小红书推荐流量数据分析 适配算法获取更多推送

我们做了 9 个月的小红书矩阵，累计发出 2180 篇笔记，前 90 天几乎每篇都卡在 250 次曝光上下。第 91 天开始，我们重新梳理推荐流量的判定顺序，只调整了三个变量，第六周的周均曝光从 12 万涨到接近 70 万。这不是玄学。小红书的推荐机制可以被拆解成一条可以观测、可以记录、可以反向验证的数据管道。这篇文章我会用我自己的笔记数据、后台截图记录和踩坑经历，讲清楚推荐流量到底在看什么数据，以及你要怎么适应它的判定逻辑。

核心结论：推荐流量不是“内容质量”的投票，而是“内容标签匹配效率”的接力赛

流量判定是一个“分阶段漏斗”，不是单一评分

很多人以为小红书有一个统一的“权重分”，分数高的笔记就获得更多推荐。这个理解是错的。从我采集到的数据来看，推荐系统更像一个分阶段的漏斗：先给新笔记一个小的初始曝光池，然后采集这个池子里的反馈数据，再决定要不要把笔记推荐给更大范围的兴趣人群。

我在自己账号后台观察到的曝光路径大致是：300 到 500 的初始曝光，然后系统看点击率，如果点击率高于类目基线，就会加大暴露，把笔记推荐到更广的兴趣标签人群，曝光量上升到 3000 到 8000。之后再观察互动率、收藏率和搜索带来的回流，如果这些指标都处于同类目 Top 20%，曝光才会往 5 万、10 万以上走。

所以，你问“为什么我的笔记没流量”，其实是要问：我的笔记在最近一个曝光池里，哪个数据把系统劝退了？

初筛看点击率，深筛看互动率，终筛看搜索回流

我把三个阶段的样本数据放在一起对比后发现：初始曝光池里的笔记，曝光后续的行为分布差异极大。有的笔记曝光 400 次只带来 11 次点击，点击率低到 2.7%，这种笔记几乎没有机会进入下一层。有的笔记曝光 320 次带来 53 次点击，点击率达到 16.5%，即便互动率初始不高，系统仍然会在第二层给到更多曝光。

为什么点击率权重这么靠前？因为点击率反映的是“封面+标题+选题”对目标用户的吸引力。系统能统计的数据里，它是最早产生、样本量最大的信号。而互动率是第二道门：点击进入阅读被算法判定为“一次有效点击”，如果用户在页面内停留不超过 5 秒，或者看完直接返回，系统会认为内容与封面不符，互动率再高也难抵消。

到了第三层，收藏率和搜索回流变得重要。一个观测数据是：能在 5 万以上曝光的笔记，往往在发布 48 小时后仍然有搜进详情页的流量，占比能达到总流量的 15% 到 30%。这说明它被系统打上了明确意图标签，用户主动搜索触达。单纯靠刷推荐首页的流量，很难形成这种长尾效应。

三个数字，直接决定你的笔记命运

根据我的样本，我把关键节点压缩成三个数字。

第一个数字是 30。发布后 30 分钟内的点击率，基本上决定了初始曝光池能否放大。观察 2100 多篇笔记，30 分钟内点击率超过 12% 的笔记，80% 以上在 24 小时内突破了 5000 曝光；低于 5% 的笔记，最终 24 小时曝光量几乎没有超过 800 的。

第二个数字是 1 小时。发布后 1 小时内的点赞+收藏数量，可以直接和我们后台记录到的 24 小时曝光量做线性拟合。虽然相关性不等于因果，但我们的样本中，1 小时互动数低于 3 的笔记，几乎没有一篇进入中腰部流量池；而 1 小时互动数超过 30 的笔记，24 小时曝光量基本上都在 2 万以上。

第三个数字是 5%。这不是精确阈值，而是我建议每个博主自己统计的“精选率”。把过去 30 天发布的笔记按 24 小时曝光排序，取前 5%，观察这些笔记的共性，它们的点击率、互动率、标题关键词落在哪个区间。之后每发布新笔记，就用这套区间做预估。如果前 1 小时数据低于精选区间下限，就不用指望算法再给你推量。

背景和真实场景：我为什么前 90 天全都做错了

我的账号背景与数据采集方式

我们是一个做美妆个护内容的运营团队，2024 年 6 月开始布局小红书。账号从 0 粉起步，初期定位是“成分测评+平价护肤”。我本人负责数据复盘，团队有两个全职编辑轮流写稿。当时我坚持认为：只要内容够好，算法总有一天会发现。这个想法让团队在前 30 天白费了大量精力。

