在讲这个之前，我们先来看一下「小红书」平台都有哪个几个流量入口，对应的不同流量入口，平台所应用的推荐机制分别是什么样的？
如图，从目前小红书APP的设定来看， 流量主要集中在打开APP中的「发现页」和APP顶端的「搜索页」 也就说小红书用户打开APP后，大部分人都在看发现页推荐的内容或者直接去搜索框输入关键词，找到自己想看到的内容
那现在明确了小红书的流量主要集中在这两个部分，那平台是根据什么指标或者参数来向这两个流量入口推流的呢？
接下来就是分享小红书平台的算法及推荐机制
也就是我们一打开APP，直接给你推送内容的页面
这个页面的流量分发机制和抖音很相似，也就说你做好笔记，上传到平台， 平台会根据你账号的标签和笔记的标签，及你自己所设置的话题或者重复的关键词 ，给你的笔记打上标签，然后在根据你这个标签，先推送给同领域的一小部分人去看
如果这一小部分用户对你的笔记产生兴趣， 进行了转发、点赞、评论、收藏等行为 ，那平台就会认为你这个内容属于优质内容，然后就会推送给更多的人群，接下来就是以此类推，根据用户4项数据的反馈结果，在进行更广泛的推荐
说到这就有一个问题了， 如果你的笔记标签不精准，那平台给你推荐的用户也有就有可能不精准，那一但给你推荐的用户不精准了 ，那转发、点赞等数据自然不会很高
比如你的笔记是旅行的，但是因为标签不精准，平台把你的内容推荐给你了美妆领域的用户，那这类用户看到你的内容自然不感兴趣，所以就不会产生转发、点赞等数据行为，那不会产生这些行为之后，面临的问题就是内容就不会得到更大范围的推荐
所以标签很重要，如何给你的账号和笔记都打上精准标签，让平台精准推荐呢？
（1）账号标签设置方法：
①日常我们要多看和自己同领域的内容，增加用户标签 ②在新账号入驻的时候都会让你勾选感兴趣的内容，我们要选和自己同领域的选项
③日常用账号浏览内容的时候，遇到同领域的笔记或者视频要记得点赞收藏
按照以上3个环节操作账号，就可以给账号打上精准标签
（2）笔记标签设置方法：
①发笔记或者内容的时候一定要选择和内容相同的话题 ②笔记中的标题和文字部分要重复和标签相关的关键词，比如你的笔记是分享自驾游旅行计划，那旅行就是你笔记的核心关键词，所以在笔记中的标题和文字部分重复提旅行，有助于打上标签 ③笔记中的标记、封面图中的文字等都要和定位相关，那这样更有利于打上标签
那在小红书发布笔记的时候用注意以上3点，就有利于你的笔记打上标签
那以上就是对账号和笔记分别打标签的方法，只有分别设置成精准标签，才能精准推荐
那如果推荐给一小部分人看完你的笔记之后， 平台发现用户未对你的笔记进行点赞、转发等行为，那说明用户对你的内容不感兴趣 ，那这就反响出一个问题，有可能你的内容不优质，所以平台这时候就会停止推荐
那解释完之后你是不是会发现，小红书的这个流量分发机制其实和抖音有些相似，确实有相似的地方，但也确实有不同之处
比如在分发的过程中，各项数据的优先级是 转发>评论>收藏>点赞 ，转发越多，推荐的几率就越大
插一句： 为什么你在小红书发现页看到的都是你喜欢的内容呢？因为平台给你打上了标签
所以对于小红书中「发现页」这个流量入口，平台主要采用的推荐机制，就是利用标签精准推荐，然后在根据用户反馈，决定是否进行更大范围的推广。
小红书内容被推荐的3条核心逻辑
1、打开率。由于推荐算法的通常逻辑是，把内容推荐给少量用户，比如1000个左右的用户，根据这些用户打开内容的比例，决定是否推荐给更多的用户，这个比例就是打开率。打开率排名靠前的内容被推荐给更多的用户。我们小红书没有给出推荐数（曝光数）数据，因而我们无从知道打开率。但可以通过其他方式分析出高打开率的作品。
