众所周知，今日头条是个个性化的新闻推荐引擎，在短短两年多的时间内拥有了2.2亿用户，每天有超过2000万用户在今日头条上阅读自己感兴趣的文章。因此，今日头条也变成了非常多企业、自媒体人、网络营销人聚集的地方，大家都想借着今日头条的海量流量分到一杯羹。
在今日头条的流量从哪里来？毫无疑问是靠发布的文章，经过今日头条的展现后获得用户点击，今日头条帮助媒体在上亿用户中精准的找到受众，并将内容推荐给他们。那么今日头条海量文章推荐的机制是什么呢？为什么有的文章展现量几百万，有的却只推荐了几千？对于文章的推荐机制我们又能做些什么呢？
1
一句话：你关心的，才是头条！
这句今日头条的slogan很清楚的告诉了我们，它的文章推荐机制是个性化推荐机制，最大化保证推送的精准度，尽量保证对的文章推荐给对的人，归根到底这个推荐算法关键是还在于对海量用户行为的数据分析与挖掘，个性化推荐的平台有很多，也许各家算法略有不同，但最终目的都是殊途同归，为实现最精准的内容推荐。
今日头条的文章个性化推荐机制主要是：
相似文章主题相似性的推荐：通过获取与用户阅读过文章的相似文章来进行推荐。
基于相同城市的新闻：对于拥有相同地理信息的用户，会推荐与之相匹配的城市的热门文章。
基于文章关键词的推荐：对于每篇文章，提取关键词，作为描述文章内容的一种特征。然后与用户动作历史的文章关键词进行匹配推荐。
基于站内热门文章的普适性推荐：根据站内用户阅读习惯，找出热门文章，对所有没有阅读过该文章的用户进行推荐。
基于社交好友关系的阅读习惯推荐：根据用户的站外好友，获取站外好友转发评论或发表过的文章进行推荐。
基于用户长期兴趣关键词的推荐：通过比较用户短期和长期的阅读兴趣主题和关键词进行推荐。
基于相似用户阅读习惯的列表推荐：计算一定时期内的用户动作相似性，进行阅读内容的交叉性推荐。
基于站点分布来源的内容推荐：通过用户阅读的文章来源分布为用户计算出20个用户喜欢的新闻来源进行推荐。
2
当然，这个个性化推荐算法肯定不只是这么多，但是总的来说，审核通过的文章，今日头条的智能推荐引擎会根据内容质量/内容特征/首发情况/互动情况/媒体的历史表现/媒体订阅情况，为文章找到感兴趣的读者并推荐给他们。
所以，在今日头条可以这么说，每一篇文章都有可能“上头条”，出现在推荐信息流里，而优质的文章甚至能获得百万级别的送达量。但是每篇文章都不一样，所以导致了展示量有高有低。下面公众号回复“百万销售”可获得百万销售文案写作策略、思维、技巧打包精选，对于提升文章质量有很大提升。
而其中一些硬性的东西（如用户兴趣、用户阅读习惯、地理位置等）是我们改变不了的，不过，在木木看来有些东西你是可以做的。
3
文章的展示量有高有低，怎么做才能让文章被更多人看到？
1、尽量在今日头条上首发你的文章，因为这也是今日头条推荐机制的几个标准。
2、阅读量，阅读得越多被推荐的也会越多，因为阅读量一直都是一个很硬性的标准，很大一定程度上反映了文章的受欢迎程度，你可以多站内站外推广选择自己的文章。
3、多号召别人在文章底部互动交流，你自己也可以参与到互动中去，互动情况是今日头条文章推荐机制中很重要的一个标准，很多时候你会看到这种情况，一个不怎么样的文章底部骂声不断有很多的互动，结果推荐展现就是多，因为本身有争议的话题就是有看点的。
4、标题吸引眼球，有点击欲望，这点不用多说，点击多阅读就多，阅读多相应的推荐也会多。
5、让更多的人订阅你的头条号，这一点从二方面来说，一方面是审核通过的文章会及时推荐给订阅者，订阅者与文章的互动(包括点击、顶、收藏、转发等动作)，会加强上面说的互动属性，从而导致更多的推荐。另一方面，订阅的人多也能大大增加文章的阅读量。
6、多把文章分享到社交网络，让网友点击阅读，并对你的文章进行互动，原理是一样，今日头条本身就带有分享按钮。
7、头条号历史表现要良好，少一些违规违禁。
8、发布文章的时候设置文章频道，频道是可选的，你选择了频道以后，今日头条可以帮助我们的机器更准确的将文章分类进行推荐。
9、注意发布时间，文章审核通过后短时间获得的阅读量、点击、互动越多，相应的展现也会推荐越多，就跟新浪热门微博一样有一个瞬时转发率，所以发力也要找准时间，一方面根据你的公众号阅读数据做统计，另一方面根据移动互联网用户的一个普遍阅读时间段做参考，找好你的发布时间。
10、保证文章具有很好的质量，这点肯定是必须的，这一点做好了，前面的这些因素完全会提高。
4
这说这么多，不对的大家提意见，也欢迎大家补充自己的心得。最后，强调一点，今日头条的个性化推荐算法其核心理念就是投票，每个用户一票，喜欢哪一篇文章就把票投给这篇文章，经过统计，最后得到结果很可能是在这个人群下最好的文章，并把这篇文章推荐给同人群用户。
所以，实际上个性化推荐并不是机器给用户推荐，而是用户之间在互相推荐，看起来似乎很简单，但实际上这需要基于海量的用户行为数据挖掘与分析。
END经验内容仅供参考，如果您需解决具体问题(尤其法律、医学等领域)，建议您详细咨询相关领域专业人士。举报