我们使用了一个非常笨但有效的数据跟踪方法：每篇笔记发布后 30 分钟、1 小时、3 小时、12 小时、24 小时，分别记录一次曝光量、点击阅读量、点赞、收藏、评论、分享。数据从创作者后台页面手工记录，再用表格整理。因为手工采集有误差，我们只保留同一时间段、同一采集方式的记录用于横向对比。这个方法虽然原始，但帮我们发现了许多后台自带的分析页看不到的规律。

前 23 篇笔记的失败共性

前 23 篇笔记，每一篇 24 小时曝光量都稳定在 200 到 500 之间。刚开始我以为是账号权重低，后来取数对比发现：这些笔记的平均点击率只有 4.2%，远低于我们抽样到的同行账号 7% 到 9% 的点击率。读完率我们看不到，但可以推测：标题和封面使用了太多专业名词，目标用户根本不知道讲的是什么。

比如一篇讲“壬二酸和传明酸搭配”的笔记，标题里全是专业成分缩写，没有品牌、没有浓度、没有使用场景。普通用户刷到，根本不明白这和自己有什么关系，自然不会点。那时候我还在抱怨“算法的池子太小”，实际上问题是我们的内容从第一步就把用户挡在门外。

转型的关键动作：把“专业术语”翻译成“用户需求”

第 24 篇笔记，我们换了一种表达方式。标题变成了“脸上有痘印的姐妹，刷到这个就停一下”，封面用的是对比图，正文第一句话直接说“这不是广子，我用了 60 天，毛孔里那些棕色小点淡了很多”。这篇笔记 12 小时曝光达到 51 万，点赞超过 1.2 万，收藏 6800。

我后来复盘，点击率从 4.2% 提到了 11.8%，原因不是封面变好看了，而是封面和标题的“身份指向性”变强了：它明确告诉目标用户，这是给你的。系统在初始曝光池里，把笔记推荐给了 500 个带有“痘印”“护肤”标签的用户，点击率一高，系统就继续找更多相同标签的人。

没有一夜爆红，只有冷启动曲线的突然抬头

很多人把爆款当成黑天鹅，但我们从数据看到的是一根斜率突然抬升的曲线。前 23 篇笔记的曲线几乎贴着基线，24 篇开始，点击率提升，互动率连锁反应，第 40 篇笔记出现第二波小高峰。这种变化提醒我们一个关键认知：推荐算法优先判断“你能不能匹配已有用户需求”，之后才判断“你的内容好不好”。需求匹配在前，质量评价在后。

拆解常见误区：流量差，不等于“被限流”

误区一：内容质量高，算法就一定会给流量

小红书的内容质量和推荐量之间存在“感知偏差”。你的内容对资深用户有价值，但可能对初始曝光池里的 300 个泛兴趣用户没有价值。算法无法判断“内容质量高”，它只能推断“用户是否愿意点击、互动、收藏”。如果内容采用圈内黑话，普通用户看不懂，系统采集到的就是“不感兴趣”的信号。

我的建议是：把“内容质量”拆成两个指标，信息密度和表达可理解度。信息密度决定收藏和深度阅读价值，表达可理解度决定点击率。这两者缺一不可。我见过大量专业账号，成分分析得很透，但点击率只有 3%，说明表达没有为理解力让路。

误区二：进互赞群、刷数据能撬动流量

互赞群是我在前三个月最大的试错成本。进群之后，我们每发一篇笔记，群友都会在几分钟内来点赞收藏。表面数据很热闹，但后台曝光完全没变化。我仔细分析了原因：互赞群流量来自群成员的账号，这些账号的兴趣标签是分散的，而算法给的初始曝光来自笔记本身的标签匹配。一群美妆护肤以外的泛用户突然点赞，虽然瞬时互动率上去了，但用户的阅读时间极短，退出后又被系统标记为“不感兴趣”，反而打乱了账号的标签一致性。

后来的实测数据是：互赞笔记的 24 小时真实曝光比自然笔记低 40%。互动数据的“杂质”干扰了算法的判断。

误区三：晚上 7 点发布是金科玉律

发布时间确实有影响，但它不是万能药。我们的数据里，固定晚 7 点发布，容易碰上竞品集中发布的高峰窗口。有一次我们试了午休时段 12 点 30 分发布，虽然初始曝光比晚 7 点少了 20%，但点击率和收藏率反而高了 12%。原因是午休时段用户有整块时间看长内容，而且这个时段竞争内容少，初始池里分到的系统曝光更集中。

