惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

博客园_首页
量子位
D
DataBreaches.Net
博客园 - 司徒正美
J
Java Code Geeks
博客园 - 【当耐特】
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
aimingoo的专栏
aimingoo的专栏
B
Blog
The Cloudflare Blog
D
Docker
I
InfoQ
爱范儿
爱范儿
MongoDB | Blog
MongoDB | Blog
腾讯CDC
月光博客
月光博客
Hugging Face - Blog
Hugging Face - Blog
Microsoft Azure Blog
Microsoft Azure Blog
Vercel News
Vercel News
阮一峰的网络日志
阮一峰的网络日志
小众软件
小众软件
S
SegmentFault 最新的问题
GbyAI
GbyAI
有赞技术团队
有赞技术团队

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
了解原理提高算法推荐的成功率可能得融入点Ai
私域运营手记 · 2024-06-25 · via 人人都是产品经理

本文主要介绍了公众号的新推荐机制,如何运用人工智能技术提高文章推荐成功率的方法,以及运营者应该如何利用这些数据分析和改进自己的推广策略。

很久之前公众号的整体的推荐机制有许多变量因素,但是最近公众号重新调整了一下整体的推荐机制,尤其是公众号整体还整体接入了腾讯元宝AI的能力里面,让公众号重新搭上了AI这一趟车。

下面先总结一个整体的推荐流机制,给大家做一个简单的了解。

1、任何UGC都会有一套免疫机制! 

公众号其实就像人体一样,当我们大家发了无数的文章进去以后,总会有一些病毒性的文章,那么公众号作为微信的UGC平台,那么自然而然的,也会有自己的一个免疫机制,进行进一步的筛选。

首先就目前公开的信息来看,我们知道已公开的文章,不管是全部通知还是非全部通知,其实都是会进行到公众号的筛选的大平台里面,但是公众号会利用整体的AI能力进行剔除,将一部分违规等因素,例如像广告,营销,水文或者AI创作等文章进行剔除。

其次的话公众号历史的文章也会进入大的筛选机制,整体会看这个公众号历史被查看的次数的,并且粉丝的粘性也会进一步的筛选,从而完成1.0的筛选。

当然,如果说创作者自行设置不被平台推荐的话,也是不会被推荐的。

当这些筛选全部结束了以后,才会开始利用算法的能力,针对文章多次出现的关键词,并且系统总结出来的文章内容进行提取,用户画线的内容也是会被系统采纳,最周进入匹配的环节。

2、新机制下公众号更注重的数据 

当我们打开公众号的数据中心的时候,我们其实可以看见一个数据板块叫做【推荐漏斗分析】,他的整体数据维度仅仅只有三个:曝光次数,阅读次数,读后关注次数。

除了这三个以外,还有两个阅读率跟读后关注率,这意味着新版本的公众号推荐机制等多会是围绕这几个方面进行展开。

当我们的公众号进入的推荐以后,系统会给一些基础的流量池,这个流量池整体来说其实是不固定的,但是基本上是在300左右,然后根据这个流量池整体的曝光到点击率的情况,进行系统的判断是否进入下一个流量池【其实有的人说感觉有点像抖音或者小红书的机制,请不要怀疑就是】,一般来说推荐流量越大的话,整体阅读量跟转换率都是会整体增长的,我简单给大家画了一个图,方便大家做一个理解。

通过这样的机制情况,公众号就形成了一个简单的机制,可以通过曝光次数知道你跟其他创作者之间的差异,同时的话也可以通过这个推荐算法的完善,进一步的知道不同渠道对于公众号文章整体的贡献,筛选出符合你公众号定位的人群。

3、怎么样充分利用新的机制提高阅读量 

如果说我们单纯的从数据的唯独来说,我们能看见的就是曝光,点击,跟阅读后关注,甚至最多一个阅读时长跟阅读完成百分比的数据,这些数据看似简简单单没有任何关联性,但是从真的公众号从业者来说,其实是可以考虑从下面几个维度进行多方面调整的。

关于点击率的情况来说,其实这个逻辑还是很早期的那一套,通过标题的吸金成都最终拉到整体的点击率,只要不违规的情况下,文章标题跟文章封面的话,还是比较容易吸引人点击的。

至于阅读时常跟完成比的话,他整体还是跟随文章的质量走,但是随着整体AI的深入,其实慢慢的也充分的利用AI工具的进行营销,例如把同选题的高阅读量文章拉入Ai进行分析,在进行深度拆解关键词的维度以及关联相识观点等,进行进一步的优化,从而进行提高文章阅读量,但是随着我们深入的测试以后,我们发现很多文章并不是依靠着原创度提高的,而是关键词吸引的用户。

当然以后上都是我们常年发表文章以后的,进行整体的总结,只有当我们的文章搜索流量越来越大的情况下,他的整体推荐机制才会越来越高。

本文由人人都是产品经理作者【私域运营手记】,微信公众号:【私域运营手记】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。