# Meta 演算法知識庫（AK體 Skill 版） > 服務模組：M6.3（演算法對齊檢查）、M8（發文後回饋循環） > 最後更新：2026-03-31 > 適用場景：Threads 為主，Instagram/Facebook 官方規則與專利作方向參考 --- ## 使用說明 這份知識庫分兩大區塊： 1. **紅線區**：踩到就直接警告「這個會被降權，你確定要這樣寫嗎」。M6.3 跑分析時逐條掃描，命中任一項即觸發警告。 2. **信號區**：不是硬規則，是動態參考。M6.3 用來評估貼文的演算法對齊程度，M8 用來追蹤各信號在用戶帳號上的實際表現。 每個知識點標注 `[Skill 用途]`，說明在哪個分析步驟使用。 --- # 一、紅線區（硬規則） > 以下項目命中任一項，M6.3 必須直接發出警告。不是建議，是警告。 --- ## R1. Engagement Bait `[Skill 用途]` M6.3 逐句掃描貼文全文（含圖片中的文字），比對以下 5 種 bait 類型。命中即警告。 Meta 用 ML 模型偵測，覆蓋 25+ 語言，圖片會用 OCR 掃描文字。 | Bait 類型 | 觸發用語範例 | 偵測方式 | |-----------|-------------|----------| | **Vote bait** | 「按愛心選A，按哈哈選B」 | 用 Reaction 當投票工具 | | **React bait** | 「按讚如果你同意」「覺得有用按愛心」 | 直接要求按特定 Reaction | | **Share bait** | 「分享給朋友」「轉發到限動」 | 要求分享或轉發 | | **Tag bait** | 「Tag 一個需要看到這個的人」 | 要求 Tag 人 | | **Comment bait** | 「留言 YES」「+1」「留言告訴我」 | 要求留特定文字 | **累犯加重機制**：多次觸發後，不只單篇被壓，整個帳號的觸及都會被壓。 --- ## R2. Clickbait `[Skill 用途]` M6.3 檢查首句和整體語氣，比對以下模式。 觸發條件： - 「你絕對不會相信」「99%的人都不知道」等聳動句式 - 過量驚嘆號 - 故意不講重點，只逼人點開 - 首句承諾的東西，正文沒有兌現 --- ## R3. 首句與正文不一致 `[Skill 用途]` M6.3 比對首句的主題承諾和正文的實際內容，判斷是否一致。 Meta 2025 年對 Facebook 的 spammy content 公告明確打擊： - 與內容不符的 caption - 分心式長 caption - 為了騙互動而設計的說法 雖然公告不是專講 Threads，但代表 Meta 整體推薦系統對「文字承諾和實際內容不一致」的容忍度在下降。 **規則**：hook 可以強，但不能詐。首句說「大多數人搞錯了 X」，正文就真的要證明哪裡錯。 --- ## R4. 明顯搬運 / 低品質原創 `[Skill 用途]` M6.3 評估原創性。若貼文與用戶近期貼文相似度 70%+，警告。 會被判搬運的情況： - 轉發別人內容卻沒有實質新價值 - 帶有其他平台浮水印 - 高相似度重發（同一篇換幾個字再發） - 加 logo、字幕、背景音樂、換句話說，不算高品質原創轉化 **真正的原創至少要有一種**： - 你自己的分析 - 你自己的結論 - 你自己的經驗或實測 - 你自己的框架整理 --- ## R5. 連續同主題 `[Skill 用途]` M6.3 比對近 3-5 篇貼文的主題，判斷是否觸發 diversity enforcement。 Meta 的 diversity enforcement 機制會壓制連續相同主題的內容。核心不是叫你不講同個領域，而是不要在太短時間內發「看起來幾乎一樣」的內容。 - 同領域可以 - 同角度不行 - 同結論換包裝也不行 --- ## R6. 低品質外部連結 `[Skill 用途]` M6.3 偵測貼文是否包含外部連結，評估連結品質。 Meta 官方長期對以下連結有負面態度： - 廣告過多的頁面 - 載入慢的頁面 - 看起來像 SEO 垃圾頁的連結 - 整篇貼文像只是連結的前導廣告 **規則**：能不靠連結就講清楚的，先在貼文內講清楚。真的要放，優先高信譽來源。 --- ## R7. 敏感主題的聳動表述 `[Skill 用途]` M6.3 偵測貼文是否涉及政治、健康、財務議題，若有則檢查表述方式。 | 主題類型 | 風險 | 注意事項 | |----------|------|----------| | 政治 / 社會議題 | 個人化分發限制 | 不是所有人都會被推到，更吃受眾匹配 | | 健康聲明 | 嚴格審查 | 避免武斷、誇大、像保證結果 | | 財務聲明 | 嚴格審查 | 避免未經證實的回報承諾 | | 性暗示 / 血腥 / 邊緣仇恨 | 推薦限制 | 即使沒被刪，也可能降分發 | 政治 / civic content 的處理（Meta 2025-01-07 公開說明）：改為更個人化，這類內容更吃「受眾本來就對此有興趣」的信號。