榜单第一名是怎么算出来的：目录站的热度算法、刷量识别和展示口径

目录站的榜单做起来容易做好难。最简单的实现是「按点击数排序」，上线两周你就会发现榜单变成了固定几条的天下——谁早进来谁就在上面，新条目永远排不上去，榜单失去了它唯一的价值。

问题出在少了时间这个维度。

图片来源：网络，版权归原作者所有，侵权请联系删除

两种经典的时间处理思路

业界有两个公开的、被广泛参考的模型，思路正好相反。

模型	公式	行为特征
Hacker News 式	(P − 1) / (T + 2)^G	分数随时间真实衰减，老内容自然掉下去
Reddit 式	log₁₀(max(|s|,1)) + t / 45000	票数取对数，时间作为固定加分项

第一个里，P 是票数，T 是发布至今的小时数，G 是重力因子，常用值在 1.5 到 1.8 之间。分母的指数大于分子（这里是 1 对 1.8），所以分数会随时间持续下降——一条高票老帖过一天就掉下去了。那个减 1 是为了扣掉作者自投的一票，加 2 是防止刚发布时分母太小、分数虚高。

第二个的处理更巧妙：票数取以 10 为底的对数，意味着前 10 票的分量和后面 100 票相当，早期票的价值被放大；时间项不是衰减而是直接把发布时间戳折算成一个固定加分，新帖天然起点高，老帖要靠票数翻倍才能追平。45000 秒这个常数大致意味着晚 12.5 小时发布的内容，需要十倍的净票数才能排在同一位置。

两种都能用。目录站我更倾向第一种，因为榜单需要「持续更新」的观感，真实衰减能保证新鲜内容有固定的上升通道。

目录站该拿什么当热度信号

这里的第一个决定是：用站内数据还是用出站点击。

站内点赞、收藏这些信号的问题是基数太小。一个日访问几千的目录站，愿意点赞的用户可能是个位数，噪声占比太高，刷起来也容易。

更合适的是出站点击——用户点了条目的外链。这个行为本身就是目录站的核心价值，数据量大，而且真实反映「这个条目值得去」。

一条可用的公式大概长这样：

score = (outclicks_7d + base) / pow(hours_since_update + 2, 1.5) * category_weight

几个参数的意思：

• outclicks_7d：近七天的出站点击。用窗口而不是累计，避免老条目靠历史积累永远在榜。
• base：冷启动基线。新条目没有数据，给一个小的初始值让它有机会被看到，随着真实数据积累自然被覆盖。
• hours_since_update：距离最近一次更新的时间，不是发布时间。条目更新过说明还活着，也给了编辑干预的空间。
• category_weight：分类权重。不同分类的量级可能差十倍，不归一化的话大分类会霸占整个榜单。

归一化这件事值得多说一句。最简单的做法是按分类内排名而不是绝对分数来取条目，保证每个分类都有代表；或者对分数做一次分位数转换，把不同量级拉到同一个尺度上。别指望靠调权重解决量级差异，那是个永远调不准的活。

刷量长什么样

只要有榜单，就一定有人想上榜。刷量通常有这几个特征，可以做成自动标记：

• 来源单一。某条目的点击几乎全部来自同一个 IP 段、同一批 UA、或者同一个外部来源页。
• 时间间隔过于规整。真实用户的点击是随机的，脚本产生的点击往往间隔接近，甚至精确到秒。
• 无其他行为。进来就点外链，没有浏览列表、没有搜索、没有第二页。跳出时间极短。
• 突增。某个平时一天几点击的条目，某天突然涨到几百，且集中在几小时内。
• 新条目异常。刚提交通过、编辑还没推荐过的条目，短时间内冲到前列。

单条信号不足以判定——真实传播也可能带来突增。做法是多信号命中才标记，比如「来源单一 + 间隔规整 + 无其他行为」三条同时中，可信度就很高。

认出来之后怎么处理

处理方式要克制。推荐的顺序是：

• 先把可疑数据从热度计算里剔除，条目本身保留，正常展示。这样即便误判，影响也只是排名，不会误伤。
• 记一条内部标记，写明时间和依据。积累几次之后再决定要不要进一步处理。
• 确认是刷量的，才做展示层面的处理：比如该条目在榜单上标注数据来源存疑，或者暂停它在榜单里的展示但不影响分类页。

不要做的事：直接删除条目、公开点名、或者把整个 IP 段永久拉黑。前两个会引发纠纷，第三个误伤面太大——很多 IP 段是运营商共享出口。

还有一条容易被忽略的：把防刷的规则写进公开的规则页。让自己的编辑和外部都看到，本身就是一种威慑。

榜单上该公示什么

用户和站点方都会问「你们这个榜是怎么排的」。与其每次解释，不如在榜单页上写清楚：

• 统计周期：近 7 天还是近 30 天，这个必须写。
• 主要依据：出站点击量、编辑推荐权重各占多少，给个大致说明就行，不必公开完整公式。
• 更新时间：榜单多久重算一次，页面上标出「数据更新于某时间」。
• 异常说明：数据明显异常时会暂停展示，这条写上会省掉很多解释。

公示口径有个额外好处：当有人来问「为什么我上不了榜」时，你有一份可以指给他看的东西，而不是一场扯不清的争论。

上线前检查

• 用一个月的真实数据跑一遍历史回放，看榜单每天的变化幅度是否合理——完全不动说明衰减太弱，天天大换血说明衰减太强。
• 检查冷启动：新提交的条目多久能进榜，一周内进不去说明基线给低了。
• 检查各分类的入榜分布，某个分类长期占一半以上就说明归一化没做对。
• 把刷量检测规则拿历史数据验一遍，看看误报率。误报太高就收紧条件。

榜单是个公开承诺：你说这个最热，就得说得出依据。算法可以简单，但口径必须站得住。