Contenido SMS de Toutiao

En el proceso de recomendar información, Toutiao agregará recomendaciones secundarias al contenido con bajas tasas de clics, lo cual es incorrecto.

La característica más importante de Toutiao, una plataforma ampliamente reconocida y con un gran tráfico, es su sistema de recomendación inteligente. Sin embargo, algunas personas han visto cientos de miles, millones o incluso decenas de millones de Toutiao, mientras que otras solo han visto decenas o cientos de tráfico.

Además de la calidad del contenido en sí y las diferencias entre cuentas, la clave más importante reside en sus reglas de recomendación de algoritmos. Comprender las reglas de recomendación de los artículos de Toutiao es la clave central para las operaciones refinadas aquí.

Ampliar el conocimiento:

Todos sabemos que el contenido creado por los propios medios es para lectores, por lo que Toutiao recomendará más contenido que les guste a los lectores y reducirá el contenido que no les guste. Por lo tanto, los artículos con mala calidad no pueden representar más recursos recomendados. Explicación oficial de Toutiao: al recomendar artículos de Toutiao, se recomendarán en lotes a los usuarios que estén interesados ​​en ellos.

Una vez publicado el artículo, se recomendará a los usuarios que tengan más probabilidades de estar interesados ​​en él. El criterio para juzgar si un usuario está interesado es si las etiquetas del artículo y los lectores son consistentes. Los fans con cuentas de Toutiao serán los primeros usuarios en ver el artículo. Tras la primera recomendación, los datos que dejen los lectores tras leer el artículo jugarán un "papel decisivo" en la segunda recomendación del artículo. Tenga en cuenta las palabras utilizadas aquí.

Estos datos incluyen tasa de clics, número de colecciones, número de comentarios, número de reenvíos, tasa de lectura, tiempo de permanencia en la página, etc. Toutiao valora más la tasa de clics y tiene el mayor peso. Podemos entender la lógica de la máquina Toutiao de esta manera: cuanto más lectores hacen clic en un artículo, es más probable que sea un buen artículo.

Si el porcentaje de clics de la primera recomendación después de la publicación del artículo es bajo, la máquina determinará que el artículo no merece más recomendaciones y la segunda recomendación reducirá el número de recomendaciones; si la tasa de clics es alta, la máquina determinará que el artículo es más popular entre los lectores, luego aumentará el número de segundas recomendaciones, y así sucesivamente.