2、互动率。当内容被推荐到较大人群，如推荐给1万个用户的时候，假设按照平均10%的打开率和1%的互动率，理应有10个用户互动，这时系统就可以判断这个内容是否值得继续被更大范围推荐。根据打开率和互动率数据，决定是否更大规模推荐。
3、搜索结果打开率。有些内容，在最开始发布的时候打开率并不高，自然无法获得较多推荐。但是他们出现在用户的搜索结果中时，被用户点击的概率较大，则会继续被推荐给精准人群，和在搜索结果中获得更好的展示位置。
小红书官方曾经给出过平均数据，目前的打开率是11%，互动率是3%。
所以，小红书的算法逻辑就下面这几条：
小红书的算法机制和抖音的算法机制基本相似，也是典型“标签”对“标签”的大数据推送机。由于两个平台的用户有着不同的使用习惯，所以也存在一定的差异化，抖音平台更倾向于主动推荐，小红书更倾向于搜索推荐。再者基于小红书超过 65％的流量来源于检索流量的站内定位，所以在搜索流量算法这一块也相对更精细一些。
算法的逻辑
小红书搜索流量算法的逻辑主要是搜索关键词的核心词与推荐内容的匹配相关程度。通过分析用户需求，找到最能高度匹配用户需求的内容并将搜索结果中展示出来。
1）默认提示词
当我们想要搜索的时候经常会发现搜索栏内，即使我们还未输入搜索词，检索框内也会有灰色的搜索词，这是因为系统会根据用户的搜索词进行推荐与之有关联的默认提示词，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）
热门搜索是将近期时间内被搜索次数最多的关键词进行推荐展示，从而引导平台用户去浏览近期检索热度比较高的话题和内容，所以搜索发现的算法机制跟用户的搜素量和近期的热门话题相关。
补充联想关键词补充联想关键是就是当我们在检索框内输入部分内容时，系统会根据已输入的内容拓展出完整的检索词句，自动补全检索内容。这样通过内容联想匹配出来的检索内容，方便快捷的增加了用户的选择。例如我搜搜鞋子，下拉栏会给我推荐“鞋子男”“鞋子女”等与其相关的关键词进行推荐。
小红书热门关键词的排序是综合展示的结果，“热门关键词” 的热度主要有两方面的因素：内容本身被系统推荐的次数和站内用户主动搜索的频率。用户在搜索之后，系统根据用户的搜索词匹配相关内容，并把所有的搜索结果向用户展示出来。但是当搜索关键词是相关品类中的通用大词时，在界面上半部分就会显示一些可分类筛选的专业标签词汇。这样的功能对那些没有目标的用户的使用体验会更好一些。于此同时，系统将热门排名靠前的内容展示出来，这种检索结果的呈现以及筛选功能，其目的都是帮助用户缩小选择范围，快速选择检索内容。
系统推荐算法机器算法机制：根据用户搜索关键词推荐相匹配的内容。
阅读延伸推荐：根据用户浏览的相关内容，推荐给用户感兴趣的话题，让用户延伸阅读。
社交推荐机制：用户关注账号发布的内容，类似于微信朋友圈信息流的形式。
附近推荐机制：根据用户定位，为用户推荐20km范围内的内容。
编辑推荐：官方账号将收录的优质笔记进行推荐。所以在小红书上，只要用户能够输出高质量的内容进行发布，及时在粉丝基数不大的情况下也是可以得到平台的流量推荐的。
无论小红书还是抖音，其推荐机制，都会经过初筛-精筛和微调三个阶段，一篇笔记发出，对于违法违规笔记删除，正常通过的笔记会进入精筛，根据笔记的标题，图片，内容等信息，系统会只能给相关一部分精准人群曝光。
