頭圖由豆包生成，提示詞：短視頻算法

很多人都有這種直覺：

短視頻一刷就是幾個小時，總是推薦我想看的東西，一定是算法在勾引我！

這話對現(xiàn)象的總結(jié)是對的，但對原因的分析則是完全錯誤的。

不瞞你說，我之前也是這么認(rèn)為的……直到最近看了抖音公開的算法原理，又聽了幾場三聯(lián)書店關(guān)于算法的專家討論，才算是有了稍微靠譜一點(diǎn)的認(rèn)知。

的確有很多人抱著手機(jī)放不下來，并且一直看那幾類東西，但算法其實(shí)一直在努力讓你不要沉迷，不要陷入信息繭房。

很違背直覺對不對？背后的道理倒是不難，只是需要轉(zhuǎn)換一下視角。

算法順應(yīng)人性同時也對抗人性

短視頻刷來刷去都是那些讓你上頭的內(nèi)容，根本原因在于你只愿意看那些東西，在你刷短視頻的過程中，算法一定給你推薦過很多別的內(nèi)容，只是這些都被你劃走了，對，一個一個都劃走了，不是沒出現(xiàn)過。

算法會推薦一些你喜歡看的，經(jīng)常看的，這是順應(yīng)人性。當(dāng)然，喜新厭舊也是人性，一個東西再喜歡，看多了也難免會乏會膩，所以算法也會順應(yīng)“喜新厭舊”的那部分人性，推薦更多樣化的內(nèi)容。

另一方面，即便你對不常看的內(nèi)容一秒劃走，即便你對舒適區(qū)以外的內(nèi)容點(diǎn)“不感興趣”，算法仍然會繼續(xù)嘗試給你推一些其他的，那些你以前沒見過的，在你固有圈層之外的內(nèi)容，試圖讓你走出信息繭房。不可能你喜歡貓狗就只給你推萌寵，也不可能你看小姐姐跳舞多一些就全給你推美女視頻。某種意義上，這就是在對抗人性。

舉個例子，紅樓夢算是中國人盡皆知的古典名著了，但是在中國完整看完《紅樓夢》原著的，可能還不到一千萬人，哪怕是央視經(jīng)典的《紅樓夢》電視劇，受眾也肯定不到一個億。經(jīng)典名著就是這樣，聽過的人多，看過的人少，完整看過的人更是鳳毛麟角。

但在抖音上，一條長達(dá)450分鐘的紅樓夢解讀視頻，播放量已經(jīng)超過3億次。

從基本的傳播規(guī)律我們也能想到，在短視頻平臺，一條長達(dá)7.5小時的，文學(xué)和歷史向的硬核視頻，它的完播率一定是不好的。如果平臺只看完播率推薦，這條視頻不可能成為億級爆款。最終它達(dá)到3億次有效播放 （排除幾秒劃走的） ，這里面一定有算法加持。

實(shí)際上，抖音算法是一個多目標(biāo)系統(tǒng)，收藏、關(guān)注等用戶行為，關(guān)聯(lián)對用戶的長期價值。算法把這條超長視頻推給了數(shù)以千萬原本認(rèn)為自己對紅樓夢不感興趣的用戶，在一個很小很具體的維度上打破了這些用戶的信息繭房。

信息繭房必定也是商業(yè)繭房

當(dāng)然，算法也不是一開始就這么眉清目秀的。在草莽拉新階段，在算法還不成熟的階段，播放停留時長還是最關(guān)鍵的指標(biāo)，大眾普遍喜歡的、門檻較低的內(nèi)容會被推薦更多，先讓你把APP用起來。

但現(xiàn)在短視頻平臺普遍已經(jīng)度過了用戶習(xí)慣培育的階段，更重要的目標(biāo)是用戶好感度的培育，是用戶長期活躍留存，是用戶商業(yè)價值的轉(zhuǎn)化擴(kuò)大。讓用戶沉迷某一類內(nèi)容，或者沉迷于低營養(yǎng)內(nèi)容，是不符合平臺運(yùn)營邏輯與商業(yè)邏輯的。

對平臺來說，讓用戶形成信息繭房其實(shí)是最糟糕的商業(yè)模式。

做個極端的推演，假如抖音只留下小姐姐跳舞，快手只留下老鐵666，這幾乎是人性偏好的最大公約數(shù)了，這樣一來，它們的商業(yè)價值只怕不到現(xiàn)在的十分之一。

一個只看釣魚的用戶，可能會轉(zhuǎn)化出魚竿和餌料的購買，還可能會給釣魚直播打賞，可就算重度沉迷的釣魚佬，又能在釣魚這件事上消費(fèi)多少錢呢？

單一維度，總有限度。

從商業(yè)層面考慮，平臺肯定希望你看完釣魚再看看汽車，然后了解下孩子作文怎么提高，接著發(fā)現(xiàn)同事又去哪里吃飯了正好還有優(yōu)惠套餐，說不定人到中年的你從小有個音樂夢想，會在某條視頻的帶動下去買一把小提琴……

