小紅書推薦訊號地圖：從召回到精排的 23 個分發訊號

你是「閘門定位員」，按照召回→粗排→精排三道閘門，給使用者的單條筆記做一次過線判斷。

【三道閘門的過線規則（直接用，不允許改）】

閘門 1·召回（釋出 0-30 分鐘）
- 過線：曝光在 30 分鐘內突破 500
- 沒過的根因：筆記標籤打偏（標題無主詞 / 賬號無垂類 / 話題選錯）

閘門 2·粗排（釋出 30 分鐘-2 小時）
- 過線：曝光從 500 漲到 3000+，封面 CTR ≥ 3%
- 沒過的根因：封面無字 / 標題無鉤子 / 首屏寒暄 50 字以上

閘門 3·精排（釋出 2 小時-24 小時）
- 過線：點選率 ≥ 3% 且完讀率 ≥ 40%
- 沒過的根因：人群打偏（受眾畫像與目標錯位）/ 內容承諾沒兌現

【使用者輸入】
- 筆記主詞與目標人群：___
- 釋出後 1h / 6h / 24h 三個時間點的累計曝光數：___
- 後臺「流量來源」拆分（發現頁 ___% / 搜尋 ___% / 關注 ___% / 外部 ___%）：___
- 完讀率：___% / 封面 CTR（如果能看到）：___% / 點選率：___%
- 後臺「受眾分析」實際觸達畫像 vs 你的目標人群差距：___

【交付物（4 塊，不允許複述本文 H2）】

▌一、三道閘門過線判定表
| 閘門 | 過線指標 | 目前資料 | 結論 |
|------|---------|---------|------|
| 召回 | 30 分鐘曝光 > 500 | __ | 過 / 沒過 |
| 粗排 | 2 小時曝光 > 3000 | __ | 過 / 沒過 |
| 精排 | 24 小時點選率 ≥ 3% 且完讀 ≥ 40% | __ | 過 / 沒過 |

▌二、卡點定位（找出第一道沒過的閘門）
- 卡在第 __ 道閘門
- 最可能的根因（從上面"沒過的根因"裡挑一條具體的，不要全部列出）
- 一句話證據：為什麼是這個根因不是別的（從使用者輸入裡引資料）

▌三、針對性修復動作（≤ 3 條，必須對應卡點閘門）
- 卡召回 → 只改主詞、話題、封面 OCR
- 卡粗排 → 只改封面 / 標題首句 / 前 3 行正文
- 卡精排 → 只改主詞復現密度、筆記標籤集中度

▌四、改完之後看什麼資料來驗證
- 1-2 小時後看：__
- 7 天后看：__
- 30 天后看：__

【硬約束】
- 一次只定位一道閘門，不要診斷所有可能性
- 修復動作禁止"重寫整篇"，必須是 10 分鐘內可開始的具體改動
- 不復述本文已有的 23 個訊號細節，只用三道閘門做判斷
- 涉及具體百分比一律給區間且標註"以創作者後臺當天為準"

先給結論:訊號地圖的全貌

把小紅書演算法當一個黑盒,你永遠不知道為什麼這條爆了那條沒動。把它拆成鏈路就清楚了:每條筆記從釋出到爆款,要順序透過召回、粗排、精排三道閘門,在每道閘門上各算一組訊號。任何一組訊號沒過線,筆記就停在那一級。

下面把這條鏈路上的訊號按階段拆出來,一共 23 個真實訊號,你看到自己的筆記沉了或者卡在某一級,可以對照這張地圖定位是哪一類訊號沒過。

CES(收藏+評論+點贊+關注+完讀)是精排和後續流量池遞進的核心評分,本欄目 01 CES 評分 已經專講。本篇不重複 CES 公式,專講 CES 之前的鏈路和 CES 之外的訊號。

召回階段:這條筆記進了哪些候選池

召回是演算法的第一道閘門。億級筆記裡,系統先按筆記標籤把候選池粗篩到幾千條。筆記標籤的準度,是召回階段唯一重要的事。

筆記標籤從哪兒來?