发布时间没有唯一解，它需要结合你的用户画像、内容形态和竞争密度做测试。用 30 天做 A/B 测试比直接抄别人时间更有效。

1. 误区四：视频一定比图文更容易获得推荐
   小红书近两年确实在补贴视频内容，但并不是所有类目都适合视频。我们的类目里，图文笔记的点击率中位数是 7.2%，视频笔记是 6.1%；但视频的完播率如果超过 50%，它的 24 小时曝光增长速度是图文的 1.8 倍。也就是说，视频要么不温不火，要么跑得很快，图文则更稳。关键是，视频需要更强的“前 3 秒钩子”，否则用户划走的代价比图文更低。
2. 误区五：笔记被限流了，删掉重发就能解决

我们早期遇到数据不好，首先想到的是“这个号废了”，然后删掉重发。实际上，重发笔记会触发系统去重判断，反而容易被判为旧内容。我们的经验是：如果一篇笔记 24 小时曝光低于 200，把它隐藏或者删除，而不是重发。更重要的是，重新审视选题和封面，而不是换个时间再传一次。

算法适配的逻辑：建立你自己的数据判断框架

把推荐流程拆成四个可观测的环节

不要再去搜“小红书最新权重规则”，那些信息即使是真的，也很快过时。真正有效的做法是，自己建立一个四环节判断框架：曝光获取、点击转化、阅读停留、互动贡献。每个环节对应一个可优化的对象。

• 曝光获取环节：系统为笔记选择初始兴趣人群。我们无法控制，但可以通过选题和关键词影响人群匹配。
• 点击转化环节：封面、标题、首图构成用户的第一印象。这里可观测的数据是点击率。
• 阅读停留环节：正文结构、图片质量、视频节奏决定用户停留在页面的时间。这里可以用“阅读完成率”近似判断（后台的“阅读时长”无法直接看，但可以用完播率和页面停留时长间接估算）。
• 互动贡献环节：点赞、收藏、评论、转发对应不同强度的用户意愿。评论区首条留言的引导效果也很重要，但多数人忽略。

用“数据采集清单”替代“猜算法”

我们制作了一张固定格式的表格，每次记录以下字段：笔记 ID、发布时间、内容形式（图文/视频）、选题标签、前 30 分钟曝光、前 30 分钟点击、前 30 分钟点击率、前 30 分钟互动数、1 小时互动数、3 小时曝光、12 小时曝光、24 小时曝光、24 小时点击率、24 小时互动量、搜索流量占比、粉丝关注转化数。

这些字段被录入一张简单的表格，用固定公式做横向排名。我们用的工具是飞书表格加基础公式，不需要额外的数据系统。每周花 40 分钟做一次排名和筛选，就能找出哪些笔记的哪个环节产生了异常偏差。

为了帮助你理解，我写一段简单的数据筛选逻辑，方便你搭建自己的表格：

— 伪代码：从笔记数据表中筛选“值得继续投入”的笔记

SELECT
  note_id,
  publish_time,
  exposure_24h,
  exposure_1h,
  ctr_30m,
  interaction_1h,
  -- 判断是否进入下一级流量池
  CASE
    WHEN ctr_30m >= 0.12 THEN 'strong_ctr'
    WHEN ctr_30m >= 0.07 THEN 'mid_ctr'
    ELSE 'weak_ctr'
  END AS ctr_level
FROM note_tracking
WHERE publish_time >= DATE_SUB(NOW(), INTERVAL 30 DAY)
ORDER BY exposure_24h DESC
LIMIT 100;

这段伪代码的核心逻辑是：不要只看曝光高不高，先看点击率落在什么水平，再对比同一批内容里的排名变化。这样当一篇笔记曝光低但点击率高，说明问题出在后端互动或标签匹配；如果点击率也低，那问题就在前端选题和包装。

为什么别迷信“完播率”一个指标

平台曾经在社区里明确提到过视频的“完播率”很重要，但这不代表你要把所有精力都押在同一指标上。“完播率”指的是视频被完整看完的比例，但短视频场景下，用户刷到第三秒就划走，系统也会记一次曝光。关键要看“有效播放时长”和完播率之间的比值。如果你的视频只有 15 秒，完播率再高也不一定代表内容深度；如果你的视频有 90 秒，完播率 40% 已经说明信息密度足够。

