小紅書、知乎、視頻號是很多品牌必爭的流量洼地。

掌握幾個平臺的流量算法，可以讓我們盡可能獲取更多的流量，今天就來給大家分享一下三個平臺的流量算法。

0 1 小紅書

小紅書小紅書的算法和抖音類似，也是“標簽”對“標簽”的流量算法。

不同的是，基于不同的用戶習慣，抖音更側重主動推薦，小紅書更側重搜索推薦。

基于小紅書的平臺定位，超過65%的流量來源于搜索，所以在搜索流量算法上更精細一些，所以這里側重講一下搜索流量算法的邏輯。

搜索結果與需求的匹配主要是核心關鍵詞與query的匹配度，搜索結果中展示的具體內容是通過分析用戶需求，找到最能命中用戶需求的信息。

一篇筆記標題中的關鍵詞可謂是重中之重，官方也明確提示：“填寫標題會有更多贊哦”。

由此可見，標題是小紅書官方用來識別內容屬性的重要選項，想要讓筆記獲得更多的展現，最基礎的工作就是要做好標題的優化。

我們要善用搜索的關鍵詞、熱詞推薦等來幫助我們找到筆記核心詞，以便能讓系統識別并推薦給對應用戶。

從推薦內容找核心詞，推薦內容包括幾個方面，搜索框置灰關鍵詞，頁面顯示的歷史搜索，熱搜詞。

1、默認提示詞

點開搜索還未輸入搜索詞之前，平臺會根據用戶標簽推薦默認提示詞，默認提示詞中存在一定量的搜索流量。

2、搜索發現（熱門搜索）

熱門搜索把最近一段時間被搜索次數最多的詞展示出來，去引導用戶看一些最近熱門的內容和用戶搜索量大的話題推薦，跟用戶的搜素量和近期的熱門話題相關。

3、補充聯想關鍵詞

補充聯想關鍵詞，即用戶輸入部分內容，然后系統根據這些內容聯想出完整內容，自動補全關鍵詞，通過即時匹配關鍵詞并展示出來，增加用戶的選擇。

我搜了顯瘦，平臺就給我推薦了關于顯瘦的幾個關鍵詞推薦。考慮熱詞排序是綜合展示的結果。

除了筆記數外，“熱詞” 的熱度排序可能還牽涉到兩個方面的因素：

用戶主動搜索的頻率，以及筆記本身被系統推薦的熱度。

搜索之后，系統根據搜索詞進行算法匹配，把所有結果都展示出來。而如果這個關鍵詞是相關品類中范圍比較大的詞匯，那么就能看到在界面上半部分有一些專門的標簽詞匯提供分類篩選的功能。

這種方式對于用戶無目的搜索的體驗會更好。同時將最熱門的筆記排在前面，這種搜索結果的展示形式以及篩選條件，目的都是為了縮小選擇范圍，幫助用戶快速選擇關于關鍵詞的選擇有以下幾點值得注意：

1）小紅書的熱搜推薦是平臺短期流量內容的標識；搜索提示關鍵詞、篩選熱門是長期流量所在，來源于小紅書真實的用戶數據分析和總結。

2）一定要優先選擇競爭度小流量大且比較精準的關鍵詞，避免選擇寬泛的關鍵詞。

3）學會反推關鍵詞。確定筆記主題及關鍵詞后，要去反推希望用戶用什么關鍵詞能搜到自己的筆記，考慮如果自己去搜這類筆記會用哪些常見關鍵詞去搜。

4）在筆記標題、正文、話題、評論等位置合理的布局關鍵詞，有助于筆記被收錄及精準推薦。避免堆砌關鍵詞，堆砌關鍵詞會被系統判定為廣告，長期這樣操作，賬號會被系統降權。

