AI 应用 on 火炬树

2026 年微信公众号图文、图片与视频的流量收益规则

Thu, 13 Aug 2026 07:20:51 +0800

2026 年的微信公众号已经不再是「订阅制私域媒体平台」。平台把公域推荐权重提到空前高度，非粉丝流量占比可达 70%-90%，算法按账号标签、文章标签和用户兴趣做三维匹配，主动把内容推给没关注但可能感兴趣的人。千粉小号只要内容精准、标签对路，同样有机会拿到 10 万+ 阅读。

这个转变直接改变了内容形态的选择逻辑。图文长文、图片消息（俗称小绿书）、视频号三种形态，流量机制、收益单价、规则红线完全不同。

一、2026 年公众号规则变化的五个关键点

在讨论内容形态之前，先看平台规则本身的变化，这些规则是所有形态共用的底层约束。

1. 公域推荐权重暴涨，粉丝红利消退

2026 年，非粉丝流量占比可达 70%-90%，其中推荐流量约占 50%-60%。算法根据账号标签、文章标签和用户兴趣做三维匹配，主动把内容推送给未关注用户。粉丝基数不再是决定性因素，关键指向了内容精准度和标签匹配度。

消息版面里，用户已关注且互动高的账号头像仍会出现在置顶「常看」区域，前 2-3 屏基本都是已关注账号的最新内容。稳妥的策略是两条腿走路：靠订阅消息流维系老粉，靠推荐流获取新用户。

2. 算法指标排序：完读率第一

综合多方数据，2026 年算法权重的大致排序为：完读率（约 35%）＞分享/转发率（约 30%）＞收藏率（约 20%）＞互动质量（约 15%）。

完读率成为第一核心指标。铺垫过长、信息密度低、用户点开即走的文章，算法会直接停止推荐。用户点开后阅读进度未达 30% 就关闭，系统会标记为「低质内容」或「标题欺诈」，影响后续流量分配。

分享、转发等社交裂变行为权重依然很高。收藏率的重要性较以往显著提升，系统认为「收藏＝高价值」，是触发长尾流量的关键因素。互动质量的考核更细致，不仅看评论区的字数和质量，还看作者的回复率。

3. 优质旧文生命周期延长

原创度高、关键词布局清晰、结构完整的文章更容易被搜索关联，优质旧文的推荐生命周期从过去的 24 小时延长至 7 天甚至数月。这意味着内容的长尾效应显著增强，一篇高质量文章可以持续带来流量，搜索流量成为越来越重要的入口。

4. AI 治理升级：非真人自动化创作被明确禁止

2026 年 3 月 27 日，微信公众平台更新《微信公众平台运营规范》，新增「非真人自动化创作行为」专项条款。以下三类行为被明确列为违规：

脱离真实创作者表达，利用 AI 等方式生成、改写、拼接或搬运内容
通过脚本、程序托管等自动化方式批量、连续发布内容
传播非真人自动化创作的教程、方法或服务

处理方式从删除内容到封禁账号，力度相当大。微信团队在回应中明确：平台鼓励创作者合理使用工具辅助创作，但反对完全由自动化程序替代真人完成内容生产。

平台并不禁止 AI 辅助写作（如查错别字、润色句子、生成图表等），但强调选题、思路、框架和观点必须由真人决定。AI 生成的初稿至少需要经过三方面人工加工：补充真实案例或数据、加入个人观点和判断、调整语气以去除「AI 味」。

5. 导流行为开始限流

2026 年 5 月起，公众号收紧导流规则。通过账号简介、正文、评论、公众号消息等途径，直接或间接嵌入个人联系方式、外部链接、二维码等引导信息，将用户引流至私人账号、外部页面或第三方平台，属于违规导流。含有导流内容的文章会被标记为「不符合内容推荐条件」。

