我分析了100篇文章，总结出5点头条号推荐机制真相

头条号给出了推荐量、阅读量、评论量、收藏量、转发量、阅读进度、跳出率、阅读速度等方面的数据， 我将评论量、收藏量、转发量合并计算，称为互动率。按照每组数据的平均值作为标准，筛选出推荐量前20的文章进行重点分析。（下图中标黄部分为低于平均值的数据）

通过颜色对比可以看出，在这几项数据中，互动率不达标的数据最多，因此我认为互动率与推荐量的关系最低，而阅读率、阅读进度、跳出率、阅读速度等4项指标与推荐量的关系最大。

我们都知道，头条号是通过机器算法评判文章质量的优劣，好文章推荐给更多用户，差文章只能胎死腹中。 通过分析发现，原本我认为的转发、收藏、评论并不是头条判断一篇文章优劣的关键标准，为什么呢？

其实我也不知道，我猜测大概是为了防止刷数据吧，毕竟转发、收藏这些数据是可以造假的，而其他数据只能由被推荐用户的行为获得反馈。

如何提升推荐量？

既然知道了影响推荐量的关键指标，那么就可以针对阅读率、阅读进度、跳出率、阅读速度这4项指标进行优化了。