主要有下面这些位置：
1、推荐流量：根据用户往期的搜索习惯推荐，相当于是猜用户喜欢，精准度会低一些
2、位置流量：根据用户所在的位置推荐，一般是同城20km范围内。直接在主页-发现-后边的附近那里可以看到
3、搜索流量：用户主动搜索关键词，系统给予展示。精准度比前2者高一些
4、关注流量：关注的博主新发的内容在关注页以及发现页都会展示，精准度比前3者更高 ，类似于信息流
5、个性化推荐：简而言之，根据你经常搜索的内容，官方会依据算法猜出你的爱好倾向，并给你推送更多相关的内容笔记。
6、关键词搜索：当用户点击某个关键词后，就会相继出现更多与关键词有关的内容笔记。
7、下拉框：当我们搜索关键词之后，这时候会发现很多的后缀词，这也是常见的流量入口之一。
8、笔记排名：用户搜索时候，目标笔记的综合指数越高，排名靠前，就越容易让用户第一时间发现。
9、粉丝推送：将内容笔记推送给自己的粉丝，从而获取流量，流量的多少取决于你账号目前的粉丝量。
10、薯条功能：成为人民币玩家，充值增加流量的曝光，从而让官方推荐并推送到可能感兴趣的目标用户。
11、引用私域流量：通过转发给感兴趣的人的方式，将站外流量引到小红书。
12、话题洼地流量：选择有很高热度的关键词话题进行笔记创作，同时话题内容，选题和标题、文案强化的关键词都要高度吻合，这样系统会记录数据，才会推荐你的笔记给特定用户。一般来讲，相比于自创话题，通过蹭成熟的话题标签，然后分一小部分比例的笔记放在品牌话题里面的方式，更加循序渐进，也更容易获得流量。
13、关联产品蹭流量：将其他的产品与自己的产品捆绑推销，比如在搜索雅诗兰黛，可以将雅诗兰黛放第一，自身产品放第二，共同推荐，这样的方式一定程度上可以截取别人的流量。
14、搜索相关笔记：当我们的笔记与其他笔记有一定相关时，搜索相关笔记下拉也会看见我们的笔记。
下面讲讲这些流量入口的流量分配机制：
小红书的笔记发布后，可以通过四个页面被看到，分别是首页的关注页、发现页、本地页，以及搜索按钮可跳转的搜索页。
其中， 发现页和搜索页是两个最主要的流量入口 。打开创作中心，创作服务里有个笔记周报，这些数据很重要，来自于首页推荐和搜索的流量都占到了 40％ 的比例。
据观察，这两个页面有着 不同的流量分配逻辑 。
1）发现页的推荐逻辑
发现页上，笔记按照信息流的形式呈现，用户每次下拉刷新都会出现一批新的笔记，这些笔记主要是通过推荐算法展现的。
参考2017 年时任小红书算法架构师 @赵晓萌 、2019 年时任小红书实时推荐团队负责人 @郭一 的两篇公开分享文章，以及 2021 年小红书算法团队发布的一篇论文，对发现页的推荐逻辑做了拆解。
笔记的推荐过程大致可以分为三个步骤：
先在推荐前根据过往用户数据 预先评分 ，再根据 用户偏好 进行推荐，接着根据用户 互动反馈 ，将笔记放入递增的流量池。
①推荐前先预估效果
按照 @郭一 的描述， 笔记并不是一发布就会被推荐，而是会先经过一轮推荐系统的“打分” ，再投入推荐。
第一步，系统会从过往的笔记数据库里找出类似的笔记。
第二步，系统会根据类似笔记获得的点击、点赞、收藏等互动数据，预测该笔记在发布后，可能接收到用户互动行为的概率为多少，从而来为该笔记“打分”。
也就是说，通过对类似笔记的分析，就能预测这条笔记发出后是否会被用户喜欢。
在预估评分的算法中，用户点击的概率对评分影响最大，其他互动行为的概率都被赋予了一个权重，最终计算出笔记的评分。
举个例子，假设只参考点击、点赞和收藏的情况下，设点赞和收藏的权重都为 0.5 ，一条笔记的预估点击概率为 50％ ，点赞、收藏概率都为 10％ ，那么最后这条笔记的评分为 0.05 分。
推荐系统的算法会通过现有用户的反馈不断更新，所以评分公式也在不断变化。
最后，系统会按评分的高低对笔记位置进行调整。
我猜测，评分高的笔记在信息流中的位置会靠前，获得更多的曝光，评分低则位置靠后，曝光较少。
②用户偏好匹配分发内容
当笔记投入线上推荐时，小红书会将笔记的内容标签，和用户偏好的内容标签进行匹配。
根据 @赵晓萌 2017 年的分享，当发布者发了一条笔记后，小红书的算法会 对笔记中的文字和图片都进行识别 ，综合起来打上内容标签。
其中较为特别的一点是，算法还可以通过对情绪相关的词语进行分类，识别出用户喜欢浏览带有哪些情绪标签的笔记，并 匹配类似情绪的内容 。
比如，我发现，经常搜索和点赞笑话类笔记后，小红书就会开始推荐更多同样表达出“开心、快乐”情绪的笔记。
同时，基于关注话题、收藏专辑，还有用户对笔记的互动程度等维度，小红书也能推测出用户偏好的内容标签。
2017 年的用户和笔记标签（现在的标签可能有所变化）
通过匹配，就能将内容推荐到可能对其感兴趣的用户首页上。
根据用户账号的行为，小红书的 推荐和搜索数据也是互通的 ：
用户搜索“xx”关键词后，系统就会认为用户需要了解“xx”，在发现页上也会推送相关内容。比如搜索“平价耳机推荐”，首页就会推荐“蓝牙耳机推荐”。