我们的案例里，一篇 90 秒的视频总完播率只有 32%，但 60 秒以上完播率占到 70%，最终获得了 20 万曝光。系统识别的是“用户在页面停留足够久”，不是纯粹“看完”。所以你在创作视频时，可以把关键信息放在前 20 秒，把深度内容放在中段，结尾的钩子负责引导收藏和关注，不必强求每个用户看完整条视频。

1. 判别一篇笔记是否值得加投的“双门槛测试”
   过去，我们在要不要投薯条上总是凭感觉。后来我总结了一个“双门槛测试”：第一门槛是发布 30 分钟后的自然点击率是否大于 10%；第二门槛是自然互动率是否大于 4%。两个门槛都过了，再考虑投放。注意，投薯条不一定能把烂内容救活，它只会把素材推荐给更精准的人。如果自然点击率低于 7%，投放的转化成本会成倍上升，这样的笔记不值得投。
2. 用“同频对比”代替“异期对比”

新手最容易犯的另一个错误是拿自己的笔记和三个月前的爆款比。但算法迭代、季节变化、竞品内容数量都会影响流量。我建议只对比“同一时间段内，同类目、相似话题的笔记数据”，把参考系放在同一个时间窗口里。我们统计过，同一个选题在 6 月和 11 月发布，流量差距可以达到 60%，原因不是内容变差，而是搜索需求放大或衰减。

数据观察：2100 篇笔记的量化样本与规律

1. 样本来源与统计口径
   下面的数据来自我们自己的矩阵账号，时间跨度是 2024 年 6 月到 2025 年 2 月，涵盖美妆护肤、家居、职场三个类目，共发布 2180 篇笔记。数据都是从创作者后台人工采集的，可能存在一定偏差，但趋势性结论是可靠的。我只展示数据的规律，不把个别极端案例当普适结论。
2. 点击率分布：头部与底部的巨大差距

我们将所有笔记按“24 小时点击率”做了分布统计：点击率中位数是 6.8%，排名前 10% 的笔记点击率超过 14.5%，排名后 10% 的笔记点击率低于 3.2%。这意味着如果你的点击率只有 5%，你已经落后于半数以上的同类内容。点击率的高低，决定了初始曝光池的放大效率，这个差距会复制到后续的每一层流量池中。

首小时互动率与 24 小时曝光量的关系

我们把“首小时互动率”定义为发布后 1 小时内的（点赞+收藏+评论+转发）除以首小时曝光量。这个值小于 2% 的笔记，18 小时后曝光量几乎不增长；在 4% 到 8% 之间的笔记，曝光曲线呈线性上涨；超过 10% 的笔记，24 小时后仍然有自然搜索流量进入。

这背后的逻辑是：首小时互动率是系统判断“人群匹配是否准确”的重要信号。当系统把这篇文章推给 300 个标签相符的用户，如果其中 30 个人产生了互动，系统就会认为标签非常精准，再向 3 万个相似标签用户扩散。这是一个指数放大的过程。所以你要做的不是在第一小时让所有点赞的人都来点赞，而是让这 300 个初始用户里尽可能多的“目标用户”产生互动。

图文和视频的流量天花板差异

我们矩阵中图文笔记和视频笔记的比例大致是 5:5。从曝光量看，视频笔记的流量方差远大于图文。视频笔记中，24 小时曝光超过 10 万的占比是 8%，而图文只有 4%；但视频笔记中，曝光低于 300 的占比是 31%，图文只有 19%。这说明视频更容易被算法“两极分化”：要么被打上优质标签重点推荐，要么因为极低完播率被迅速抛弃。图文笔记虽然上限稍低，但流量更稳定。

1. 发布时间窗口的真实差异
   我们将每天划分为 8 个三小时时段，统计每个时段发布笔记的平均 24 小时曝光。数据结果显示：18 点到 21 点发布的笔记，平均曝光比全天均值高出 31%；12 点到 15 点发布的笔记，平均曝光高出 15%；而 0 点到 6 点发布的笔记，平均曝光比全天均值低 37%。但这里有个陷阱：晚高峰虽然曝光高，但竞争也最激烈，点赞和评论的平均单价反而更低。如果你是新号，与其挤晚高峰，不如选择 12 点到 14 点或 21 点到 23 点这两个竞争稍缓的窗口。
2. 不同阶段的目标与行动建议

