原创或者没有在头条号首先发布，文章可能会被消重，从而影响推荐量;

时效短，影响推荐量。

时效性短的文章，实际推荐时间自然也短，而短时间内可能将无法获得较多的推荐量；

审核中被拦截，内容不被系统推荐，可详见文章审核部分。

3.阅读量低

文章阅读量低，与点击率和推荐量有关。

推荐量低。

在推荐量增长到一定数量级之前，即使点击率较高，文章阅读量也不会高，因为内容并没有得到大范围的验证。在后续的推荐中，如果推荐量持续攀升，阅读量可能会稳步增长；

点击率低。

如果推荐量已经足够高，阅读量仍然较低，很可能是由于文章的点击率较低。这就需要从帐号和文章出发，坚持发布垂直类内容，努力提高文章的质量。