揭秘知乎限流

有很多人問過知乎限流的問題，所以我不得不寫下這篇文章，做一次詳細的解釋。

一群連流量是什麼都不知道的人在討論限流，我想問你知道怎麼統計流量嗎？？？

知乎流量數據是無法獲得的，只能通過大量的測試進行估算。

經過我的測試，保守估計100贊1萬PV，500贊5萬PV，1000贊就等於公眾號的10萬+

for feed in me.feeds.filter({n FeedType.COLLECT_ANSWER,n FeedType.COLLECT_ARTICLE,n FeedType.COLUMN_POPULAR_ARTICLE,n FeedType.CREATE_ANSWER,n FeedType.CREATE_ARTICLE,n FeedType.CREATE_PIN,n FeedType.CREATE_QUESTION,n FeedType.FOLLOW_COLLECTION,n FeedType.FOLLOW_COLUMN,n FeedType.FOLLOW_QUESTION,n FeedType.FOLLOW_ROUNDTABLE,n FeedType.FOLLOW_TOPIC,n FeedType.LIKE_PIN,n FeedType.VOTEUP_ANSWER,n FeedType.VOTEUP_ARTICLE,n FeedType.ANSWER_FROM_TOPIC,n FeedType.ARTICLE_FROM_TOPIC,n FeedType.QUESTION_FROM_TOPIC,n FeedType.EBOOK_FROM_TOPIC,n FeedType.AD,n})n

常見FeedType有這20種，把首頁的數據爬一爬，用數據說話。

先拿出一個白號，沒有任何行為，只關注路人甲。

爬取白號的所有動態，一共2007條：來自熱門內容1990條，來自路人甲的17條。

熱門內容分為15類，分布如圖

再拿出一個男性賬號，沒有任何行為，關注了32個人，全是大胸美女。

爬取男號的所有動態，一共1960條：來自關注者動態667條，熱門內容360條，來自話題810條，你可能感興趣123條。

再拿出一個大胸美女賬號(輪子哥點過贊的)，正常用戶的行為，關注的都是男人

爬取女號的所有動態，一共1998條：來自關注者動態176條，來自話題635條，你可能感興趣1187條。

最後拿出大號lxghost，只關注200個人。一共2967條動態，內容全部來自關注者動態。

出現次數分布如下，紅色為萬粉以上

可以看出，每個人都是平等的，越活躍的人出現的次數越多，不是說你的關注者越多，出現的次數就會越多，應該是取決於活躍度。請教我該如何限流？對誰進行限流？限流是為了什麼？

知乎小管家只出現了兩次，出現率為萬分之6.7，肯定是被限流了。

下面是大家最關心的問題，為什麼首頁會這樣呢？取決於三個因素

3.排序演算法

上面都是廢話，到底是為什麼呢？一切的答案就在這個首頁動態開關！

新版首頁和舊版首頁是完全不一樣的，2014年以前的用戶會有這個選項，之後的用戶都是默認新版並且不可修改！

所以只有lxghost這個賬號內容是100%來自關注的人，內容是固定的，爬幾次都是一樣。

但是白號、男號、女號的註冊時間晚，首頁內容是動態生成的，每次爬都不一樣！

現在的用戶基本都是2014年以後註冊的，關注了某人，只能看到他的部分動態。

首頁動態上限為2000條左右，由關注者、來自話題、熱門內容、你可能感興趣四塊組成 。

賬號行為為空白時，會推薦一些大的話題，推送熱門內容，其中受限制話題必須主動關注才能看到。

隨著賬號行為增多，熱門內容不再推送，根據個性化標籤推送可能感興趣的話題，所以說你看到的內容都是你自己選擇的，要學會使用舉報和屏蔽功能，看到垃圾及時舉報屏蔽。

看到這裡，你應該能理解為什麼看不到關注的人的動態了吧。

這個年代笑貧不笑娼，比較暴力比較黃，你只要贊數不要臉，已經忘了如何寫文章。

標準的套路就是接個軟文，然後找幾個大V點贊，發現贊漲不上去，達不到客戶要求....那麼就刷點贊，心滿意足地去交差。最後再哭訴下，我被知乎限流了，我發的別人都看不到。。。

你們肯定忘了，以前的高贊都是優質內容，讓人看了覺得寫的真好，才會點贊。連知乎排第一的張佳瑋也不能保證每篇回答文章一定能獲得高贊，一般人發個軟文就幾十個贊(大部分還是刷的)，PV低的可憐，說實話贊同數並不是重要的指標。

瀏覽量(PV)，站內取決於閱讀、贊同、收藏、感謝、評論、分享，站外取決於曝光、搜索引擎、外鏈分享。最關鍵的是內容，優質的內容才是王道，能寫出優質內容的人才在哪裡~

如果不相信我的話，請自己爬取數據進行分析，研究點贊的效果，研究出來了記得告訴我。

如果有個人或機構號想一起研究數據的，現在可以免費教你！

不忘初心，方得始終，與君共勉~

參考 知乎灣區機器學習分享會

推薦閱讀：