现在在文章中留微信号已不再是零风险操作。如果目的是做内容而非引流私域，建议保持内容纯净；如果确实需要导流，需要意识到这会影响推荐流量。

二、三种内容形态的流量机制

1. 图文长文：搜索经济的基本盘

图文长文是公众号最传统的内容形态，也是搜索价值的核心载体。技术教程、产品对比、深度分析这类内容，读者的搜索意图明确，搜一搜带来的流量精准且稳定。

纯靠大段文字获取流量的难度在增加，但搜索经济的逻辑没变：每篇文章是一个独立的搜索答案，不依赖粉丝基础。文章越多，搜索入口越多；同领域文章越多，平台越认定该账号是权威。领域权威效应让长文在垂直领域有长期价值。

对知识密度要求高的内容，长文依然是唯一能完整承载的形式。GEO（Generative Engine Optimization）视角下，结构化、数据密度高的长文更容易被腾讯系 AI（元宝、豆包、Kimi）提取为权威回答，成为 AI 引用的信源，这一价值是短内容无法替代的。

2. 图片消息（小绿书/贴图）：官方扶持的流量红利

图片消息是公众号的「图片/文字」功能，2023 年改版后因形式类似小红书被称为小绿书。2026 年 3 月，微信官方在创作区域将其改名为「贴图」，并给出明确流量扶持：公众号主页有专属「贴图」版块，信息流中每 2-3 屏就会出现一次贴图推荐。

形态上，图片消息最多 9 张图片，配标题和最多 1000 字描述。手机上横滑浏览，默认展示比例 3:4。支持静态图、动态图（GIF）和实况图。

它的流量优势有三个：

第一，官方流量倾斜。 主页专属版块和推荐流穿插都表明平台在主动推这个形态。对创作者来说，这是当前投入产出比最高的增量入口。

第二，完读率高。 图片为主、文字为辅的形式天然适配碎片化阅读场景，用户在信息流里快速滑动即可完成消费，完读率远高于长文。完读率是第一算法指标，这个优势直接转化为推荐权重。

第三，创作门槛低。 不需要排版长文，几张图配一段说明即可发布，适合高频更新。手机端订阅号助手 App 可以随时发布，还把「文字生成图片」能力内置了。

小绿书的限制也要知道：发布图片消息同样占用每天一次的群发机会；不能标原创、不能加话题标签；信息密度低，不适合承载深度内容；目前主要在私域账号内容之下，曝光与账号权重相关。

3. 视频号：社交裂变驱动，扶持真人实拍

视频号与公众号已深度打通：主页展示视频号动态、信息流穿插视频内容、手机端创作入口合并。微信正从订阅制私域平台转向算法推荐全域内容平台，视频号是这个转型的核心一环。

2026 年视频号的流量机制是「社交推荐＋算法推荐」双引擎。内容曝光由四层构成：关注流量（订阅逻辑）、好友关系流量（朋友点赞/在看触发二次传播）、算法推荐、搜索。社交属性是视频号区别于抖音的核心，好友互动信号与算法判断并重，内容起点来自微信熟人关系链而非陌生公域池。

2026 年视频号的扶持方向明确聚焦原创：原创声明作品在推荐算法中权重显著提升，真人实拍、垂直专业、正能量内容获额外冷启动与曝光扶持。同时 2026 年 4 月新规要求 AI 生成或辅助内容必须标注「AI 技术生成」，否则限流下架。平台明确打击无版权搬运和低质混剪，搬运、简单二次创作、无授权影视音乐片段都禁止声明原创。

视频号的收益逻辑与公众号不同，下文单独展开。

三、三种形态的收益对比

1. 公众号流量主：按赛道定价

公众号流量主的开通门槛已从 500 粉丝降至 100 粉丝（2026 年初调整）。收益由 eCPM（每千次展示收益）决定，核心公式：单条广告收益 = 广告展示次数 × eCPM ÷ 1000。

eCPM 受内容赛道、粉丝质量、账号垂直度影响，差异巨大：

内容赛道	千次阅读收益	说明
财经、教育、母婴、职场等高价值垂类	8-15 元	eCPM 可达 20-60 元
泛娱乐、鸡汤、搬运	1-3 元	eCPM 仅 2-8 元

