算法背后：平臺和用戶相互影響。

文丨孫海寧

編輯丨高洪浩

內容平臺天生面臨一個矛盾：推薦算法太透明，不但暴露商業機密，還容易鼓勵創作者和商家針對優化特定數據搏流量；推薦算法不透明，每當攪動社會情緒的事件出現，用戶總會懷疑內容平臺在操控信息流動。

抖音是國內最大的內容平臺之一，相應也受到最猛烈的批評。去年 11 月，知名企業家鐘睒睒公開指責抖音放縱造謠賬號抹黑企業形象，引發共鳴；近期，北京大學青年教師韋東奕在抖音開通賬號，迅速獲得超千萬名粉絲，又有用戶指責抖音 “造神”。

同期，中國監管部門也發起針對互聯網平臺的治理行動，把 “以適當方式公示算法推薦服務的基本原理、目的意圖、主要運行機制等” 作為工作目標。

今年年初開始，抖音成立算法透明項目組，首次對外解釋推薦算法的原理、治理內容生態的思路。《晚點 LatePost》訪談了抖音算法、生態治理相關負責人，了解這家公司如何影響用戶、又如何被用戶影響。

推薦算法學習用戶行為規律

用戶點擊手機上的音符圖標，打開應用的幾秒內，抖音推薦算法已經在每天增加數億個視頻的內容庫中，完成推薦運算，再根據運算結果排序。大邏輯不復雜：

先分別估計視頻引起用戶某個行為——點贊、評論、進入直播間等等——的概率，再用事先確定的行為價值分數和行為概率相乘，然后加總。最終得分越高，視頻就越可能被刷出。

預測行為概率是靠歷史數據。過往視頻激發了哪些行為，以及這些視頻、視頻觀眾的特征，會源源不斷地匯入機器學習模型，就像帶有標準答案的樣題，供模型學習。理想情況下，每迭代一次，模型預測行為概率時就估得更準。

“模型本質是在學某類人對某類視頻發生特定行為的規律。” 抖音算法工程師劉暢說，“如果模型判斷你我興趣相近，之前我點贊某個歷史視頻，那模型可能估計你也容易為它點贊。”

平臺能獲取到的各類信息可能都有助于提高模型預測的準確度。為增加模型可用信息，抖音有時還會重新設計用戶界面。2021 年之前，為求首面板簡潔干凈，用戶只有長按屏幕或者點擊分享之后，才能在二級面板內收藏視頻。但在推薦團隊嘗試提升中、長視頻的分發效率后，意識到 “用戶收藏” 是反映視頻質量的重要信號，因此將收藏按鈕提至首面板，方便收集更多收藏數據。

模型估出用戶各項行為概率后，還要乘以預先確定的價值分。價值分越高，意味著某項行為越被平臺鼓勵。相比目標是提高客觀預測精度的行為概率模型，價值分更體現平臺主觀偏好，設定不好，就可能大幅影響平臺生態。

抖音確定行為價值分是靠 A/B 測試：微調一組用戶推薦算法的價值分，再和另一組沒調整的用戶對照，觀察平臺重視的各項指標如何變化。這些指標可以是日活躍用戶數量、創作者投稿數量、平臺商品銷售額等。

多個指標可能同時朝不同方向變動。這時抖音數據分析團隊會在各個指標之間創建換算關系，并約束它們對最重要的 “北極星” 指標——長期留存——的影響。

觀察上述指標變化，抖音可以判斷業務團隊是否像自己聲稱地那樣完成任務。比如抖音電商定位 “興趣電商”，目標是推薦用戶需要的商品。“衡量推薦精度的電商轉化率提高，就不能把衡量用戶體驗的活躍度指標拉下去。” 劉暢說。

用戶使用抖音的習慣不同，同一行為暗含的信息量也就不同。熱衷點贊的用戶可能不放過每次鼓勵創作者的機會，無論視頻質量優劣；要求更高的用戶則只會對自認為最高質量的內容點贊。顯然，后一種點贊顯出視頻對用戶的價值更高，價值分應該隨之調整。

為此，抖音允許價值分在平臺預設的基礎上千人千面地變化，同時也會針對有特定觀看習慣的用戶設計特定策略，由此保證價值分反應用戶偏好。

抖音會控制價值分個性化，或者針對特定行為策略的復雜程度。劉暢說這一方面是出于成本考慮，多一個模型動態調整價值分，算力成本就被堆得更高。另外，推薦系統需要控制復雜度，增強算法魯棒性——讓系統面對各種干擾時仍保持穩定運轉。

先人工定調，再機器放大

推薦算法并非萬能。它只是根據用戶可能 “點贊、評論、分享” 的概率，加上平臺給這些動作設定的權重，為內容排序，看不出視頻本身是否優質。維護內容生態，先得由平臺員工確定內容評判標準后，推薦算法才能批量執行。