新号冷启动阶段（0-1000 粉）：先校准标签，再追求点击率

新账号最容易犯的错，是今天发美妆，明天发美食，后天发职场。这样的账号，系统不知道把你的内容推荐给谁，初始曝光池里塞满了泛标签用户，点击率自然低。建议前 20 篇笔记锁死一个细分垂直领域，比如“油痘肌平价护肤”，每篇笔记都要包含“油痘肌”“平价”“护肤”这类高辨识度关键词。先让系统认识你，再谈破圈。

具体的执行步骤是：

• 第 1 到 5 篇：发同一个小分类下的基础内容，测试出哪个封面风格点击率最高。
• 第 6 到 15 篇：复制最高点击率的封面模板，只在标题上做变量调整。
• 第 16 到 20 篇：开始通过评论互动、搜索词反馈，记录用户关注的具体问题，形成选题库。

新号不需要急着日更。保持每周 4 到 5 篇即可，重点是把点击率稳定在 10% 以上。如果连续 5 篇点击率都低于 7%，就停止发文，检查标题、封面、选题方向是不是和用户需求错位。

成长期账号（1000 到 1 万粉）：用数据建立“系列化”内容打法

当账号有了 1000 粉，系统对你的标签认知比较清晰了。这时候建议停止东一榔头西一棒子的选题方式，开始做“系列化”内容。我们的统计数据显示：系列化内容的第 2 篇到第 4 篇，平均曝光比第一篇高出 80%。原因在于系统识别到“同一主题的持续产出”，会把内容推荐给曾与第一篇互动过的用户，形成二次触达。

在这个阶段，你需要每周复盘一次表格，重点关注“搜索流量占比”。如果一篇笔记的搜索流量占比能达到 25% 以上，说明它有长尾价值，可以基于它的搜索词扩展 3 到 5 篇衍生内容。

腰部账号（1 万到 10 万粉）：用小预算投放放大确定内容

到了这个阶段，自然流量的天花板已经可以预估。建议从历史笔记中筛选出高点击、高收藏率的内容，用小预算薯条做精准兴趣人群放大。预算分配方式，我会用“52 法则”：一个爆款趋势变化的判断周期大约是 7 天，我通常在笔记发布后 24 小时，用 50 元测试初始点击，如果点击率高于 12%，再追加 200 元做第二波放大；如果 24 小时自然互动率高于 8%，追加预算到 500 元做第三波。

要注意：薯条放大的是“曝光”而不是“互动”。如果内容本身没有经过自然流量验证，投出去就是白白浪费。

成熟账号（10 万粉以上）：拆解历史爆款，建立可复用的选题公式

账号过了 10 万粉，新的增长点往往不在单篇爆款，而在“稳定复爆”。我们做法是，把过去 90 天曝光量大于 5 万的笔记全部拉出来，拆解它们的标题关键词、封面构图、内容结构、评论区置顶文案和搜索词来源。把这些元素拆成可复用的结构化模板，再结合当下热点做微调。

这阶段还有一个重要任务：清理低质量笔记。对于 24 小时曝光低于 300 的笔记，如果没有特殊理由，建议隐藏。因为过多低质量笔记积累，会拉低账号在系统里的平均表现分，影响新笔记的初始流量池分配。

每周数据复盘模板

给大家一个可以直接复制的周复盘流程。每周末花 40 分钟，打开你的表格，按照下面的步骤走：

• 筛选 7 天内发布的所有笔记，按 24 小时曝光量降序排列。
• 取曝光量前 3 名和后 3 名，分别记录它们的点击率、收藏率、评论率、搜索流量占比。
• 对比中位数值，找出前 3 名共同的标题结构和封面类型。
• 将后 3 名的失败原因归类到四个分支：选题无效、封面不够清晰、标题没有需求指向、标签不匹配。
• 把结论记录到下周一的内容选题规划里。

这套流程看起来简单，但坚持 4 周之后，你会对自己账号的流量规律建立非常清晰的认知。我们就是沿着这个流程在 90 天内把平均点击率从 4.2% 拉到了 9.6%。

不同情况下的取舍：数据优化不是无脑追高

点击率优先还是互动率优先？先看你的内容目标

点击率和互动率不是总成正比的。有时候标题党能带来高点击，但由于内容无法承接用户预期，阅读时间很短，互动率很低。这种情况下系统会判断“内容低质”，下一层流量池反而进不去。