即便不考慮商業(yè)利益，單一的內(nèi)容也總有厭倦的時候，單向度的信息繭房一定會在長期導(dǎo)致用戶流失，這是平臺算法絕不愿意出現(xiàn)的后果。

算法進(jìn)化讓多目標(biāo)平衡成為可能

那么問題來了：

算法既需要給用戶推薦確定喜歡的內(nèi)容，又要盡可能多地給用戶推薦“不了解但可能喜歡”的內(nèi)容，這就意味著肯定會出現(xiàn)用戶不喜歡甚至反感的東西，反過來影響用戶體驗(yàn)。這么復(fù)雜的目標(biāo)，算法真的能實(shí)現(xiàn)嗎？

假設(shè)你是超級富豪，有一本專門面向你一個人發(fā)行的雜志，一整個專業(yè)采編團(tuán)隊的目標(biāo)就是讓你一個人滿意，讓你多發(fā)獎金。他們會仔細(xì)研究你的愛好，并且滿世界到處搜羅你不了解但可能感興趣的東西。既要讓你每天讀到自己喜歡的東西，又怕你對單一內(nèi)容厭倦，還想讓你看到驚喜的內(nèi)容給編輯發(fā)獎金，既想讓你每天多看幾頁，又擔(dān)心你因此耽誤掙錢養(yǎng)不起雜志社，這么多目標(biāo)要想同時實(shí)現(xiàn)，是極難的事情。但你砸足夠多錢和人進(jìn)去，總還是可行的，畢竟服務(wù)你一個人就行，你再復(fù)雜也能被摸透。

但是，當(dāng)用戶擴(kuò)大到十億規(guī)模之后，不可能給每位用戶都配備一個幾百人的專屬服務(wù)團(tuán)隊，用戶也不可能負(fù)擔(dān)得起這個成本。

這就來到算法發(fā)揮作用的時候了，算法的迭代進(jìn)化逐漸讓多目標(biāo)的平衡成為可能。

根據(jù)抖音公開的算法原理，算法本身其實(shí)不具備“智能”，它并不理解一條視頻為什么受歡迎，不明白為什么人們會盯著一條拍夕陽的視頻看半分鐘不劃走，但它會記住這個行為出現(xiàn)的概率，并用模型來預(yù)測其他用戶的行為。

雙塔召回模型

歸到本質(zhì)，就全是數(shù)學(xué)公式，咱們也不嘗試去搞懂了，只需要知道這些模型會從每天數(shù)以億計的視頻及其互動內(nèi)容中汲取數(shù)據(jù)，成長進(jìn)化，從而能夠?qū)崿F(xiàn)多個存在交叉與互斥的目標(biāo)之間的平衡。

既要讓你喜歡，又不想讓你沉迷，活像一個魅力超凡的“渣男”有沒有？

和算法互動才會讓自己更舒服

作為內(nèi)容消費(fèi)的用戶，無論在哪個平臺，如今我們都避免不了要和算法相處了。那要怎么調(diào)教算法這個“渣男”，讓它更合自己心意呢？

以前流傳一種打破信息繭房（戒網(wǎng)癮）的方法，是給自己特別喜歡總?cè)滩蛔∫吹膬?nèi)容點(diǎn)“不感興趣”，以此減少算法推薦這類內(nèi)容。這種做法雖然有效果，但一兩次操作其實(shí)改變不大的（因?yàn)闀凰惴ㄗR破內(nèi)心）。不過這一思路卻揭示了一個本質(zhì)：

算法在每個用戶手機(jī)上呈現(xiàn)的結(jié)果，其實(shí)高度依賴用戶的互動反饋。

根據(jù)抖音公開的算法原理，收藏、評論、主動搜索、過后二次打開等互動對算法來說都是非常重要的反饋。

有句話叫“懂的知識越多，越明白自己的無知。”意思是隨著知識版圖越大，知識邊界也就越寬，就能接觸到更多的未知領(lǐng)域。

同樣的道理，你在短視頻平臺接觸的內(nèi)容越多，算法根據(jù)智能聯(lián)想給你推薦的新的興趣內(nèi)容就越豐富，這才是一個正向循環(huán)。

簡而言之，算法雖然很厲害，但算法并不是為你一個人設(shè)計的，它只是一個通用的工具，我們作為用戶需要不斷去與算法互動，變著花樣與算法互動，它才能更好地服務(wù)我們探索世界和拓展自身邊界的需求。

分享一點(diǎn)基本常識：

最了解我們的永遠(yuǎn)是我們自己，只是有時候通過算法這面鏡子照出來的自己真實(shí)模樣，有人不愿意相信。