小红书笔记曝光的核心逻辑是通过算法机制将用户感兴趣的笔记推送给用户，并在此基础上优先推送更受用户欢迎的笔记。 票据分发流程如下：
笔记发布——平台审核——笔记通过平台AI系统进行标签分类——分发到发现、同城、关注等门户。
这些中间票据的曝光度受两个因素影响：算法驱动的自然曝光度和官方付费曝光度（信息流广告）。
这里我们主要讲一下自然曝光背后的算法机制。 正如我们前面所说，笔记发布后，首先会被系统打上一系列标签，并暂时推送给机器算法认为对该标签感兴趣的用户，即初始流量推。 然后系统根据用户的一系列行为反馈对笔记进行评分，并根据综合评分决定是否继续向更多用户推荐笔记。 这个评分系统在小红书里被称为CES。
CES是评判笔记质量的评分机制，CES=点赞数（1分）+收藏数（1分）+评论数（4分）+关注数（8分）。 当分数高于一定值时，系统会将这条笔记推送给更多用户； 当分数低于一定值时，该条评论会留在基础流量池中，这是用户曝光度不能超过100的常见情况。
这个流量分配过程类似于抖音流量池的机制，是一层一层的流量推送。 笔记能否发送到更大的流量池，取决于每一步笔记的交互数据反馈。
当然，CES评分机制并不是影响笔记曝光的唯一因素。 根据我们操作大量账号的经验，一些笔记的阅读量即使在交互数据很低的情况下也能持续暴涨。 有些笔记甚至在沉寂一段时间后突然恢复流量增长，这说明CES评分并不是决定笔记曝光的唯一机制。 。
根据我们的理解，这里涉及到另一种模型算法机制。 小红书的内容推荐原则是用户感兴趣的内容，根据感兴趣的内容，优先展示更受用户欢迎的内容。 用户兴趣不断变化，内容不断更新，所以这就涉及到一套能够基于用户大数据不断进化的算法模型。 算法模型包括学习模型、评分机制、两线推荐机制。
1. 学习模式
意思是小红书算法每天都会分析用户的行为，从阅读时长、用户点击、返回、收藏、点赞等9个维度分析判断用户是否喜欢一条笔记。
2. 预判评分
笔记发布后，小红书会根据学习模型对笔记的质量进行评分，并根据评分确定笔记的初始排名以及是否继续给笔记推流量。 笔记后续的交互数据决定了该笔记的搜索排名是否靠前。
3、两线推荐机制
是指笔记发布后2-8小时实时推荐，笔记发布后一两个月，通过算法挖掘对历史笔记进行分析，然后重新获得流量推送或流量推送受限制的。 这就解释了为什么很多历史笔记沉寂一段时间后流量又恢复的现象小红书规则，或者一直有流量的历史笔记突然没有流量的现象。 因为算法不断地学习用户喜欢什么内容、需要什么内容、不需要什么内容，然后重新分配流量。
系统分发的笔记通过哪些入口展示给用户？
1.发现入口
发现页展示的备注包括兴趣推荐备注、薯条促销备注、信息流广告备注等。
兴趣推荐备注是由系统算法根据用户的搜索行为和点击行为来推送，以确定用户的内容偏好； 薯条促销备注是用户购买的备注的曝光，没有像信息流广告备注那样明确标注。
2、关注入口
关注条目以朋友圈信息流的形式展示用户关注的博主发布的笔记。
3. 搜索入口
搜索条目中显示的注释是系统根据用户的搜索关键词匹配到的结果。 排名位置主要与笔记交互数据有关，其他因素还包括关键词匹配度、账号垂直度等。
排名靠前的笔记，除了官方付费广告外，都是自然的展示结果。 当然小红书规则，也有可能通过手动操作来提高笔记的排名，但这是非官方行为，因此存在违规风险，而且也受到关键词热度的限制。 关键词的流行度越高，人为干预的难度就越大。
4. 官方编辑推荐
官方编辑会以私信的形式向用户推荐收录的优质笔记。
5、同城入境
同城入口处显示的备注以附近20公里范围内用户发布的备注为准。
想要笔记获得更多曝光，核心就是要聚焦小红书的笔记曝光原则——围绕用户痛点，打造用户感兴趣的内容。 在此基础上，迎合平台曝光机制，通过关键词排列、笔记内容优化，增加爆文输出概率。
暂无评论内容