但如果用户没有持续浏览相关内容，系统的推荐也会停止。
同时，小红书主要是按照用户偏好进行推荐，但 也会尽量保证结果的多样性 ，给用户推荐一些其并不偏好，但评分较高的笔记。
③互动决定是否推荐
小红书按照用户偏好，将笔记推送给初始的一批用户后，就会通过这一部分用户的互动数据，比如点赞、收藏、评论等，来决定是否将它推荐给更多的人。
互动数据更好，笔记就会获得更多的推荐，进入 递增扩大的流量池。
我通过一段时间的验证，发现首页推荐笔记的发布时间一般都是近两个月。但根据时间的远近，笔记的互动量较为不同。
发布时间较短的笔记，点赞互动数量有多也有少。比如说，截图中有两篇都是同一天发布的笔记，但一篇点赞量为 4.9w ，一篇仅为 28 。
而发布时间较长的，一般点赞互动数量都较多。比如说，截图中有三篇笔记都是在一个月前发布的，但点赞量都过千。
由此可以推测，笔记在发布后的短期内，不管互动量多少，都有可能获得推荐。但如果没有持续获得用户互动，系统就会停止推荐该笔记。
所以首页推荐中，基本不会呈现发布时间久远，同时互动数量也较少的笔记。
只有在用户持续互动的情况下，笔记才会进入递增的流量池，在之后较长的一段时间里被不断推荐。
2）搜索页的排序逻辑
发现页之外，搜索页也是一个较大的流量入口。
根据不久前小红书商业大会上公布的数据，有 30% 的小红书用户进入 APP 后会直接开始搜索。
在发现页，小红书主要采用的是推荐逻辑，而在搜索页，小红书则是按照排序逻辑分配流量，排序越靠上的笔记，获得的曝光量也就越大。
但这个排序并不是固定的，笔记的排序也在随着算法的实时演算而不断变化。
在搜索页面，影响排序结果的因素主要有三点： 关键词的匹配程度、短时间的互动量 以及 观看者的账号行为 。
①关键词匹配程度
小红书搜索中，笔记和用户所搜索的关键词的匹配程度，会很大程度上影响搜索结果页中笔记的排序位置。
当用户搜索关键词时，系统优先呈现与关键词高度匹配的笔记。
比如，搜索「共青公园樱花」这个关键词时，搜索页排在第一位的笔记虽然互动量没有其他笔记多，但笔记内容是和「共青公园樱花」匹配的，所以也会被优先展现。
在笔记的标题、内容和话题中，都可以布局关键词。
那么如何布局关键词，能让笔记的排序靠前呢？
在标题和内容中 提及近期较为热门的关键词 ，或者 相关赛道领域中用户会关注的词语 ，确实会增加笔记被搜索到的概率。是否多次提及关键词并不重要。
所谓“相关赛道领域中用户会关注的词语”，就是指该选题领域下的“细分关键词”。之所以要去布局“细分关键词”，在于两个原因。
首先，如果关键词的范围太广，该关键词下的笔记数量就会越多，竞争太大，反而越不容易获得流量。
我们测试后发现，搜索越是“细分”的关键词，出来的笔记结果排序变动会越小。
比如，我相隔一个月去搜索一个较为“细分”的关键词「蓝白英短价格」，上一个月搜索页前两名的笔记依旧留存在靠前的位置。
而去搜索「美妆」这一范围较广的关键词，发现仅相隔 4 分钟，排名前三的笔记就已经发生了变动。
其次，当用户去搜索时，往往会去搜索一个较为精准的关键词。比如说，当用户想要了解“蓝白英短”时，就会去搜索“蓝白英短的价格”、“蓝白英短怎么养”等等。
因此，笔记中的关键词越精准，越容易被用户搜到，在结果页留存的时间就会越长，获得的流量也会更多。
②笔记短时间内互动量
另一个影响笔记在搜索结果页排序的因素，是笔记在发布后短时间内获得的互动量。
笔记如果能在发布后的短时间内获得较多的互动量 （点赞、收藏、评论等） ，说明就 有成为爆文的潜质 ，那么在搜索结果页中也会排名较前。
比如说，我们搜索“上海樱花”后发现，有几篇点赞数量为 200-400 的笔记，它们的排名在点赞量为 1000 左右的笔记之上，内容都是与“上海樱花”相关。
我猜测，这可能就和笔记在发布时间内获得的互动数量有关。
下图中的第一篇笔记大约是于 3 月 12 日发布，短短两三天时间内就获得了 400+ 点赞，具备“爆文潜质”的；而后面两篇点赞约为 1000 的笔记，则是早早发布于 2021 年上半年，与现在相隔 1 年左右。
③观看者的账号行为
一位运营操盘手 @赵子辰Vic 曾提到过，小红书的关键词搜索结果是“千人千面”的，对不同用户呈现不同结果。
排序算法会根据用户过往行为，推测出用户对话题的了解程度，从而匹配不同的搜索内容。
我用不同的账号在同一时间搜索同样的关键词，呈现的页面是不同的。
比如，同一时间搜索「美食」，小红书给一个账号 （图片左侧） 显示了更多的上海的餐饮探店笔记，图片右侧显示的内容包括了美食制作和分享，结果更多样。
我猜测，左侧的账号用户可能近期搜索、浏览过上海的探店笔记，所以系统会推测用户搜索「美食」，是更希望知道上海有哪些餐饮店。
本文为系列教程中的一篇文章，如果喜欢，给我点个赞吧，下面是总目录：
点击这里 ：玩赚小红书：目录
