小红书的评论对推荐算法影响有多高，算是感受到了

两条目标读者高度重合、相邻天发布的笔记，阅读量差不多的情况下，数据如下：

- 650 赞、9 评论

- 212 赞、120 评论

换句话说，后者只靠前者点赞数 20% 不到的评论数，获得了近乎相等的曝光。

我觉得这也体现了小红书如何解读自身的「社区」属性，不只是嘴上说说，而是真的写进了算法里。

之前读小红书技术团队的采访，里面也有提到小红书的冷启动，更关注高质量评论数。因为重视社区属性，小红书在算法上偏好高质量评论多的内容，鼓励高质量的讨论互动。

一般的平台会偏好点击率、停留时长，这容易催生更多吸人眼球或是卖关子拖时间的内容，如果关注高质量评论数，反倒可以促成互动氛围好的社区（不过也会衍生出争议性内容治理的问题就是了）。

对于在小红书活跃的创作者，我觉得这给我的启发是，选题优先考虑能促进良性讨论的，哪怕不是这类选题的内容发出去，收到评论也可以考虑写一些优质回复。

原文：

> 奖励函数的估值标准至关重要，因为它反映了每个平台的不同价值选择。

> 多数平台会选择消费类指标，如点击率和停留时长，作为奖励函数的评估标准。相比别的平台，小红书具有更强的 UGC 生态，社区属性更强。所以，在冷启动阶段，系统更加关注高质量评论的数量、挖掘高潜笔记，因为高质量的评论数量反映了目标人群对新内容的互动情况，也即新内容是否被准确分发到了符合其特性的人群中。

https://mp.weixin.qq.com/s/T_yjqy4RbAD3CAGild6pQw