同样 1 万阅读量，专业领域可获得 300-1500 元收入，生活类可能只有 50-300 元。垂直专业内容单价远高于泛娱乐，这是流量主收益的第一决定因素，比流量规模本身更重要。

广告点击率方面，垂直领域高质量公众号通常为 1%-3%，泛娱乐类可能低至 0.5% 以下。广告单价同样分化：金融、教育、医疗等专业领域 CPC（每次点击成本）可达 2-5 元，生活类通常在 0.3-1 元。

2. 视频号创作分成：单价同样看垂直度

视频号创作分成计划是视频号生态内基于广告展示的收益模式：符合一定条件的优质原创作者，可在原创视频评论区、个人主页视频流展示广告获取收入。2025 年底开通门槛从 1000 粉下调至 100 粉，个人创作者分成比例约 60%。

2026 年行业实测收益区间：

内容类型	每千次有效播放收益
普通泛娱乐内容	0.3-1 元
垂直类优质内容（财经、法律、教育、职场）	1.5-5 元

高质量内容的分成单价可达普通内容的 3-5 倍，收益与完播率、互动率、评论区停留时长、原创度强挂钩。一条 10 万播放的垂直爆款视频，广告分成约 300-1000 元。头部账号月分成收入稳定在 1-5 万元区间。

3. 小绿书（图片消息）收益

图片消息的收益逻辑与长文相同，走流量主按展示计费。单篇贴图浏览突破千次时内容已具备传播力，行业数据显示优质贴图能提升用户 30% 的停留时长，间接带动广告点击率增长 15%-25%。但图片消息信息密度低，单价不如深度长文，更适合作为流量入口而非收益主力。

四、怎么选：按内容目标和产能决定

三种形态不是替代关系，而是分工关系。基于上面的机制和收益数据，按账号类型给出选择框架。

知识密度高的垂直账号：长文为主，小绿书为辅

技术、财经、教育这类需要深度解释的领域，长文是基本盘。搜索经济下，长文是唯一能完整承载知识密度的形态，也是 GEO 引用和搜一搜流量的核心载体。小绿书适合把长文里的数据对比、要点清单、操作截图拆出来做二次分发，吃官方扶持的推荐流量。

种草、生活、视觉导向账号：小绿书是主力

摄影、旅游、美妆、美食、穿搭这类内容，视觉呈现就是内容本身。小绿书的 3:4 大图展示、横滑浏览和低创作门槛天然匹配。这类账号可以用小绿书高频更新保持活跃，长文作为周期性深度输出。

有真人出镜条件的账号：视频号是增量

视频号 2026 年的扶持明确倾向真人实拍和垂直专业内容，社交裂变机制让熟人关系链成为冷启动优势。AI 生成内容强制标注的规定，让纯 AI 内容在视频号的生存空间收窄。如果具备真人出镜或真人配音条件，视频号值得作为分发渠道投入。

所有账号的共同底线

无论选择哪种形态，2026 年的规则底线是一致的：选题、思路、框架、观点必须真人决定，AI 只做辅助；不搬运、不低质混剪、不批量自动化发布；不在正文和评论里留联系方式导流。内容纯净度直接决定账号能否持续获得推荐流量。

五、参考来源

Morning Brew 创始人的内容机器：永不缺选题、没有 AI 味的内容生产系统

Tue, 04 Aug 2026 03:23:29 +0800

Alex Lieberman 在 2020 年把 Morning Brew 的多数股权卖给了 Insider，当时这家从大学宿舍起步的媒体公司估值 7500 万美元。现在他经营 AI 转型咨询公司 10x，同时在 X 和 LinkedIn 上保持高频内容输出。在接受 Lenny’s Newsletter 旗下播客 How I AI 采访时，他公开了支撑这套输出的系统，一个基于 Claude 的“内容机器”，从选题、起草到评审全部由 AI 参与，且产出的内容“没有 AI 味”。