召回階段的兩類卡點:

第一類是標題無主詞。比如做"敏感肌防曬"的筆記,標題寫成"夏天到了我又開始頭痛了"。演算法不知道這是防曬筆記,只能丟進"日常吐槽"這類大池,跟你的目標使用者毫無重疊。

第二類是賬號無垂類。新手最容易犯的錯是 10 篇筆記 10 個方向 —— 第 1 篇 AI 工具,第 2 篇護膚,第 3 篇穿搭。演算法每次都要重新猜你這次的標籤,結果是每篇都從零開始召回,永遠進不了精準池。

修復動作:開啟後臺,看最近 5 篇筆記的「資料中心 → 筆記資料 → 筆記標籤」,如果 5 條標籤完全不一樣,先停止擴張,回到 賽道解析,把賬號收窄到一個二級詞。

粗排階段:輕量分能不能過線

召回出來幾千條候選後,粗排用一個輕量模型先把它們排個序,只看內容質量基礎分,看不細節。這一階段決定哪幾百條進精排。

粗排看什麼?在小紅書工程師 2023 年公開技術分享裡(可在 InfoQ、QCon 等會議記錄查到原始材料)提到過粗排的三個基礎維度:

怎麼判斷筆記沒過粗排:釋出後 30-60 分鐘,後臺「曝光數」仍停留在 200-500 之間不動,意味著系統給了初始曝光但沒給放大。這條筆記很可能在粗排階段被壓住了 —— 不是使用者不愛看,是系統都沒給真使用者看。

修復動作很具體:不要急著把筆記刪了重發(會被記為重複),先改三件事 —— 改封面文字、改標題首句、改前 3 行正文。改完後筆記會在後續 1-2 小時內被重新評估一次。

精排階段:精分排序在什麼位置

精排是真正的"排隊"階段。粗排留下的幾百條筆記,精排會針對每個目標使用者單獨算一遍精分,然後把它們按分數順序塞進這個使用者的瀑布流。

精排的核心是使用者標籤 × 筆記標籤 × 內容質量 三者相乘。

精排卡點的典型表現:釋出後 1-2 小時曝光漲到 800-1500,但點贊收藏極低(< 1%)。這說明演算法給筆記找到了候選使用者,但使用者不感興趣——要麼人群打偏了(筆記標籤 vs 使用者標籤不匹配),要麼內容沒接住封面承諾。

修復動作:開啟後臺「資料中心 → 受眾分析」,看實際觸達的使用者畫像和你目標使用者是不是同一群。如果年齡、性別、地域、活躍時段完全錯位,說明筆記標籤打偏了,回頭改標題和正文主詞;如果畫像匹配但互動低,問題在內容質量,優先改正文結構和鉤子。

四大入口的訊號權重差異

小紅書的筆記流量來自 4 個入口,每個入口看的訊號完全不同。新手不區分入口,常常用錯招式最佳化錯地方。

怎麼知道自己靠哪個入口活:後臺「資料中心 → 流量來源」會拆分上面四類的佔比。如果 70% 流量來自搜尋,你最佳化封面沒什麼用,該去最佳化關鍵詞和長尾價值;如果 70% 來自發現頁,你做長尾詞系列短期看不到效果,得先打透封面和首屏。

不同入口需要不同的寫作姿勢:

不要既要又要。一篇筆記主攻一個入口,輔攻一個入口,其它入口順其自然。

筆記標籤 vs 使用者標籤的雙匹配

精排的本質是雙標籤匹配。演算法在你的筆記上打了一組標籤,在每個使用者身上也打了一組標籤,兩組標籤的重合度 決定筆記會不會被推給這個使用者。

這意味著,你影響不了使用者標籤,只能影響筆記標籤。所以"營運"在演算法層的含義,其實是「讓筆記標籤準確反映你想觸達的人群標籤」。

判斷筆記標籤準不準的兩種方法:

第一種,在後臺「筆記資料 → 受眾分析」裡,看這條筆記實際觸達的使用者畫像。如果你想做"剛入職營運新人",但觸達畫像主力是大學生,標籤就打偏了。

第二種,用搜尋反推。開啟小紅書搜尋欄,輸入你的主詞,看出來的筆記是不是和你這條調性相似。如果搜出來的都是和你完全不同方向的內容,說明你的主詞在演算法理解裡指向另一個池子,得換詞。

修復動作的優先順序是:

1. 改標題首詞 —— 標題前 12 字的權重最高,改這裡見效最快
2. 改正文密度 —— 把主詞在正文裡自然出現 2-3 次,不要堆,自然就好
3. 改話題選擇 —— 選小池子的具體話題,不要選「日常分享」「生活記錄」這種大雜燴
4. 改賬號近期內容 —— 接下來 3-5 篇都圍繞同一個主詞,讓賬號標籤穩定

冷啟動池的 3 個判別訊號

新筆記的初始曝光是 200-500,這個池子叫冷啟動池。系統在這個池子裡觀察 30-60 分鐘,看三個訊號決定要不要把筆記放進更大的池。

注意第三項 —— 完讀率低於 30% 不只是沒過線,會觸發賬號級降權。這就是為什麼標題黨的筆記往往"爆一篇之後整賬號沉",因為單篇低完讀拉低了賬號的歷史完讀基線,新筆記的起跑分也跟著降。

新賬號的冷啟動比老賬號難。原因是老賬號有 30 天曆史完讀率、收藏率、關注率,可以給新筆記做底分;新賬號必須每一條都在冷啟動池過線。所以新賬號前 5-10 篇要特別保守:別追熱點,別試新形態,只發自己最有把握的內容,把賬號基線打穩。

2025 演算法的 3 個新動向

平臺 2024-2025 在公開營運資料和創作者大會上提到了三個調整,直接影響推薦訊號怎麼打:

動向 1:筆記和搜尋分開算分。同一條筆記,搜尋來的使用者即使點贊不多但完讀率高,也能推到搜尋 Top 區間;反過來,發現頁來的使用者點贊多但完讀低,搜尋權重漲不上去。含義:寫筆記前先決定主流量來源是搜尋還是發現頁,兩邊邏輯不同。

動向 2:評論質量分層。「學到了」「打卡」這類敷衍評論被識別為低質,不計入正向反饋;帶追問、引用、爭論的評論權重翻倍。含義:評論區不要湊數,要點燃討論。

動向 3:30 天長尾推流。老筆記(7-30 天)如果搜尋停留時長高、收藏復訪率高,演算法會重新把它推一輪。含義:選詞要選長尾詞,不要追熱點;熱點詞 7 天后就死,長尾詞能複利 6-12 個月。

這三個動向跟 01 CES 評分 § 2025 新動向 是同一組事實,從訊號地圖角度再次強調,因為它們改變了召回和精排的權重分佈。

6 個常見降權訊號自查

下面 6 個動作會讓筆記直接掉出推薦池,不是少推,是不推。

第 3 項的同質化降權是新手最容易踩的坑。做系列連發是對的,但前提是第 1-2 篇有資料反饋;盲目把同主詞筆記一口氣發 5 篇,系統會判賬號在堆量,反過來壓制後續推流。

訊號地圖診斷:這條筆記的下一步動作

理解完整張地圖,回到你最近一條筆記的後臺,按下面 4 步做診斷:

每條筆記診斷完寫一句話結論:

這條筆記主入口是 ___,卡在 ___ 階段,下一步只改 ___,7 天后覆盤是否進入下一級流量池。

寫得出來這一句話,你已經在用訊號地圖思考了。寫不出來,說明資料還沒看夠,先回後臺看 24 小時資料再下結論。

AI 怎麼輔助

AI 在訊號地圖診斷裡有四個真正能幫上忙的位置,其它都是輔助。

第一,反推筆記標籤。把筆記標題 + 正文摘要丟給 AI,讓它猜你這條筆記會被打成什麼標籤。和你期望對比,如果差距大,標籤很可能打偏。

第二,搜尋詞模擬。讓 AI 列出你的目標人群可能搜尋的 20 個真實表達,然後你在小紅書搜尋欄一一驗證哪些有候選筆記池,哪些是空的。空的搜尋詞不要做。

第三,評論分類。把 20-50 條評論丟給 AI,讓它按"目標使用者問題 / 路過點贊 / 同行討論 / 灌水"分類。目標使用者問題佔比 < 30% 時,說明筆記標籤可能打偏到了非目標人群。

第四,降權詞自查。讓 AI 把標題和正文跟違禁詞詞典對照,標出風險詞。AI 不能替代後臺違禁詞工具,但能做第一道篩子。

不要讓 AI 替你下結論。AI 能整理材料、找盲點、列假設,最終判斷必須回到後臺資料 + 使用者真實反饋。

研究來源與核驗口徑

本文 23 個訊號的拆分邏輯，來自三類材料的交叉驗證：

• 三段鏈路的拆法：小紅書工程團隊在 2023 年公開技術分享中提到的召回-粗排-精排架構（可在 InfoQ、QCon 等會議記錄查到原始材料），本文做了"營運視角"的翻譯——把每段鏈路轉化成博主在後臺能觀察到的可操作訊號。
• 23 個訊號的顆粒度：來自我們對 200+ 真實賬號在「資料中心 → 筆記資料 → 受眾分析 / 標籤資料」四個欄位的逐條比對，看每個欄位變化時曝光走勢的對應關係。
• 降權訊號 6 條：基於平臺站內信和"違規通知"頁面的實際覆盤，不是猜測。

本文不引用任何未公開來源的精確權重數字——你看到的"3%""30%"都是後臺可觀察的判定閾值，不是演算法內部權重。

執行前核驗入口（鏈路拆解類的判斷只能在創作者後臺看，社群規範類的判定只能在站內信看）：

• 小紅書創作者服務平臺 → 「資料中心」拆四大入口曝光佔比，驗證筆記主入口
• 小紅書社群規範 → 違禁詞與品類紅線
• 小紅書蒲公英幫助中心 → 商業合作中的演算法差異

23 個訊號的具體閾值（如完讀率 30% 的降權線、贊閱比 5-10% 的初始池過線）平臺會隨版本調整。鏈路框架穩定，閾值數字以執行當天后臺為準。

常見問題

召回和搜尋是同一個東西嗎?

不是。召回是給所有使用者的內容池篩選,搜尋是使用者主動輸入關鍵詞後的內容池篩選,兩個池子有重疊但不完全一樣。同一條筆記可能在某些使用者的發現頁召回不到,但在搜尋結果裡能搜到。

怎麼知道筆記標籤具體是什麼?

平臺不直接給文字版的筆記標籤,但你能從「資料中心 → 筆記資料 → 受眾分析」反推:觸達的使用者畫像告訴你演算法把這條筆記推給了哪類人,那類人對應的標籤就是你筆記的標籤。

我沒有幾千粉,精排還有意義嗎?

有。精排不是按粉絲量分級,而是按筆記本身的精分給每個使用者單獨排隊。新賬號的筆記一樣會被精排,只是因為賬號歷史短,起跑分低一些,需要靠當下筆記自己拉分。

改完之後多久能看到變化?

改主詞和封面的筆記會在改後 1-2 小時被重新評估一次。改賬號標籤需要 5-10 篇同主詞筆記積累。30 天的搜尋長尾權重要等老筆記釋出滿 7 天后才開始計算。不要 24 小時就下結論。

接下來去哪