热门标签 | HotTags
当前位置:  开发笔记 > 人工智能 > 正文

看了1000个烂标题后,我总结出6个起标题的大坑!

近期,很多作者在后台询问头条玩家,为什么辛辛苦苦写的文章没人看。明明文章内容很优质,奈何阅读量少得可怜。其实,很多时候都是标题惹的祸!一篇好文章,被一个烂偏题所拖累,难以发挥最大的

近期,很多作者在后台询问头条玩家,为什么辛辛苦苦写的文章没人看。

明明文章内容很优质,奈何阅读量少得可怜。

其实,很多时候都是标题惹的祸!

一篇好文章,被一个烂偏题所拖累,难以发挥最大的传播价值,这种情况实在让人心痛。

因此,头条玩家专门回溯了1000个推荐效果差、阅读量低的标题。

终于被我发现了,作者起标题时最容易踩中的6个雷区。

收下这份避雷指南,让文章的推荐量和阅读量蹭蹭涨起来!

1.不踩关键词、领域不清晰、定位模糊

我们知道,文章的阅读量很大程度上取决于系统的推荐量,那么一篇文章的推荐量,是由什么因素决定的呢?

影响推荐的因素有很多,从标题的层面来说,「关键词」十分重要。

标题中露出具有代表性的「关键词」,可帮助机器理解你的文章,获得更多推荐量。

例如,同样一篇足球类文章,标题《大胡子梅西,大胡子阿奎罗,大胡子伊瓜因,阿根廷美洲杯冠军稳了!》,就比标题《三人蓄须明志,誓要实现多年远大理想》含义更明确,更利于系统识别,获得更多的推荐量。

2.栏目型标题

标题首句带有栏目名称的,称之为「栏目型标题」。

这类标题的弊端在于:

大众的阅读习惯是从左至右,栏目名无亮点,且不包含任何有效信息,难以在第一时间吸引读者的眼球。

例如:

《资讯 | 三段线上考生成绩分段表来啦!8月3-4日填报志愿》

《【三分钟法治新闻全知道】护士病房里突然被病人使劲咬住胳膊,忍痛足足坚持了3分钟!》

但并不是说任何带有栏目名的标题,传播效果都不好。

那,什么样的栏目型标题,容易成为爆款呢?

例如:

《“人设崩塌”扎克伯格、“隐忧乍现”马化腾 | 热门人物盘点》

《看了1000个烂标题后,我总结出6个起标题的大坑!》

这个例子的亮点有二:

1)标题用8个字精准地描述出2位大佬的窘境,亮点十足。

2)栏目名【热门人物盘点】甩在标题后面,且标题互相补充,让读者秒懂,这是一篇关于科技圈大佬的盘点稿件,栏目名凸显了内容深度。

3.连载型标题

针对连载类文章,很多作者起标题的习惯是:一系列内容全部使用同一标题,仅用(上)、(下)或是(一)、(二)进行区分。

例如:

《每日欣赏 | 七夕电商首页设计欣赏第二波~》

《六脉神“鉴”(三)||带你认识安吉星》

《轻松读史之——大唐三百年(1)》

这类标题为何在头条号平台数据表现很一般呢?