这篇解读整理自该访谈的完整文字稿，按内容机器的运行环节拆解，最后提炼这套系统对普通创作者的启示。

为什么要造一台内容机器

Lieberman 说自己遇到两个问题：

第一个是时间约束。 他从大学创办 Morning Brew 开始持续创作了十年，内容给他带来过大量机会，但每天能投入创作的时间只有大约 25%。他想知道怎么把这 25% 的时间价值最大化，同时保证不产出 AI slop（人工智能垃圾）。

第二个问题是员工创作。 他认为未来的商业世界里，技术越来越商品化，真正的护城河是“可信的分发渠道”，而把公司里的员工变成创作者，是很多公司没有充分开发的分发资源。他的目标是把“员工在有全职工作的同时成为创作者”这件事变得尽可能简单。

他的思路是把内容生产流程重构成 AI 原生。

在进入细节之前，需要先理解 Lieberman 对 AI 内容的基本立场。主持人提到一位作家朋友的观点，认为 AI 会提高平庸写手的下限，但会封顶优秀写手的上限。Lieberman 认同这个判断，但认为它需要细化。如果 AI 只参与起草和编辑环节，确实可能降低顶尖写手的作品上限。但内容创作是多环节流程，把 AI 用在灵感收集、素材整理、格式转换这些环节，并不等于放弃质量。更重要的是比较基线，他的团队在内容机器之前的选择是干脆不创作。让员工围绕自己的专业产出内容，与完全没有人产出内容相比，这两个选项之间他永远选前者。

他还提到一个反直觉的观察，AI slop 的流行其实是创作者在“指着自己说我不够聪明”。当一个人给 AI 输入的是泛泛的想法，得到的自然是泛泛的文字。问题出在输入环节，而不在 AI 本身。这个观点贯穿了整个访谈，也解释了为什么他的系统把大量精力花在选题和采访环节，而不是写作环节。

第一步：先画出现有流程，再拆除约束重建

Lieberman 强调，整个改造的起点不是引入 AI，而是画流程图。他把内容创作过程从头到尾拆出来，找灵感、判断值得不值得写、起草、编辑、发布、分发。他说大多数人在做流程映射之前，根本不知道自己流程里有多少浪费，AI 只是逼着他们完成这一步的推动力。

主持人 Claire Vo 补充了一个关键建议，不要按当前约束去设计流程，要按理想状态设计。不受约束的话，你当然会想要一个永远在线的研究员帮你挖选题，当然会把一段内容拆成多平台微内容。先画出理想流程，再决定哪些环节交给 AI、哪些环节留给人。

第二步：Oracle 扫描七天信息，产出十五个选题

内容机器的第一个组件叫 Oracle。它连接了 Lieberman 在 Tenex 的所有信息源，包括 Slack、Notion、会议纪要、Linear、Git、Gmail，外加一份他自己配置的互联网信息源列表。Oracle 每天扫描过去七天的信息，按一套评分标准给潜在的“内容尖峰”（指从信息流中识别出的、有潜力写成文章的具体话题）打分，最后输出大约 15 个选题。

这套设计的出发点是对“空白页”的恐惧。Lieberman 认为内容创作最大的摩擦点就是面对一张空白页，而 Oracle 的作用就是把这个环节彻底自动化。创作者每天打开机器，面对的不是空白，而是十五个带着具体细节的选题候选。

访谈中展示的实际案例很有画面感。Oracle 从内部信息源里抓住了这样几条，他和银行客户的一次对话，客户说麦肯锡给的建议要六个月才能落地，他用 Claude Code 一周就重建了；他在销售电话里自嘲“我可能是全世界最差的销售”；他把 Morning Brew 卖掉之后一度很痛苦。这些具体的故事被 Oracle 标记为高潜力内容尖峰。从外部信息源里，它则抓到了亚马逊为 FDE 投入十亿美元、不同专家对 FDE 是否万能的分歧讨论。

关键点在于，Oracle 抓的不是泛泛的话题，而是当事人亲身经历里的具体瞬间。Lieberman 说，AI 生成的 slop 通常不是 AI 写得差，而是人在提供素材的环节没有给出足够好的东西。