如果在初始曝光较好的点击阅读率，笔记互动（赞藏评转关）高于大盘，那笔记会推送给更大的人群曝光池，若更大的曝光池中依旧能获得好的点击率，互动量，则会被继续推送给更大的曝光池。
以此类推，直到这篇笔记在对应的流量池的评判分值低于该流量池的推荐阈值，平台才会停止推荐。在这里小红书推荐机制主要是CES（点赞评）进行打分，分值越高，进入更大流量池，人为通过机器来进行点赞评，显然是违规，极易被平台监测到。
图：来自微播易关于小红书评分机制
根据用户浏览习惯，如你最近浏览口红类的笔记，系统就会推给你口红相关的笔记；其次不同时间段推送的内容也不同，如夜晚、节假日推推送的笔记也有一定的差异化化。这就是，我们在刷笔记的时候，感觉就像为我们量身定制一样，我简称为私域。
试想，信息一直是私域就会形成信息茧房，为了打破用户的信息狭隘，我们看到很多点赞高，虽我们关注度不高，但是仍旧会出现主页的上，这就是公域流量。
平台根据通过算法的记录和判定，推荐一些百万浏览指标（一般点赞、收藏量在10万以上）的笔记给可能感兴趣的用户，进行再次曝光。所以，受用户喜爱的优质内容会有更大概率被系统算法推荐。
搜索关键词推荐逻辑主要针对搜索界面，包含了4类关键词布局：行业领域关键词、细分领域关键词、产品营销关键词和营销需求关键词，关键词流量直接对接用户需求，能够实现长尾效应。
（1）主关键词
这类关键词像“护肤”“母婴”“健身”等，这类属于大词，相对竞争非常激烈，适合头部品牌去封锁这个词，对于，刚起来的品牌，在布局关键词，先以细分关键词为主，抢占搜索流量。
（2）细分领域关键词
细分领域关键词也叫长尾词，如健身行业，什么时间健身把比较好，健身吃什么水果，这些都是长尾关键词，这类词可以通过小红书下拉框或者小红书效果广告的关键词规划工具搜索分析，在标题和正文、标签中植入细分关键词，
（3）产品营销关键词
产品营销关键词一般是指行业领域内的竞品关键词。先分析竞品再思考布局哪些关键词、哪些细分领域。然后把产品词演变成细分领域关键词，实时掌握行业内竞品动向，对行业内数据高的细分竞品关键词进行分析，紧跟产品热词来布局产品营销。
（4）营销需求关键词
常见的需求词有“干货 怎么做 必备，步骤，合集”等，是指产品背后的描述词，符合用户的搜索习惯，在创作过程中可以可以添加这些需求词，也能增加文章被搜索到的概率。
无论是头部还是腰部尾部、亦或者是素人、小白，所有人发布的笔记审核通过被收录后会被推荐到1级流量池，给到200左右的曝光，如果点击、收藏、点赞、评论等数据不错，就会被推向下一级流量池，大概2000左右的曝光。以此类推，达不到相应数据就会停止推荐。
专业点讲就是：
①初始流量池→评判分高于推荐阀值→下一级流量池→循环判断→直至评判分低于流量池推荐阀值→系统停止推荐
②初始流量池→评判分低于推荐阀值→系统停止推荐
其中评判分即ces分， ces=点赞1分+收藏1分+评论4分+转发4分+关注8分。（分值仅供参考，大概是这么个配比）
社区互动推荐
根据同类型博主的互动，以及笔记本身达到一定门槛，诸如过w收藏、百万浏览等再次推荐
千人千面人群推荐
系统会通过用户以往的点击、浏览、关注的内容去推测其喜好，并贴上标签，同时通过用户往期的点赞藏三连推送更为精准的内容。
去中心化、千人千面下，无论是谁发布的内容都按照这个逻辑一视同仁，且不同人呈现的搜索/发现结果都是不同的。
本文为系列教程中的一篇文章，如果喜欢，给我点个赞吧，下面是总目录：
点击这里 ：玩赚小红书：目录
关注微信
