使用掘金:🔥 如何让你的文章获得更多曝光和认可
推荐
掘金与诸多社区的不同在于,我们一直专注在筛选和推荐优质的技术内容给合适的读者。因而,首页的推荐信息流的质量和数据反馈也是我们最在意的。我们一定会积极地筛选优质的内容,以帮助好的文章获得更多的读者,优秀的作者获得更多的关注者。
日计不足,岁计有余
如果你去问掘金的推荐最基础的逻辑,就是上面这段话。我们期待与开发者的共同成长,因而在速度与质量中,我们偏向后者,也相信在我们的模式下成长起来的开发者会有更大的回报。
与您的文章能否获得足够的流量直接相关的是:
- 您的掘力值
- 您的文章的平均点赞数、阅读数、评论数
- 您写专栏的活跃度
- 文章的标签
- 编辑的推荐
掘力值
掘金会将最多的流量分配给:持续贡献优质内容的作者。因而,您在掘金的历史贡献(掘力值)、活跃度(生产内容的频次)与质量(文章的平均点击率、点赞率、评论数)等数据都会作为影响因子计算。好内容的标准,可以参考掘金社区内容的标准和规范
影响因子
基于您的掘力值JP,以及您生产文章的活跃度,我们会为每一个用户计算一个数据叫做影响因子rankIndex,用以表达您的内容的潜在影响力。
rankIndexUser=(timeInMonth+1)const2logconst1(JP)其中,JP 是平均每篇文章的掘力值然。因而分子代表了平均掘力值增长的基于 const1 的对数,而 timeInMonth 是您距离上一篇文章的月数,如果一个月内都有写作则皆为 0,而 const2 是一个动态调整的常量参数。也就是说,如果您发的优质专栏越频繁,则 rankIndexUser 越高。
这部分计算公式的详解可以看:计算内容热度的算法解释
衰减算法
一篇文章的累计热度我们计算做 hotIndexPost,而用以计算一篇文章的影响程度则是按照一个随着发布时间的衰减算法而来的。
rankIndexPost=(timeInHour+1)constrankIndexUser+hotIndexPost这部分算法我们参考了 Hacker News 的算法(如下),您也可以了解更多。
Score = (P-1) / (T+2)^G
where,
P = points of an item (and -1 is to negate submitters vote)
T = time since submission (in hours)
G = Gravity, defaults to 1.8 in news.arc
也就是说,一篇文章的累计热度越高,且作者的影响因子越大,其文章的影响程度则越高,会被推荐给更多的用户。而当文章发布时间较长,但是用户反馈不佳的时候,即点击率低、点赞率低等,则文章会被快速的降低影响程度,慢慢排序到后面,不再被读者看到。
分类与标签
掘金在运营几个主要的分类,而随着社区内的用户、市场的变化我们也会不断增减相应分类。
各个分类下,我们会持续计算热门的标签,如下图
掘金每隔一段时间会根据用户的消费热度,更新各个分类下的热门标签。值得注意的是:后端里的 Python 与人工智能分类下的 Python 筛选出的信息是不同的。
掘金的标签体系是封闭的,目前除了掘金共建者
可以直接参与到掘金标签的体系建立之外,其他的用户暂时不能自己生成新的技术标签。掘金的标签是定义内容的一个内容指向标签,因而在我们计算文章相关性中,此类标签有非常重要的功能。
此外,新用户注册掘金时,我们也会推荐相应的标签来让新注册用户关注,用以在最初始推荐合适的内容给读者。因而,在您发布内容时,请务必填写合适的标签,值得注意的是,如果您选择了关注量较大的标签(如前端)但是您的文章并不合适,则您的文章热度会很低,这样的文章会很快被减少推荐量。
目前,普通用户生产文章需要添加 1 个标签,获得掘金优秀作者身份的用户可以添加 2 个标签。
掘金小编推荐
此外,掘金小编们会一直在掘金社区里发现优质的用户,一个新的掘金用户的掘力值增长是需要慢慢积累的,因而他的内容在初期可以影响到的用户是有限的。但是,掘金小编如果发现了好的内容,可以直接推荐您的文章到更多的读者,我们坚持严格的筛选标准。
关注
每一个掘友可以直接通过关注来阅读内容,而这部分内容是完全基于您关注的作者,不会进行影响因子及推荐算法的影响。
维护好你的关注者
每当你关注的用户生产了新的一篇文章,掘金会发送推送,帮助您的新文章获得相应的曝光和流量。因而如果您的内容质量不佳,则会非常影响读者的体验。当然,如果您连续发布多篇内容,我们也不会连续发送推送骚扰读者。
作者榜:发现更多值得关注的用户
访问作者榜,你可以看到近期(30 日内)贡献值较高的活跃用户,他们的内容获得了掘友们的认可。
文章榜
定期更新的热门榜单,展示最热的文章与作者。
web 端可以在首页的各个分类下直接筛选