第三步：六人设采访，把想法“说出来”而不是“写出来”

选题确定后，内容机器进入采访环节。Lieberman 创建了六个采访者人设，由它们轮流向他提问。他对着这些提问把想法说出来，用 Wispr Flow 这类语音转文字工具形成初稿素材。

这套设计的意图是把创作从“面对空白文档”变成“回答问题”。说出来的内容比写出来的更口语化、更真实，也更接近他本人的语气。这个环节决定了内容的信息密度，也是 Lieberman 认为整套系统会不会产出 slop 的分水岭。他在访谈里反复强调一个判断，AI 生成的内容有没有“AI 味”，主要取决于人在采访环节分享的想法够不够好。如果输入的是泛泛的观点，AI 输出的自然是泛泛的文字；如果输入的是亲身经历的具体瞬间，AI 输出的就有了别人编不出来的细节。

第四步：用 Markdown 文件“编码”个人风格

Lieberman 的写作风格被拆成两类文件。

一类是语音风格指南（voice markdown file），记录他的句式偏好、用词习惯和表达特点。另一类是内容经验文件（content lessons markdown file），记录他每次编辑中沉淀的教训，比如“不要用’如果这样，那么那样’这种陈词滥调”。

起草时，AI 按照这两份文件用他的声音写初稿。每次他给终稿反馈后，系统会运行一个“经验循环”：对比原始素材和最终发布版本的差异，提取可以抽象复用的教训，经他确认后追加进经验文件。这样系统越用越贴合他的标准，相当于把个人审美逐步固化成了可检索的资产。

第五步：作家委员会打分，低于 9 分就重写

初稿完成后进入评审环节。Lieberman 创建了六个作家人设，包括 David Perell、Morgan Housel、Shaan Puri 这样的知名写作者，以及一个专门负责“AI 味过敏”的人设。六个评委各自读稿打分，1 到 10 分。总分低于 9 分就自动进入修订循环，直到评到 10 分才放行。

在直播演示中，稿子一开始就被评委们打了低分，系统随即开始修订循环，Lieberman 笑着说“我猜它拿不到 9 分了”。整个评审过程可视可查，作者能看到每个评委的分数和意见。这套机制本质上是用 AI 模拟了一个编辑委员会，在没有真人编辑团队的情况下提供外部视角。

第六步：发布后复用分发

内容定稿后，机器还负责分发。Lieberman 可以指定要拆成什么形式，比如三条短推文加两条长 LinkedIn 帖，系统按他的风格自动生成多平台版本。

他说自己每天运行的流程里还缺一步，就是 Oracle 应该顺带提醒他哪些历史内容值得重新包装，这是他接下来要补的功能。

技术底座：一套 Claude Skills 目录

这套内容机器不是定制软件，而是基于 Claude 的插件体系。Lieberman 把它描述为“一个技能目录”，运行在 Claude Code 或 Cowork 环境里，团队成员可以在公司内部的代码仓库中获取更新。他特意把更新方式做得足够简单，让不懂技术的同事也能一键同步最新版本。

这个选择值得注意。他没有为内容流程开发专用产品，而是把流程拆成一组可组合的技能文件，挂在通用的 AI 编程工具上。好处是迭代速度极快，今天发现的新教训，明天就能变成所有同事共享的技能更新。

数字：生产时间从 20 到 30 小时降到 3 到 4 小时

关于这套系统的效果，访谈之外流传的总结数据是，单篇内容的生产时间从 20 到 30 小时降到 3 到 4 小时，构建这套系统本身花了 50 多个小时。Lieberman 在访谈中没有直接给出这两个数字，但访谈全过程的现场演示印证了流程的高效，选定一个当天的话题，几分钟内完成了起草、评审和修订。

需要说明的是，效率提升不等于质量妥协。他反复强调这套系统的前提是自己有十年的内容创作积累，做过几千次内容创作流程，才能把流程拆得足够细。这也回应了他对“AI 是否封顶创作上限”的立场，AI 不会让平庸的人变优秀，但能让优秀的创作者把时间从重复劳动中释放出来，投放到真正需要判断力的地方。

