关于小红书的流量推荐逻辑，目前市面上流传比较广的说法是“CES （community engagement score）评分体系”——点赞数（1分）+收藏数（1分）+评论数（4分）+关注数（8分）

这此前流传的B站视频数据权重公式（2020.05月份数据，不确定目前是否有变动）：
视频权重=硬币*0.4+收藏*0.3+弹幕*0.4+评论*0.4+播放*0.25+点赞*0.4+分享*0.6， 最新视频（一天内发布）提权[总值*1.5]其实有异曲同工的意思，难度越大的互动（比如一键三连+评论），权重越高。

扩展阅读：
1⃣️视频号的流量获取&推荐逻辑&算法与抖音、快手对比系列
m.okjike.com

2⃣️快手的“普惠流量分发”算法机制
m.okjike.com

3⃣️抖音🆚快手平台政策分析（带货向，对品牌商的流量分发政策对比）
m.okjike.com

4⃣️抖音🆚快手🆚视频号算法拓扑结构对比
m.okjike.com

5⃣️视频号分发机制：点赞率＞评论率＞转发率
m.okjike.com

6⃣️快手内容推荐流程
m.okjike.com

7⃣️亚马逊平台的流量分发机制——A9算法
m.okjike.com

8⃣️小红书流量分发模型
m.okjike.com

9⃣️抖音视频质量算法&审核机制
m.okjike.com

🔟B站🆚西瓜视频🆚Youtube分发逻辑对比
视频号🆚抖音🆚快手推荐&算法机制对比
m.okjike.com

1⃣️1⃣️抖音🆚快手主要广告产品机制横向对比
含开屏广告、信息流广告、联盟广告🆚穿山甲广品横向对比
m.okjike.com

1⃣️2⃣️快手GMV计算逻辑变化和流量分发逻辑变化
m.okjike.com

1⃣️3⃣️ 快手直播电商产品逻辑梳理
（含GMV算法、“高光时刻”时间轴、流量结构图、磁力金牛产品图谱、用户购买路径等）
m.okjike.com

1⃣️4⃣️快手电商的FACT方法论🆚快手电商的STEPS方法论
m.okjike.com

1⃣️5⃣️小红书流量分发逻辑&流量分发优势
m.okjike.com