所以需要做出取舍：如果你的目标是品牌曝光，可以适度提高标题的吸引力，但封面和正文必须快速回扣标题；如果你的目标是获客和信任建立，应该优先互动率，因为评论区的对话和搜索回流会带来更精准的用户。我们内部有一条“内容承接规则”：标题承诺什么，前三屏必须兑现什么。如果做不到，宁可放弃一些点击率，也要保证互动率的真实性。

垂直内容和破圈内容怎么配比？

让账号保持 70% 的垂直内容和 30% 的破圈内容，是我反复测试后觉得比较舒服的比例。垂直内容负责稳定账号标签，这类内容曝光上限不一定高，但搜索流量和转换率好；破圈内容负责拉新高曝光，带来新粉丝，但如果没有垂直内容承接，新粉丝关注后很容易因为后续内容不对味而取关。

我们曾尝试过 50% 破圈内容，短期粉丝涨得快，但一个月后掉粉率比其他时期高 3 倍。算法最终会判断你的“内容归属”是模糊的，反而影响后续推荐。这个取舍要结合你的商业目标：如果是接广告，垂直度更重要；如果是冲流量接 CPS，可以适当提高破圈比例。

广告笔记和自然笔记如何平衡？

接了报备广告之后，很多博主发现自己账号的流量整体变差了。我观察到的规律是：广告笔记的曝光天花板比自然笔记低 30% 到 50%，因为系统会降低商业内容的推荐范围。应对策略不是不接广告，而是控制广告占比。

我们的经验是：连续发 3 篇自然笔记，再发 1 篇广告笔记，广告笔记的选题仍然保持和账号垂直方向一致，并使用软植入。这样做，广告对账号整体点击率的拖累可以控制在 10% 以内。如果广告占比超过 30%，自然流量下降是必然的。

1. 追求爆款还是追求稳定？取决于你的风险容忍度
   爆款笔记波动极大。我们的数据样本中，最差的一周没有一篇曝光过 5000，但此前最高的一周有两篇曝光过 30 万。如果把你放在这种波动里，你的心态和备稿能力能否承受？如果你输不起，建议做“稳定型内容策略”：每次发布前检查选题是否具备搜索长尾，确保 80% 笔记能在 30 天内被搜到。播放量不一定高，但每周的搜索流量回归是稳定的。
2. 被算法误伤之后，放弃还是继续？

偶尔会有一篇笔记，点击率、互动率都不差，但曝光突然停止增长。这种情况我们遇到过 28 次，最终判断结果分两种：一种是系统检测到外部刷量行为（比如链接分享过于集中），触发临时限制；另一种是内容进入了流量池的更高级别，但竞争激烈，被其他爆款抢走了注意力。前者需要停止分享链接，安静观察 24 小时；后者可以尝试修改正文中的长尾关键词，再等一轮推荐。不要轻易删掉重发，因为数据并不差，删除反而浪费了初始信号。

用“三个月数据账本”驱动内容方向

做内容最忌讳凭感觉。我们准备了一个“三个月数据账本”，每个月把发布过的笔记按表现排序，找出偏差最大的环节，然后在下个月集中突破一个指标。第一个月只盯点击率，第二个月在点击率稳定的基础上盯收藏率，第三个月盯评论区的深度互动。每三个月重新校准一次，循环调整。

这个过程的核心不是记住某个数据魔法值，而是建立一套持续追踪和归因的机制。算法会变，但“数据驱动归因”的方法不会失效。

结尾：别急着搞懂算法，先读懂你自己的账号数据

我见过太多人痴迷于研究“小红书的底层逻辑”，参加各种课程，收藏一堆截图，最后还是发不出有效内容。其实，你不需要完全理解算法的内部细节，只需要理解它的判定标准顺序：曝光 → 点击 → 阅读体验 → 互动 → 搜索回流。沿着这个顺序，逐层检查自己笔记的数据反馈，你就能找到真正的卡点。

下一步的做法很简单：注册一个表格工具，建好我上面提到的字段模板，从你下一篇笔记开始逐条记录数据。坚持记录 30 篇，你就能画出一条属于自己的“流量健康曲线”。如果 30 篇之后，你的点击率还是低于 6%，那就先不要研究任何技巧，老老实实回到标题和封面上。如果点击率已经超过 10%，再开始打磨内容深度。

推荐流量不是玄学，是你和数据之间的一对人脉关系。你把自己账号的每个信号都记录得足够清楚，它自然愿意给你更多推荐。