浅谈小红书爆款笔记

震惊❗男大竟然也会写小红书爆款笔记❗背后的原因竟是 ……

浅析图文笔记

一条爆款笔记可能有的要素

例子

＃Topic: 好的标签能让笔记投放到更适合的内容分区，让更多人刷到
＃Vote: PK or Vote，方便互撕
评论区互动
- 作者至上：可以随意互动、置评、控评、删评
- 评论区排序机制
  - 一般按实时热度排序，会有各种各样的权重因子
    - 点赞数
    - 时间
    - 回复
    - 评论质量
    - 内容标签 ……
  - 千人千面，会根据你的画像来加权排序
  - 基本遵循因果一致性
- 评论区回复：最多展示 5 条评论，减少阅读压力

为什么不按时间排序？
小红书的分发机制对 50 万以下粉丝的小博主更友好
同理，让每一个用户的评论都有机会被看到，~~是小红书的初心和使命~~
小红书希望每个用户的评论都能获得点赞，从而激励用户更积极地互动

话题选择

挖掘潜在的爆款话题

要有🍠味
标题要吸睛，自带标签或人设
话题泛化，比如说讨论华科，不是讨论“学在华科大”，而是讨论东九大塞车（参考热榜）
1. 情绪类、吐槽类
2. Vlog、Plog
3. 种草、攻略、测评
4. 女性力量、OOTD
5. 争议性、话题性、反差 ……
流行趋势

什么是🍠味？
第一眼就觉得非常简单、纯粹，是让人觉得心里咯噔一下的东西，劲儿往一处使的那种感觉
有很小很小的连接和能量，让看到的人能够会心一笑

流量分析

流量即是爆款的生命

生命周期
笔记的生命主要来源于自然流量，一条笔记的生命周期大概在 3~7 天
- 审核通过（30min）：限流则无法通过
- 小流量池测试（1天）：基于标签，推送最精准人群
- 一级流量池（1~2天）：违规则无法进入
- 多级流量池（2~5天）：卷赢的笔记能进入下一级流量池
- 衰退（7天后）：逐步减弱推流直至死亡，搜索流量不受影响

流量层级

流量来源

关注页：推送粉丝
位置页：地理匹配
发现页：自然流量，CES 机制
搜索页
- SAU：60% ~~（新时代搜索引擎）~~
- SEO：账号权重、话题标签、CES、原创

流量走向：右偏分布

CES 指标

CES = 点赞 * 1 + 收藏 * 1 + 评论 * 4 + 转发 * 4 + 关注 * 8
在一级流量池中，系统会给 200~500 的基础流量，然后据 CES 判断能否进入下一级流量池

爆款背后的推荐机制

推荐系统，让人人都能成为爆款文的主角

LarC 大规模机器学习平台

处理小红书产生的海量多模态数据和用户行为反馈，训练模型
平台架构

千人千面的推荐系统

推荐系统架构：基于 LarC

Online Training：分钟级实时推荐
- 当用户浏览信息流时，推荐系统实时捕捉用户的点击、停留时长、点赞收藏等行为，这些行为会基于 Flink 计算引擎产生样本，然后送到模型中做预估
- 这些样本也会进行短暂的 Online Training 以更新模型参数，然后立刻发布到线上，服务下一次请求

多样化推荐：新鲜感
- 过度关注用户的短期行为会导致信息茧房，因此要对用户的长短期行为设计不同的序列建模，让推荐系统更全面地了解用户
- 提高内容推荐的多样性，从DPP 算法 -> SSD 算法，利用滑窗计算捕捉用户行为，从单个内容的价值排序扩展到用户整个浏览周期的建模，从而避免追打密集

分钟级实时推荐

2021 年以前，小红书推荐系统以天级更新，‌新笔记一天只有一次上车的机会
用户发布笔记后，很可能过了大半天小眼睛还是停留在两位数

对推荐系统的核心——排序模型和召回模型进行高时效改造，从天级更新 -> 分钟级更新，实现了“实时推荐”
现在，高时效系统能在更短的时间将新笔记分发给更合适的人，让用户和作者获得双向正反馈，体验 99+ 的快感
排序 / 召回模型应用链路