0 2 知乎

首先是針對搜索流量，知乎的搜索排名其實跟搜索引擎是有類似的，內容需要先進行收錄，然后才能提升搜索詞排名。

一方面需要看內容和搜索關鍵詞的匹配度，匹配度越高，收錄的概率也就越大；另一方面，優質賬號的權重更高，能夠獲得的搜索詞排名也會更高；最后，內容的熱度也會影響搜索排名，總之越熱門的內容排名會更加靠前。

當然，搜索還涉及到問題下回答的排名，一般來說，搜索詞收錄該問題后，會抓取問題下其中一條高贊的回答展現，除此之外，因為用戶的習慣一般會參考不止一條回答，那么該問題下自然排序第一的回答，也有更大的曝光概率。

所以，如果能夠實現搜索詞+問題下的排名都非常靠前，那么流量自然就會更好；如果不能實現兩者均很靠前，那么起碼要實現有一條在靠前的位置。

第二是針對推薦流量，推薦流量是通過知乎的推薦算法，然后將內容推送給用戶。

一般來說，推薦算法會先將內容推送給一小部分人，然后收集反饋數據，如閱讀完成率、贊同率、互動數據等，來判斷這條內容是否值得持續推薦。

第三是針對熱榜流量，熱榜是知乎的全站實時熱門內容合集，其維度主要是看24小時的瀏覽量、互動量和領域權重來計算。

想要內容上熱榜，那就必須要在短時間內有大量的領域內用戶參與互動，形成不錯的聲量后，內容自然熱度就提升上去了。

當然，針對視頻類內容，其分發機制跟推薦類似，而且有單獨的榜單支撐，參考即可。

第四是綜合算法，和頭條、抖音等平臺不同的是，知乎采用的是威爾遜算法，即根據內容的點贊、反對、收藏等數據，按照威爾遜公式來決定內容的推薦和排名。

u代表內容的贊同數，v代表內容的反對數，p則代表內容的贊同率=贊同數/（贊同+反對），而Z則是與權重相關的數字算法公式雖然很復雜，但大家只需要記住最核心的一點：贊同率比贊同數重要，反對率比贊同率重要。

和其他內容平臺不相同的是，除了點贊和互動，知乎用戶還可以給不同意的內容點反對票，而反對票數一定程度上將會影響回答排名。

0 3 視頻號

視頻號微信視頻號和其他流量平臺的算法完全不同，視頻號的分發機制是基于社交推薦和個性化推薦。

1、社交推薦

社交是微信生態的先天基因，所以對于微信視頻號來講，社交關系鏈同樣非常重要，比如你的好友發布和點贊的內容，會優先推薦。

一個作品，你的好友點贊收藏互動多的話，你的閱讀量曝光量就會上升，相反，如果非好友進行點贊收藏的話，對于你作品的曝光低于好友點贊收藏。所以，你微信好友的點贊收藏互動對于作品提升權重有很大的影響。

其實這個就跟公眾號的“在看”和“點贊“的邏輯相似，比如你給某個文章（視頻）點了“在看”，你好友將會在微信“看一看”刷到這個文章（視頻），你好友點贊了，他的好友也可能會刷到這個作品，以此類推。

2、個性化推薦

指的是系統會根據用戶的日常行為、活動軌跡和興趣、職業、年齡等標簽，通過一系列大數據算法，推測出用戶可能喜歡的內容。

因為微信本身就擁有11億的超級用戶畫像和各種算法機制作為參考。不過目前由于微信視頻號尚處于熱啟動階段，目前數據庫并不全面，采用的數據源都是從微信大盤抓取，算法基本會采用興趣標簽+定位+熱點+隨機推薦。

所以無論是發視頻還是發圖片，添加話題和定位更有助于個性化推薦。這一點跟抖音的推薦算法有點相似，只不過目前還不夠成熟。

3、去中心化的推薦算法

視頻號雖然是基于社交推薦，但每個人的社交關系鏈畢竟有限，當一個作品已經在完整的社交關系鏈獲得了展現且取得了較好的數據表現后，視頻號會進行社交關系鏈以外的擴大推薦，邏輯類似于抖音的“標簽”對“標簽”，這里不做過多延展。