語氣需要：主題明確、受眾明確、語氣克制、觀點有根據。 --- ## R8. 負面回饋觸發 `[Skill 用途]` M6.3 評估貼文是否容易引發 `Not interested` 等負面回饋。 Meta 已公開提供 `Interested / Not interested / Hidden Words / reset recommendations` 等控制工具，系統把使用者的顯性偏好當推薦訓練資料。 **最該怕的不是沒互動，而是讓不對的人快速按 Not interested。** 容易引發負面回饋的寫法： - 首句太聳動，但正文很空 - 題目像在講 A，內容卻在講 B - 同樣論點一直重講 - 跟受眾期待嚴重不符 --- ## R9. 主題混雜 `[Skill 用途]` M6.3 判斷貼文是否只圍繞一個核心主題。 Threads 官方 2025 年已明說，帶 topic 的貼文通常會拿到更多 views。這背後不只是「加標籤」，而是系統更容易判定這篇到底在講什麼。 - 一篇文只打一個主題中心 - 前兩句就讓人和系統知道主題是什麼 - 不要一篇文前半講 SEO，後半又跳去創業心法 --- ## R10. AI 內容未標示 `[Skill 用途]` M6.3 檢查是否使用 AI 生成的寫實內容（圖片/影片），若有則提醒標示。 Meta 有標示/誠實要求，欺騙性高的風險最大。可發布不等於可被推薦。 --- ## R11. 圖文不一致 `[Skill 用途]` M6.3 檢查圖片/影片與文字是否在講同一件事。 若圖片、影片、首句、正文各講各的，可能換到短停留，但很容易帶來負面回饋。 圖片應該做三種事之一： - 視覺化一個重點 - 提供案例證據 - 提高可理解度 --- ## R12. 軟性降權（不是一踩就死，但累積會有問題） `[Skill 用途]` M6.3 作為次級掃描項，命中 2 項以上才提醒。 - 內容太像為演算法寫，不像為人寫 - 太多泛用廢話，讀完沒有新資訊 - 留言區品質很差，全部都是短句灌水（M8 追蹤用） - 連續幾篇都講幾乎一樣的東西 - 被動瀏覽比例偏高（M8 追蹤用，代表第一行沒有抓住人） --- # 二、信號區（動態參考） > 以下不是硬規則，是 M6.3 用來評估「這篇文的演算法潛力如何」、M8 用來追蹤「哪些信號在你的帳號上真的有效」的參考依據。 > 表述方式：「根據你的數據，這個信號在你的帳號上表現如何」，不是「你應該這樣做」。 --- ## S1. 私訊分享（最強互動信號） `[Skill 用途]` M6.3 評估貼文的私訊分享潛力；M8 追蹤實際 shares 數據與預估的偏差。 ### 為什麼最強 Threads/Instagram 近年的公開說法都在往同一方向收斂：`sends / shares` 是超強信號。Mosseri 2025 年確認：私訊分享的權重是按讚的 3-5 倍。 私訊分享之所以重要，不是因為分享動作本身，而是因為使用者願意拿自己的社交關係去背書你的內容。 ### 最容易被私訊分享的內容特徵 - 幫人講出他說不清的觀點 - 幫人省時間的整理 - 反直覺但有根據的結論 - 可以拿去當談資的框架 ### M6.3 的評估角度 不要只追求「好像很有道理」，要追求「我想立刻丟給某個朋友看」。問：這篇文讀完，讀者腦中會浮現一個想傳給的人嗎？ --- ## S2. 深度留言（強互動信號） `[Skill 用途]` M6.3 評估貼文的深度留言觸發潛力；M8 追蹤留言品質（5+ 個詞留言比例）。 ### 核心機制 Meta 長期重視 `meaningful social interactions`。單字、表情、複製貼上式留言的價值遠低於有內容的回覆。留言品質比留言數量更重要。 ### 歷史數據參考 MSI 歷史計分（2018 年洩露，CNN / Washington Post 確認）：有意義留言（5+ 個詞或含圖片影片）= 30 分，Like = 1 分。2020 修正後留言權重沒降，代表 Meta 長期認為留言是最真實的互動信號。 **一則 5+ 個詞的留言，歷史上值 30 個 Like。** ### 最好引發的留言類型 - 「我不同意，因為...」 - 「我遇過更極端的版本...」 - 「如果換成某個情境呢？」 ### 最差的留言類型（不算有效互動） - 「你覺得呢？」（這是你在討留言） - 「留言告訴我」（這是 comment bait，紅線） - 「+1」 ### M6.3 的評估角度 結尾不要討讚，要設計「讓人想補充、反駁、套用自己案例」的句子。 --- ## S3. 停留時間 `[Skill 用途]` M6.3 評估貼文的停留時間潛力（結構節奏、資訊密度）。 ### 核心機制 Meta 明確重視 `watch time / time spent / reading time`。不是單看字數長短，而是看使用者有沒有持續投入注意力。長文不是問題，無效長文才是問題。 ### 最有效的做法 - 前 1-2 句讓人停下來 - 中間有節點讓人想繼續讀 - 每一段都在推進，不要重複同一句話換句話說 ### M6.3 的評估角度 檢查每一段是否有新資訊增量。如果某段只是把上一段換句話說，標記出來。 --- ## S4. 互動者身份（關係信號） `[Skill 用途]` M8 追蹤互動者組成（核心粉絲 vs 路人），評估帳號的關係健康度。 ### 核心機制 Facebook Papers 和多份專利都指向：平台不只看某篇文互動多不多，而是看誰在互動。核心粉絲、歷史上常和你互動的人，信號通常比路人更強。 ### M6.3 的評估角度 你不是要討所有人的喜歡。你要先讓「最懂你的人」願意回。寫法上要更敢於有立場，不要把邊界磨平。 --- ## S5. 按讚（弱信號） `[Skill 用途]` M8 追蹤按讚數據，但不作為核心指標。 歷史內部資料顯示，Like 一直都不是最有價值的互動。高讚低留言的文，不一定是好文。若內容只會讓人快速點讚，通常不夠支撐第二輪分發。 ### 歷史數據參考 MSI 計分中的互動價值排序： | 互動類型 | 歷史分數 | 備註 | |----------|----------|------| | Like | 1 | 基準線 | | Reaction emoji | 5 | 怒怒後來被降為 0 | | Reshare（不加文字） | 5 → 1.5（2020修正） | 2020 大幅下調，防低品質轉發擴散 | | RSVP 活動 | 15 | -- | | 有意義留言（5+ 個詞） | 30 | 最高權重，2020 修正後沒降 | **可保留的方向**：有意義留言 >> 私訊分享 >> 分享 > 按讚。有內容的互動 >> 無內容互動。 --- ## S6. 圖文組合效果 `[Skill 用途]` M6.3 評估是否建議加圖，以及用什麼類型的圖。 Buffer 2026 跨平台 52M+ 貼文分析：Threads 上圖片貼文的中位互動率比純文字高約 60%，比含連結的貼文高 37%。 不是每篇都要硬塞圖，但如果有適合的圖（截圖、數據表、示意圖），加上去。圖片的作用是增加停留時間和理解度，不是裝飾。 --- ## S7. 語意鄰域一致性 `[Skill 用途]` M6.3 檢查貼文主題是否在用戶的語意鄰域內；M5（選題推薦）用來判斷主題拓展是否需要橋接。 ### 核心機制 Threads 用 AI 把帳號歸類到內容「neighbourhoods」，基於反覆使用的關鍵詞和主題。 ### 規則 - 每篇文的關鍵詞選擇要持續強化帳號的語意鄰域，而不是偶爾跳去完全無關的主題 - 如果要拓展新主題，用橋接方式（從已知主題延伸到新主題），不要硬跳 --- ## S8. Trust Graph（2026 重點信號） `[Skill 用途]` M8 長期追蹤帳號的信任累積趨勢；M6.3 評估貼文是否符合帳號一致性。 ### 核心機制 Mosseri 2025 年底年終公開信：Meta 從 Social Graph（看你認識誰）→ Interest Graph（看演算法猜你喜歡什麼）→ 現在進入 Trust Graph（看誰值得被信任）。 AI 內容氾濫的時代，能持續展現「真人、有立場、有歷史紀錄」的帳號會越來越被優待。 ### 實戰意義 - 持續用一致的人設和主題發文，比追熱點更重要 - 歷史貼文紀錄就是信任資產，不要為了短期流量破壞一致性 - 跨平台行為也會影響理解：同一個人設、同一群受眾、同一套主題宇宙，比每個平台各講各的更容易累積信號 --- ## S9. 可發布 vs 可被推薦 `[Skill 用途]` M6.3 在遇到邊緣內容時提醒用戶此區別。 Meta 有一整套 `Recommendation Guidelines`。有些內容不一定違規、不一定會被刪，但可能不會被大規模推薦。 | 內容類型 | 推薦狀態 | 寫文提醒 | |----------|----------|----------| | 一般知識、案例、觀點 | 容易被推薦 | 主題清楚、原創、有互動價值即可 | | 政治、社會議題 | 可能受個人化限制 | 更吃受眾匹配，不要預設能廣泛分發 | | 健康、財務聲明 | 容易被更嚴格看待 | 避免武斷、誇大、像保證結果 | | 性暗示、血腥、邊緣仇恨 | 常見推薦限制 | 即使沒刪，也可能降分發 | | AI 寫實內容未標示 | 有標示/誠實要求 | 欺騙性高的風險最大 | **不要只問「會不會違規」，要問「這種內容就算過審，系統會不會想把它推薦給陌生人」。