1)有可能被消重,消重文章则无机会被推荐。

相同内容或高度相似的内容推荐给同一用户,会严重影响用户体验,因此头条号平台会对此进行消重。

消重就是指对重复、相似、相关的文章进行分类和比对,使其不会同时或重复出现在用户信息流中的过程。

连载文章全使用同一标题,假如用户没有点进内文,看上去就是机器把几篇一样的内容重复推荐给了用户!可想而知这样的浏览体验是很糟糕的。

2)对同一标题读者容易产生审美疲劳。

连载类内容尽量避免采用同一标题,针对每一篇文章重新选择角度拟定标题,更有利于传播。

4.标题无标点

《看了1000个烂标题后,我总结出6个起标题的大坑!》

很多作者习惯于在标题中使用空格代替标点。

从上图我们可以清晰地看到,没有标点,会让你的标题看上去像一个长句子,一眼扫过去容易错过重点。

而标点符号,一方面让标题的视觉效果更佳;另一方面,标点用得好也是激发用户情感的法宝,会为你的标题增色不少。

5.简单的疑问式标题

以疑问句作为标题,是常见的标题样式。

我们这里说的“烂标题”并不是一棍子打死所有疑问式标题,而是专指“平淡无爆点的”疑问标题。

例如:《泡沫经济破灭后会发生什么?》

阅读量/推荐量:11/817=1.35%

解析:

这个标题就踩中了大坑,“泡沫经济破灭”是一个和普通人有距离感的话题,采用简单的疑问句式,信息点单薄,难以吸引眼球。

其实该文内容很优质,幸好有双标题机制,让这篇文章不至于被埋没。

作者的另一标题就起得很好。

《看了1000个烂标题后,我总结出6个起标题的大坑!》

正面案例:《泡沫经济破灭后,人在忙,但更穷了》

解析:

抛出了一个有讨论度的观点(越忙越穷)。

同时标题落点从社会问题,转移到“人”的身上,与每个人的境遇息息相关,拉近与读者之间距离感。

再来看一个疑问式“烂”标题:

《父母说的哪些话给你留下一辈子的心理阴影?》

阅读量/推荐量:138/24562=0.6%

解析:

该例同理,标题样式简单,信息点和话题性都稍显不足。

难道疑问句就不能做出爆款吗?非也!

作者的另一标题就是利用疑问打造爆点的典型。

《看了1000个烂标题后,我总结出6个起标题的大坑!》

正面案例:《“你不闭嘴,孩子怎么表达?”|为什么让中国父母倾听那么难?》

阅读量/推荐量:22446/272998=8.2%

解析:

标题首句,“你不闭嘴,孩子怎么表达?”否定语气配合反问句式,情绪饱满,冲击力十足。

另外直接点出了“你”,屏幕前读者有一种被点名的感觉,关注度瞬间提升。

“为什么让中国父母倾听这么难”仔细读来,这个疑问句其实输出的不单单是问题,更多的是一种观点,一种态度。这样的疑问式表达,极具话题性和共鸣感,自然传播效果更佳。

6.信息点杂乱

面对海量内容,读者在一个标题上停留的时间极短,信息点杂乱、第一眼看不懂的标题很容易被瞬间pass掉。

例如:

《华夏内讧?大牌门将和一外援场上发生冲突,幸好被队友及时挡住!》

阅读量/推荐量:0/20=0.00%

解析:

一个标题里面出现了3个人物,而且把悬念设置为“一外援”。

“一男一女”、“一人”的说法很常见,“一外援”的说法读起来很绕口,增加了理解成本。

《看了1000个烂标题后,我总结出6个起标题的大坑!》

作者另一标题就很好得规避了这个雷区。

正面案例:《突发,华夏门将与马斯切拉诺发生言语冲突,幸好被队友挡住》

阅读量/推荐量:66080/155996=42.36%

解析:

该标题信息点就清晰了很多。同时标题点明“马斯切拉诺”既踩中了关键词,助推了推荐量,名人身份也带来了话题性。

起标题时,如何平衡信息密度是个难点。信息点少,标题留白太多,不够吸引人;但另一方面,重点太多也就等于没重点。


推荐阅读
  • 自学编程与计算机专业背景者的差异分析
    本文探讨了自学编程者和计算机专业毕业生在技能、知识结构及职业发展上的不同之处,结合实际案例分析两者的优势与劣势。 ... [详细]
  • 2023年京东Android面试真题解析与经验分享
    本文由一位拥有6年Android开发经验的工程师撰写,详细解析了京东面试中常见的技术问题。涵盖引用传递、Handler机制、ListView优化、多线程控制及ANR处理等核心知识点。 ... [详细]
  • 堆是一种常见的数据结构,广泛应用于计算机科学领域。它通常表示为一棵完全二叉树,并可通过数组实现。堆的主要特性是每个节点的值与其父节点的值之间存在特定的关系,这使得堆在优先队列和排序算法中非常有用。 ... [详细]
  • 探索电路与系统的起源与发展
    本文回顾了电路与系统的发展历程,从电的早期发现到现代电子器件的应用。文章不仅涵盖了基础理论和关键发明,还探讨了这一学科对计算机、人工智能及物联网等领域的深远影响。 ... [详细]
  • 2018年3月31日,CSDN、火星财经联合中关村区块链产业联盟等机构举办的2018区块链技术及应用峰会(BTA)核心分会场圆满举行。多位业内顶尖专家深入探讨了区块链的核心技术原理及其在实际业务中的应用。 ... [详细]
  • 本文作者分享了在阿里巴巴获得实习offer的经历,包括五轮面试的详细内容和经验总结。其中四轮为技术面试,一轮为HR面试,涵盖了大量的Java技术和项目实践经验。 ... [详细]
  • 本题探讨了在大数据结构背景下,如何通过整体二分和CDQ分治等高级算法优化处理复杂的时间序列问题。题目设定包括节点数量、查询次数和权重限制,并详细分析了解决方案中的关键步骤。 ... [详细]
  • 智能车间调度研究进展
    本文综述了基于强化学习的智能车间调度策略,探讨了车间调度问题在资源有限条件下的优化方法。通过数学规划、智能算法和强化学习等手段,解决了作业车间、流水车间和加工车间中的静态与动态调度挑战。重点讨论了不同场景下的求解方法及其应用前景。 ... [详细]
  • Søren Kierkegaard famously stated that life can only be understood in retrospect but must be lived moving forward. This perspective delves into the intricate relationship between our lived experiences and our reflections on them. ... [详细]
  • 【行业专题报告】 人力资源专题资料
    每项专题报告都是从2019开始更新到至今,后续将持续更新如需查看完整报告和报告下载或了解更多,公众号:参一江湖今天为大家分享专题 ... [详细]
  • 卷积神经网络(CNN)基础理论与架构解析
    本文介绍了卷积神经网络(CNN)的基本概念、常见结构及其各层的功能。重点讨论了LeNet-5、AlexNet、ZFNet、VGGNet和ResNet等经典模型,并详细解释了输入层、卷积层、激活层、池化层和全连接层的工作原理及优化方法。 ... [详细]
  • FinOps 与 Serverless 的结合:破解云成本难题
    本文探讨了如何通过 FinOps 实践优化 Serverless 应用的成本管理,提出了首个 Serverless 函数总成本估计模型,并分享了多种有效的成本优化策略。 ... [详细]
  • 尽管深度学习带来了广泛的应用前景,其训练通常需要强大的计算资源。然而,并非所有开发者都能负担得起高性能服务器或专用硬件。本文探讨了如何在有限的硬件条件下(如ARM CPU)高效运行深度神经网络,特别是通过选择合适的工具和框架来加速模型推理。 ... [详细]
  • Netflix利用Druid实现高效实时数据分析
    本文探讨了全球领先的在线娱乐公司Netflix如何通过采用Apache Druid,实现了高效的数据采集、处理和实时分析,从而显著提升了用户体验和业务决策的准确性。文章详细介绍了Netflix在系统架构、数据摄取、管理和查询方面的实践,并展示了Druid在大规模数据处理中的卓越性能。 ... [详细]
  • 2018-2019学年第六周《Java数据结构与算法》学习总结
    本文总结了2018-2019学年第六周在《Java数据结构与算法》课程中的学习内容,重点介绍了非线性数据结构——树的相关知识及其应用。 ... [详细]
author-avatar
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有