如何利用自媒体平台的「推荐机制」，写出叫好又叫座的爆文来？ _自媒体

文章插图

大家好呀~
今天，灵遥将为你带来一本新书，名字叫做《走进内容推荐时代：写给内容行业从业者的推荐分发入门书》。

文章插图

也许，你生活中曾经有过这样的场景：
在上下班拥挤的地铁中，打开头条、抖音、微博等平台，查看新闻或者八卦；午休的时间，拿出淘宝，为家里添置新的收纳盒；周末打开美团和大众点评，去搜寻周末好去处……
如果说，你的这些行为有什么共通点，那一定是会在搜寻到你想要的信息同时，被平台额外推送N多相关信息。
比如，你如果在淘宝搜索界面里输入了「晨光签字笔」等字样，那么你将搜到的相信除了「晨光签字笔」，还会有「三菱签字笔」「百乐钢笔」等相关文具。
而，你若是在接下来的几日内，再次打开淘宝，那么推荐给你的物品又会延伸到文具盒、贴纸、笔记本、涂改液、收纳盒等等。
对于用户来说，这样的设定可以说是「喜忧参半」。
喜的是能够通过一本书，找到10余本与它主题类似的书，完成一次主题阅读，忧的是内心稍微不坚定，购物车、书架、收藏夹里便会被各种不必要的信息占据，以至于找不到你需要的信息。
那么，这些纷繁复杂又引人入胜的内容，又是如何推到用户手机里的？有志于从事自媒体的你，又该如何利用这些规则，让你的创作被更多的人看到呢？
来和灵遥一起读读这本《走进内容推荐时代：写给内容行业从业者的推荐分发入门书》吧~
01.推荐的起点：断物识人尽管推荐系统中应用到了各种高深的算法、架构，但是其基础原理是朴素的：更好地了解推荐的内容，更好地把内容推荐给想要看到的人，从而更高效地完成内容与人之间的对接。
因此，一个平台若是想要把内容推荐给人，首先便要充分理解这份待推荐内容的特点是什么。因为，如果连推荐内容的特点都说不明白，那就妄论推荐效果了。
如你所熟悉的一样，推荐的算法同样是「贴标签」。
比如，你有一个朋友，他是一个算法工程师，你现在想要把他介绍给你的朋友，那么，对于程序员，你往往会说，这是xx，和你一样，是一个算法工程师，负责balabala；如果是对你的球友，你可能会说，这是xx，篮球打得特别好，我大学校队的；如果是你父母，你可能会说，这是xx，我大学最好的朋友，等等。
换言之，便是你会在介绍这个人的时候，结合介绍人的身份，给他安一个标签，而为了去说明这个标签，你往往会在介绍了这个人是xx后，辅以量化的信息，来帮助别人更好地了解它。
但是，这个人只有上述描述的特点吗？也许不是的。
比如，他可能又高又帅，可能是一个孩子的父亲，可能热衷于慈善，刚捐了10000元给希望工程，但是，你却只选择了他与受众关系最密切的标签，并没有告诉球友说，他和他老婆夫妻恩爱，毕竟，这与你把他介绍给你球友的目的并没有太大的关联。
由此可见，标签是我们对一个东西高度抽象后的理解，它并不能够代表一个人生活的全部，但能够帮助我们在一瞬间抓住对方的注意力，与对方建立起联系。
同理，识人也是如此。
【如何利用自媒体平台的「推荐机制」，写出叫好又叫座的爆文来？】你除非是某某平台的重度用户，每天都会花大量的时间在平台上，平台才有机会收集到你更多的信息，来为你进行画像。
因为，仅仅凭借着一两次的信息搜集，再厉害的平台很难知道你到底是一个什么样的人，然后结合你的需要，为你推荐内容。
而后，完成了断物识人后，平台便会根据「物以类聚，人以群分」的逻辑，来为用户做推荐了。
以内容推荐为例，其用于相似度计算的常见因素有：作者层面的相似性（基于订阅和偏好关系）、内容层面的相似性（如，关键词、话题、类目、标签等等）。