小红书的推荐规则

小红书笔记的推荐规则和推荐机制，小红书的笔记是如何被推荐到发现页中去的？

其实小红书与抖音、头条这些平台的逻辑基本同样，用户及所发布的内容都会被打上相应的标签。

首先每篇笔记都会被打上标签，然后再进行机器审核，检测内容中是否有违规，若没有则进行匹配分发

若检测到疑似违规，但机器不能确定，则会进行相应的人工处理，给到人工审核，人工审核无问题在进行匹配分发，否则关进小黑屋。（感兴趣的可以看这篇小红书的检测规则&敏感词违禁词检测工具，帮助你规避笔记被封）

在推荐时会提取笔记中的关键词、图片标签、话题等，分到某个类目然后再推荐给相应的人群。

推荐后不代表用户可以搜索到该笔记，需要被小红书收录，没有百分百的收录。

小红书流量分发机制

小红书的流量分发机制不难理解，就是内容标签匹配。

当小红书用户的一篇笔记发布后，会被系统拆分成多个标签，然后再推送给最近有同样内容喜好的用户，一篇笔记不管是图片还是文案，都会被系统按照标签去区别和理解，用户最近的阅读习惯也是会被系统按照标签进行分类和匹配。

本质上是一种内容标签与用户标签的匹配，然后系统根据用户的一些交互行为给这篇笔记打上内部分数，再决定是否要继续推送给更多的用户，这个评分体系在小红书被称为 CES算法，并且听说还有个公式。

小红书推荐机制主要是 CES 进行打分，分值越高，深度互动越容易进入更大流量池。

CES算法举例参考，例如笔记的相关数据，如：点赞1分+收藏1分+转发4分+评论4分+关注8分

其中 CES 机制中，收藏、评论、转发、关注等都计入深度互动，特别是评论、转发、关注加权指数重，更利于让笔记推向更大的流量池。

在笔记中预埋评论梗、添加互动组件都是在提升笔记互动和留存时间，这样平台才会判定这条笔记有价值，愿意将笔记推荐。

据说这个算法早就在小红书内部使用了，随着平台的发展，现在的算法判断比以前更加丰富多元化。

小红书用户发布了内容，小红书永和和内容都会被系统打上标签，然后系统会推送到具有相同喜好和标签的用户，根据笔记的相关数据，如：点赞、收藏、转发、评论、关注等，为笔记加分，达到某个参数的临界值后，笔记就会从一个流量池转向一个更高的流量池，该笔记就会推送给更多的用户，直到这篇笔记的相关参数不再增长