** --- ## S10. 小帳號初始曝光 `[Skill 用途]` M8 追蹤帳號成長階段，評估是否仍在初始加成期。 小帳號常有初始曝光加成，但前提是內容至少過基本品質線。低品質內容不會因為是小帳號就一路被推。 --- ## S11. Discovery Surface（內容是在哪裡被看見） `[Skill 用途]` M6.3 評估這篇文比較像哪一種分發路徑；M8 在有資料時回寫實際來源面。 `[Tracker 欄位]` `algorithm_signals.discovery_surface` Threads 近年的創作者 Insights 方向很明確：不是只有「有沒有 views」，而是「views 是從哪裡來」。 ### 為什麼要拆來源面 同樣是 1,000 views，來源不同，代表內容機制完全不同： - 從 **Threads feed** 來：通常代表主題語意和帳號信任都還可以 - 從 **Instagram / Facebook** 來：更像跨 app 興趣圖譜有接到 - 從 **Profile** 來：更偏 follower-fit / 已有信任 - 從 **Topic feed** 來：更代表主題標記和主題辨識清楚 ### 欄位定義 - `threads`: 來自 Threads app 內主要分發的佔比或觀察 - `instagram`: 來自 Instagram surface 的佔比或觀察 - `facebook`: 來自 Facebook surface 的佔比或觀察 - `profile`: 來自個人檔案頁的佔比或觀察 - `topic_feed`: 來自主題 feed / topic graph 的佔比或觀察 - `other`: 其他來源或目前無法歸類的來源 ### M6.3 / M8 的判讀方式 - 沒有 discovery data 時，不要假裝精準，只能說「未知」 - 若 profile 佔比高、陌生來源弱，代表這篇更偏 follower-fit - 若 topic_feed / Threads source 明顯，代表主題辨識和語意鄰域更強 - 若 Instagram / Facebook 有量，代表內容有跨 surface 的延展性 --- ## S12. Topic Graph Strength（主題圖譜強度） `[Skill 用途]` M6.3 評估這篇文是否容易被系統正確歸類；M8 回頭驗證主題清晰度和分發結果。 `[Tracker 欄位]` `algorithm_signals.topic_graph` Threads 官方 2025 年已明說：帶 topic 的貼文通常拿到更多 views。真正的重點不是「有沒有 tag」，而是系統能不能很快判斷這篇到底在講什麼。 ### 欄位定義 - `topic_tag_used`: 是否有明確使用 topic tag - `topic_tag_count`: 用了幾個 topic tag - `topic_match_clarity`: tag、首句、正文是否在講同一件事 - `single_topic_clarity`: 這篇是否明顯只打一個主題中心 - `bio_topic_match`: 這篇主題是否和帳號長期主題 / bio 語意一致 ### 高分特徵 - 首句兩句內就能知道主題 - 全文只推一個中心問題 - topic tag 和正文高度一致 - 主題和帳號既有信任圖譜相容 ### 低分特徵 - 前半講 A，後半跳 B - tag 很熱，但正文其實不是在講那個 - 帳號平常講 SEO，突然講完全不相干主題，卻沒有上下文 ### M6.3 / M8 的判讀方式 - topic graph 強，不代表一定爆；但 topic graph 弱，分發通常先吃虧 - 若 topic graph 弱但 follower 表現還不錯，通常代表「老粉懂，新人不懂」 - 若 topic graph 強且 topic_feed / stranger views 也高，通常是可放大的正信號 --- ## S13. Originality / Spam Risk Spectrum（原創性與垃圾訊號光譜） `[Skill 用途]` M6.3 不只抓硬紅線，也要抓會慢慢壓低帳號分發品質的弱垃圾訊號；M8 用實際資料回頭校正。 `[Tracker 欄位]` `algorithm_signals.originality_risk` Meta 2025 年對 spammy content 的公開說法很清楚：不是只有違規才有問題，低價值、錯配、像在鑽系統漏洞的內容，也會在推薦層被壓。 ### 欄位定義 - `caption_content_mismatch`: 文案承諾和正文 / 圖像內容不一致的風險 - `hashtag_stuffing_risk`: topic tag / hashtag 用太多、像在硬蹭流量的風險 - `duplicate_cluster_risk`: 與近幾篇內容過於相似的風險 - `minor_edit_repost_risk`: 只換幾個字重發的風險 - `low_value_reaction_risk`: 整篇像在討低價值互動、沒有實質新資訊的風險 - `fake_engagement_pattern_risk`: 互動型態看起來不自然的風險 ### 不是每個風險都等於違規 - 這些欄位多數不是「一命中就死」 - 真正危險的是：多個弱風險同時累積，讓系統把你歸到低品質分發桶 ### M6.3 / M8 的判讀方式 - `caption_content_mismatch` 高：通常停留和負面回饋都會差 - `duplicate_cluster_risk` 高：容易讓系統覺得你最近都在講一樣的東西 - `low_value_reaction_risk` 高：可能按讚還行，但分享和深留言撐不起來 - `fake_engagement_pattern_risk` 高：要優先檢查是不是 CTA 寫法、留言型態或題文落差造成 --- ## S14. Topic Freshness Budget（話題新鮮度 / 題材疲勞） `[Skill 用途]` M6.3 用歷史貼文與語意相近題材評估這個主題還剩多少新鮮度；M8 用實際表現回頭校正 fatigue 判讀。 `[Tracker 欄位]` `algorithm_signals.topic_freshness` 這不是只看「是不是同一關鍵字」。真正會壓觸及的，通常是連續或反覆發布**語意很近、切角也很近**的內容。就算分開幾天發，只要系統看起來像在重複餵同一題材，新鮮度還是會下降。 ### 核心原則 - 同領域可以一直講 - 同語意群可以重複出現 - 但同語意群 + 同切角 + 同承諾句型，會快速消耗新鮮度 ### 欄位定義 - `semantic_cluster`: 這篇文目前落在哪個語意群 - `similar_recent_posts`: 最近一段時間內，語意明顯相近的貼文數量 - `recent_cluster_frequency`: 近 7-30 天該語意群的出現密度 - `days_since_last_similar_post`: 距離上一篇高相似語意貼文多久 - `freshness_score`: 以歷史資料推估的題材新鮮度（可用 0-100 或低 / 中 / 高） - `fatigue_risk`: 題材疲勞風險（Low / Medium / High） ### 怎麼判 - 不是只比 topic tag，要比**主張、案例、承諾、結論**是否相近 - 最近 5-10 篇若有多篇都能放進同一語意群，freshness 要降 - 距離上一篇相似文越近，風險通常越高 - 若同主題但切角明顯不同、受眾收益不同，新鮮度不一定低 ### M6.3 / M8 的判讀方式 - `freshness_score` 低，不代表內容差；代表「這題你最近已經講很多次」 - `fatigue_risk` 高時，爆文概率通常會一起下降，因為系統更傾向把它看成重複供給 - 若語意相近文歷史上會一篇強、一篇弱、一篇再弱，通常就是典型 fatigue 走勢 - 若相同語意群但每次切角都大幅不同，可降低 fatigue 判定 ### 實戰提醒 - 題材新鮮度是**帳號內部相對值**，不是平台全局熱度 - 這個信號要從歷史貼文角度看，不要只看當下這篇寫得好不好 - 對小帳號尤其重要，因為探索分發更容易被「最近都在講一樣的東西」卡住 --- # 三、發文後策略（M8 使用） > 以下服務 M8（發文後回饋循環），用於指導發文後的行為。 --- ## P1. 前 3 小時策略 ### 第一小時：不要放生 第一小時是演算法判斷這篇文值不值得給第二輪分發的關鍵窗口。 你該做的不是狂刷新數字，而是： - 快速回第一波高品質留言 - 把有價值的留言接成第二層對話 - 觀察是不是有人誤解主題，必要時用留言補清楚 ### 優先接哪種留言 優先回： - 願意講自己案例的人 - 願意反駁你的人 - 願意延伸問題的人 不用優先回： - 純表情 - 「同意」 - 沒內容的稱讚 ### 怎樣算好的回覆 好回覆不是禮貌，而是能把留言區再推進一步。 最好的回覆形式： - 「你這個例子剛好能證明另一個盲點...」 - 「我同意一半，因為...」 - 「如果換成 B 情境，結論會變成...」 --- ## P2. 留言區是第二內容層 `[Skill 用途]` M8 評估留言區品質時使用。 