频繁修改笔记会让推荐系统难以学习，权重降低，导致笔记凉凉

流量算法

为什么在小红书素帖更容易爆款？

Girl helps Girl

小红书旨在创建 “普通人帮助普通人” 的社区

技术路径：去中心化分发、注重用户体验和社区的高质量互动
推荐策略
- 推荐因素：多种推荐因子 + 用户画像的个性化权重 + 发布意图的权重组合 ……
- 人以群分：识别不同人群，将流量分层，寻找局部最优
- 内容理解：小红书从传统的标签化内容理解体系 -> 向量化内容理解体系，实现更高效的内容理解，让推荐更加准确
分发策略
- 平权化：一半的流量分发给普通用户，让普通人的创作平等地被看到
- 内容分发质量框架
  - 预测内容分发质量
  - 利用封面图片画质美学模型和多模态笔记质量分模型，定义有用和美好的内容
  - 在冷启动和长尾内容推荐上尤为有效，避免了推荐趋向热门内容的问题

冷启动

内容冷启动：在行为数据较少的情况下（粉丝少，互动数据差）理解内容，实现精准推荐
要让素帖和普通人爆火，就必须解决新笔记的冷启动问题

冷启动 pipeline

内容信息提取：新内容上传时，没有用户行为信息，只能通过内容信息进行分发
定位种子人群：利用双塔模型和图神经网络产出的用户 Embedding 聚类得到目标人群
人群扩散：在初期分发后，收集用户行为反馈，利用 Lookalike 模型进行人群扩散
模型承接：度过冷启动 / 爬坡阶段后，新内容进入正常分发阶段

小红书体验官

想要成为爆款常青树，当然要深度体验一下小红书

产品视角

小红书的调性要有空气感、流动感、呼吸感
首页要像一座城市的主干道，两侧的内容就像临街的店铺，有花店、有蛋糕店、有馄饨铺子

UGC 社区
- 理念：社区的本质是和「人」打交道，应该让人与人、人与内容建立关系并互动，应该讲究「温度」
- 运营基调：「做自己」「去营销感」「生活化」注重用户体验和社区互动
- 内容调性：「生活百科全书」「追求美好生活方式」「定义有用和美好的内容」
用户画像
- 年轻化，高线城市女性为核心圈层，消费能力强
种草经济
- Z 世代流行的消费决策
- 隐形广告：通过分享的形式推荐商品或生活方式，夺取用户心智
- 种草
去中心化流量分发
- 重视内容，会给予中长尾内容更多曝光
- 弱化 KOL

商业模式
- 号店一体：流量变现，站内种草+拔草
- B2K2C

UI/UX 设计

TODO:

移动客户端视角

小红书重视用户体验，对性能要求高

代码全 Kotlin，新增代码强制使用 Kotlin，全面拥抱 Jetpack 组件？（~~可以反编译看一下，不过我没搞🙃~~）
跨端技术涉及少，以前用的是 Flutter，现在主要用 React Native
版本迭代：班车制，每周一迭代，每次先走灰度流程
LCBs 框架
- Linker: 导航、页面跳转
- Controller: 处理业务逻辑
- Builder: 构建LCB
- Rx: 观察数据流
LCBs 示例

在编辑页面，顶部导航、内容区域、图片列表、底部菜单栏都是节点，通过这些页面节点串联成页面

巨头阴影下，小红书的异军突起

编年史

诞生 (2013，上海) -> 7 份 PDF 文档 (2013，第一个产品) -> 小红书购物经验.BBS (2013 十月，网站) 「把旅行装进你的购物袋」
小红书购物笔记.iOS (2014 一月，APP，内容种草) 「UGC 社区」
社区+电商双轮驱动 (2015，跨境电商，电商拔草) 「电商平台」
从电商全面转型社区 (2017，推荐算法) -> 商业化模型初步形成 (2019，B2K2C 模型，啄木鸟计划) -> 商业闭环，号店一体 (2021，站内种草+拔草) 「回归社交」
三驾马车: 社区、广告、电商 (至今) 「3亿人的生活经验，都在小红书」