员工创作：用游戏化机制把全员变成内容源

内容机器解决的是“创始人自己如何高效创作”，Lieberman 还在公司层面解决“员工如何愿意创作”。

他认为员工是大多数公司最被低估的营销渠道，Claire Vo 在访谈中补充说，她见过很多 CEO 担心员工在社交媒体上表现太突出会被挖走，但真正让员工离开的，恰恰是他们没有机会展示自己做的有价值的工作。愿意鼓励员工建立个人品牌的公司在人才竞争中有明显优势。

在之前的公司 StoryArb，他做过一个叫 Own the Internet 的活动，六到八周内鼓励全员发 LinkedIn，唯一规则是内容里至少一半要和工作相关，最终赢家能拿 5000 美元。那个季度活动贡献了公司 40% 的入站线索，还带来了大量招聘端的曝光。

Tenex 刚启动的版本叫 Creator Cup，一个月内全员在 LinkedIn 或 X 发帖，发一条得 10 分，给同事的帖子互动得 3 分，每周创始人评选最佳帖子加 50 分，另有周榜和月榜。公司内部开了个叫 Reply Guys 的 Slack 频道，所有人互相看帖、互相评论。整个设计把内容创作变成了团队运动，用分数和排行榜制造参与感。

Lieberman 说员工倡导（employee advocacy）已经存在很多年，他只是觉得互联网和社交媒体把这件事的门槛降到了前所未有的低，而多数公司还停留在担心风险的阶段。访谈中他还提到一个观察，在 AI 时代技术越来越商品化之后，商业护城河越来越少，而“可信的分发渠道”是少数几个能持续积累的壁垒。把公司变成媒体公司，让员工成为内容源，本质上就是在构建这条护城河。

Anthropic 就是一个反例，Claude Code 相关的几位工程师在社交媒体上持续输出，读者因为信任他们个人而更信任产品。这些人成了品牌的延伸，他们的个人输出和公司产品形成了互相强化的循环。

对普通创作者的启示

整套系统可以抽象成四步方法论，不依赖 Morning Brew 的资源和 Tenex 的工程能力。

**第一，先画流程再谈 AI。**把创作过程拆成环节，找出瓶颈和浪费，这是所有 AI 改造的起点。Lieberman 在访谈里说，流程映射本身就会暴露大量效率问题，AI 只是推动你完成这件事的催化剂。

**第二，选题来自真实经历。**Oracle 的价值不在于“自动生成选题”，而在于从当事人自己的对话、会议、邮件里捞具体故事。没有真实素材，任何 AI 都写不出有信息量的内容。

**第三，风格可以编码。**语音指南加经验文件，本质是把“我觉得这样写不好”沉淀成可检索的规则，让 AI 越用越懂你。

**第四，评审要外部化。**六人设委员会模拟了“让高手帮你改稿”，在没有编辑团队的情况下提供了客观反馈环。

Lieberman 在访谈末尾被问到“AI 产出 slop 时你会怎么办”，他的回答很实在，要么直接手写，要么花时间骂它一遍并确认那些教训是不是已经写进经验文件。他承认自己有时对 AI 态度很差，“考虑到 AI 迟早会成为我的老板，我确实应该对它好一点”。

最后可以留意他关于工程师的判断，最好的工程师既要有系统级理解能力，又要愿意把自己的工作流全面 agentic 化。这个标准同样适用于内容创作者，理解整套系统的运作方式，同时愿意把重复劳动交给 AI，是这场变革里最有价值的能力组合。这套内容机器的价值，正在于它把这种能力组合变成了可复制的流程。

参考来源：本解读基于 Lenny’s Newsletter 播客 How I AI 的访谈《How the founder of Morning Brew built a Claude content machine that never runs out of ideas》完整文字稿（Lenny’s Newsletter），以及 Insider 收购 Morning Brew 的相关报道（Axios、Business Insider）。