Meta 的留言排序專利顯示，留言和回覆本身也會被算興趣分數，不是單純按時間排序。 你的前 3 則回覆，最好做到： - 補一個案例 - 接一個反對意見 - 延伸出新角度 不要只回「真的」「沒錯」「哈哈」。 --- ## P3. 你自己回留言也算信號 `[Skill 用途]` M8 追蹤用戶回覆留言的頻率和品質。 Meta 內容排序不是發出去就結束，留言區本身也是持續被評估的互動場。 你的回覆應該： - 擴充原文 - 接住不同意見 - 製造第二輪回覆 --- ## P4. 舊文不是死文 `[Skill 用途]` M8 識別有潛力的舊文，建議回頭補強留言。 內容收到新互動後，有機會重新回到候選池。值得偶爾回頭補強有潛力的舊文留言，不要只盯最新一篇。 --- # 四、帳號層級策略（M8 長期追蹤） --- ## A1. 穩定發文比爆量發文安全 帳號信譽是累積的。突然爆量、連發、主題高度重複，容易被多樣性系統和品質系統一起壓。 --- ## A2. 跨平台行為影響 Meta 越來越用整體行為理解創作者與受眾的關係。同一個人設、同一群受眾、同一套主題宇宙，會比每個平台各講各的更容易累積信號。 --- # 五、M6.3 掃描流程速查 > 供 Skill 實作參考，每篇貼文過 M6.3 時的檢查順序。 ### 第一輪：紅線掃描（命中即警告） 1. **R1** Engagement bait 5 種類型逐句比對 2. **R2** Clickbait 句式檢查 3. **R3** 首句與正文一致性 4. **R4** 原創性 / 搬運判定 5. **R5** 連續同主題（比對近期貼文） 6. **R6** 外部連結品質 7. **R7** 敏感主題表述 8. **R10** AI 內容未標示 9. **R11** 圖文一致性 ### 第二輪：負面回饋預判 10. **R8** 負面回饋觸發風險 11. **R9** 主題混雜度 12. **R12** 軟性降權項累計 ### 第三輪：信號評估（動態參考，用顧問語氣） 13. **S1** 私訊分享潛力 14. **S2** 深度留言觸發潛力 15. **S3** 停留時間潛力 16. **S6** 圖文組合建議 17. **S7** 語意鄰域一致性 18. **S8** Trust Graph / 帳號一致性 19. **S9** 可推薦性評估 --- # 六、最值得追求的 4 種文 vs 最容易失敗的 4 種文 `[Skill 用途]` M6.3 第三輪信號評估時參考，用來評估貼文屬於哪個象限。 ### 值得追求 | 類型 | 特徵 | 演算法對齊原因 | |------|------|----------------| | 可轉傳文 | 讀者一看就知道要轉給誰 | 觸發私訊分享（S1） | | 可討論文 | 不是人人同意，但人人看得懂 | 觸發深度留言（S2） | | 可套用文 | 讀者能立刻對照自己情境 | 觸發自我表達式留言（S2） | | 可收藏文 | 有框架、有拆解、有整理 | 高停留時間 + 實用價值分享（S1+S3） | ### 容易失敗 | 類型 | 特徵 | 演算法風險 | |------|------|------------| | 假深刻文 | 句子漂亮，但讀完沒有資訊增量 | 低停留、高 scroll past | | 假爭議文 | 只會挑釁，不會論證 | 負面回饋（R8） | | 假原創文 | 本質是轉述別人，換自己口氣 | 低原創性（R4） | | 假互動文 | 靠 CTA 硬拉留言 | Engagement bait（R1） | --- # 七、寫文底線（跨模組通用） `[Skill 用途]` M6.3 作為最終檢查項。 不管結構怎麼變，以下底線不能破： - 首句必須讓目標受眾停下來（不是所有人，是對的人） - 正文不能背叛首句的承諾 - 收尾不要討互動，而是留一個讓人自然想補充或反駁的口 - 每一段都在推進，不要原地踏步換句話說 ### 真正的北極星不是讚數，是這 4 件事 - 這篇文有沒有讓對的人停下來？ - 這篇文有沒有讓人願意寫完整一句話？ - 這篇文有沒有讓人想把它丟進私訊？ - 這篇文有沒有讓留言區變成第二內容場？ --- # 八、證據索引 > 以下為知識庫各項目的原始證據來源，供需要查證時使用。 ### 官方規則 / 官方聲明 - Meta, `Recommendation Guidelines`, 2020-08-11 https://about.fb.com/news/2020/08/recommendation-guidelines/ - Meta, `Incorporating More Feedback Into News Feed Ranking`, 2021-04-22 https://about.fb.com/news/2021/04/incorporating-more-feedback-into-news-feed-ranking/ - Meta, `Reshape Your Instagram With a Recommendations Reset`, 2024-11-19 https://about.fb.com/news/2024/11/introducing-recommendations-reset-instagram/ - Meta, `More Speech and Fewer Mistakes`, 2025-01-07 https://about.fb.com/news/2025/01/meta-more-speech-fewer-mistakes/ - Meta, `New Threads Features for a More Personalized Experience That You Control`, 2025-03 https://about.fb.com/news/2025/03/new-threads-features-more-personalized-experience-you-control/ - Meta, `Cracking Down on Spammy Content on Facebook`, 2025-04 https://about.fb.com/news/2025/04/cracking-down-spammy-content-facebook/ - Meta, `Control Your Threads Feed With New Dear Algo Feature`, 2026-02-11 https://about.fb.com/news/2026/02/threads-dear-algo/ ### 洩露 / 訴訟 / 媒體確認文件 - Facebook Papers / Frances Haugen 洩露文件，2021 - Haugen 相關報導與國會證詞：CNN / Washington Post / U.S. Senate hearing materials - New York Attorney General multistate lawsuit against Meta, 2023-10 https://ag.ny.gov/press-release/2023/attorney-general-james-and-multistate-coalition-sue-meta-harming-youth ### 專利 - `US9378529B2` Expected value scoring - `US9286575B2` Adaptive ranking model - `US10909454B2`, `US11657253B1` Multi-task neural network ranking - `US10635732B2` Content reselection / second-chance dynamics - `US10733254B2` Click-based interest tiers - `US9959412B2` Content quality evaluation - `US20190095544A1` Behavioral quality signals - `US10120945B2` Human rater quality criteria - `US9582812B2` Pairwise quality prediction - `US10540359B2` Small account boosting - `US10063513B2` Temporal relevance - `US9336553B2` Diversity enforcement - `US9152675B2` Comment/reply ranking - `US10404817B2` Time spent measurement ### KOL / 社群觀察 只作補充，不作核心證據。若 KOL 觀察和官方規則相反，優先相信官方。 --- ## 待持續追蹤 - Threads 官方是否會更明確公開 `sends / replies / time spent` 的排序口徑 - Topic Tags / topic labeling 的實際最佳用法 - Threads Insights 是否會公開更多 discovery surface 細節 - AI 內容標示與未標示內容的實際分發差異 - Threads 對政治 / 公共議題內容的個人化分發邏輯 - Meta 是否公開更多 `Not interested / hide / report` 對推薦訓練的說明