去年老徐一篇《【万字猛料】今日头条打造爆文技巧，咱先来一小步，搞个100W+》掀翻了今日头条玩法的底裤，随后世面上今日头条板块的教程各色培训似乎都能看到洒家的影子，业界的玩法水平迅速得到拉升。

一年快过去了，今日头条是否又有更玄妙的玩法诞生?

那必须的。

随便举个栗子，类似工具多得很

其中软件全网采集爆文进行洗稿最为大伙儿津津乐道，但目前任何一款软件伪原创的结果都相当蹩脚，基本都停留在近义词替换的水平，玩头条的基本采取人肉洗稿的方式，全网采集更重要的是感知全网舆情，调制出让看客癫狂的爆文。

傻逼们晒的看似唬人的一键爆文生产软件都是骗人的!!!要么骗你买软件，要么就是叫你充VIP，实际上，这类源码早就烂了大街，而且简直就是老早前草根站长用来骗搜索引擎的伪原创工具换了个马甲。。。。

而洒家本篇反而不想去整些花里胡哨的东西，咱来点扎实的基本功，玩好一个项目无非是熟悉工具(平台)+运用营销技能架构玩法。

而今日头条目前对内容生产者可谓所有自媒体平台里面脱得最光的，以下将为各位揭开“头条指数”“热词分析”“今日头条媒体实验室”背后的那些有助于撰写爆文但一般人熟视无睹的黑科技。

所有素材均均可从今日头条各个官方发布渠道得到验证。

头条指数

头条指数于 4 月 12 号早晨正式上线，与百度指数、微(博)指数、微信指数和头条指数一道四大天王凑齐。

一个关键词在头条上究竟有多热?一个热词对应着什么样的受众?当热点事件爆发，它究竟出现在了多少人的“头条”中?这些问题现在可以找到答案了，“头条指数”是今日头条官方提供的基于机器分发的阅读指数。

访问index.toutiao.com，即可使用“头条指数”(或者百度“头条指数”)。

在搜索框内输入关键词，点击搜索，即可搜索对应的指数数据。

自媒体和祁新媒体哪个说法多?不用再争了。

除了热度，头条指数还提供用户画像的分析功能。对“自媒体”感兴趣的人群的性别、年龄、地域、兴趣都有直观的呈现。选择特定的时间段，还能回溯某段时间中相应的数据表现。

头条指数还能做什么?

不止于提供热度高下之争的答案。易观发布的第三方数据显示， 2016 年机器分发的比例已经超过了人工分发，这就意味着机器分发的数据也应该是洞察内容资讯、用户兴趣最重要的依据。但是目前市场上还没有机构能够提供足够权威的来自机器分发的数据，头条指数适时弥补了这一空白。

以下是一些头条指数可以发挥作用的场景，当然，有了越来越多的用户，相信还会有更多的场景在这里是难以一言以蔽之的。

• 辅助创作

如果你是一名资深创作者，你肯定在半年前就已经体验过今日头条的媒体实验室，头条指数事实上提供了部分媒体实验室的功能用以面对公众，给更广大的创作者提供判断选题、分析热点、引用资料时所需的数据。

• 舆情分析

头条指数实时提供当下热点事件的舆情监测，以及过往事件的数据查询。政府机构、企业部门可以实时分析移动资讯中最受关注的社会问题、热点事件和舆情动向，为形成舆情解决方案奠定基础。

• 精准营销

头条指数对于用户群体兴趣的分析来自于今日头条用户的阅读分享评论等行为，依赖大量维度的细分与组合，企业的精准营销和投放乃至投后的监测、跟踪、反馈都能找到科学的数据作为依据。

最后来一段名词解释：

头条指数是今日头条推出的一款数据公共服务产品，基于今日头条智能分发和机器推荐所产生的海量内容数据，在内容创作、舆情监控、精准营销等应用场景下，为用户提供关键词的挖掘、热点事件分析和行业报告下载等服务。

再提一下头条指数入口：https://index.toutiao.com

热词分析

这部分的内容就在如图所示的犄角嘎达，不知你的好奇心是否探索过那里。发布时间为2017-03-10，大大晚于洒家之前的文章。

如何用好热词分析功能，生产更优质的内容?

相较微信、微博依靠粉丝来带动阅读量的方式，头条号依靠的是机器算法推荐，媒体内容得以摆脱漫长的粉丝积累过程，高效地预见感兴趣的人群，快速打造 10w+，甚至 100w+。因此，系统对于内容的辨识、推荐对于一篇文章来说至关重要。

哪些因素会让系统降低推荐量?哪些方法能够避免这些因素?

今天，媒体实验君就教大家如何利用热词分析功能来增加系统推荐量，提高文章的阅读量。

推荐效果不好的相关因素

首先，先了解一下哪些因素会导致系统的推荐量不高。

推荐效果不好的相关因素

上图是从头条号进阶手册中，概括出的推荐效果不好的相关因素

而借助媒体实验室的各项功能，能够帮你有效的在创作开始之前就避免一些问题。毕竟除了文章的内容以外，选题对于文章的推荐量同样有着很大的影响。从以下 5 个方面来谈这个话题：

1. 文章内容自身问题，导致点击率低
2. 潜在的用户群过小，推荐量不高
3. 内容供过于求
4. 时效短，影响推荐量
5. 其它

1.文章内容自身问题，导致点击率低

文章内容自身问题，包括两方面：内容质量和选题。将从选题的角度来教大家如何避免这个问题。

举例，前段时间一篇关于支付宝大楼的文章在头条号上取得了接近 200 万的阅读量。但是，同一时间，一篇内容相似的文章，阅读量却相差了一万倍。

以下是两篇文章的标题：

• 《马云建造支付宝大楼，被网友吐槽：这趴着把屁股撅的好高，真到位》
• 《支付宝新大楼曝光，网友吐槽：屁股撅的好高，这很支付宝》

虽然影响的原因很多，但是从标题的角度来说，第一篇一定是系统更愿意去推荐的，为什么呢?

（编辑：ASP站长网）