抖音內容運營負責人李翔宇告訴《晚點 LatePost》，2023 年開始，抖音運營部門更重視增加優質內容占比。

新工作從定義何為 “優質供給” 開始。運營員工人工初篩出各個內容類目的優質視頻，然后定期開會二次篩選、討論，提煉出這些視頻的特點，形成可以被文字闡釋的標準。

“我們會請創作者幫忙一起研判，一些觀看次數不高、可我們覺得是優質的內容會發給創作者，請他們從專業視角評判。” 李翔宇說。過程中，播放量高但沒有創意的視頻也會被拿出來討論，“比如賣弄技巧，但沒有信息量的視頻。”

優質標準是動態調整的。“抖音剛上線時，運鏡視頻肯定屬于優質內容。但發的人越來越多，觀眾審美疲勞，創作者就需要在運鏡基礎上增加更多創新玩法。” 李翔宇說。

標準制定好，更多內容運營和審核員工就能參考它們，為更多內容打上 “優質視頻 / 非優質視頻” 的標簽。這之后，有了學習樣本的算法開始發揮效力，批量識別出還沒經過人工評判的優質視頻。

“算法的優勢在于批量處理。畢竟運營員工能研判的視頻數量是有限的，算法可以將更多優質創作者和優質視頻更早地發掘出來。” 李翔宇說。

就像所有內容平臺，抖音會對優質視頻提供流量激勵。之前的方式是保證它們獲得一定播放量，但效果有限。“比如中、長知識類視頻，用保證一定播放量的方式幫它們完成冷啟動，之后完播率還是天生不如 10 秒短視頻，得不到算法重視。” 李翔宇說。

新辦法是在定義優質內容后，看哪些用戶行為和行為價值分可以讓流量導向優質內容，抖音就強化這些目標，如收藏、反復觀看、搜索等。去年，一條 450 分講紅樓夢的視頻獲得 3 億播放、780 萬收藏、637 萬分享，大量用戶的收藏和分享，讓這條長視頻得到更好的分發，被抖音當作算法和用戶雙向選擇的最佳實踐。

提振優質內容外，內容生態治理的另一項主要工作是打擊劣質內容。這也是只有機器和人工相互配合才能完成的工作。

創作者發布視頻后，內容會經歷多層審核。第一層審核針對所有視頻，目的是擋住違法違規、觸犯底線的內容，主要靠機器，機器認定內容風險較高則會交給人工判斷；播放量再上升到一定程度后，機器、人工會配合著二次審核，處理不宜過多分發，但不涉及底線問題的視頻；高熱內容還要經過第三層審核。

除了依序推進的層級審核，某個視頻收到過多用戶負面反饋，或流量異常突變時，也會觸發研判治理環節，如果治理員工發現問題，同樣會停止分發和推薦視頻。

上述標準審核流程外，抖音還會針對網絡暴力、未成年人保護、AIGC 違規內容治理等焦點問題發起專項治理，單獨設立團隊構建治理框架。比如，和抵制網絡暴力相關的措施包括搭建網暴賬號監控池、上線一鍵關閉來自陌生人的評論、私信及被搜索到的功能等。

“之所以叫 ‘專項’，是因為治理這些問題需要調動多個部門，像上線新功能就需要產品、研發支持。但 ‘專項治理’ 不是 ‘項目制’，沒有結項日，開始之后會長期持續做。” 李翔宇說。

平臺影響用戶，用戶改變平臺

無論是提振優質內容還是打擊劣質內容，抖音治理措施不是平臺單方面意志的實施，而是和用戶行為相互影響、相互適應的結果。

電商主播在抖音賣貨時，習慣用 “米” 替代 “錢”，這是因為有傳言說 “錢” 在平臺的敏感詞列表中，主播講太多次，會影響直播間流量。

“這把治理想象得太傻了。‘錢’ 是常用字，不可能用作敏感詞過濾。” 李翔宇回應。盡管抖音 2021 年就開始澄清可以用 “錢” 字，但只要傳聞涉及流量和隨流量而來的收入，電商商家仍然寧可信其有。

相關案例增加后，抖音反而得治理非規范用字，今年會先從播放量超過千萬次的高熱視頻開始。“也不能立刻一棍子全打死，因為很多用戶已經習慣直播間里的特定表達了。”

對付謠言時，抖音留有 “舉報” 按鈕，希望理智的用戶能自發識別、對抗部分謠言。但李翔宇說舉報渠道產生的信號并不完全可信，每天最多的舉報信息都涉及明星，背后是一個明星的粉絲群體試圖壓制另一個明星相關內容的流量。

為更好地識別、對抗謠言，抖音設有一個三十人的團隊，每天主動巡檢、收集各類虛假信息，整理成一個 “謠言庫”，然后交給機器學習模型識別相關視頻。“比如人工入庫一個 ‘韋東奕解決了六個博士四個月沒解決的難題’ 的謠言，只要已有、新上傳的視頻內有相關表述，就會被機器識別然后處置。”

一些信息在傳播過程中因關鍵要素缺失，導致用戶理解偏差，演變為謠言，平臺就得通過多次核實才能 “跑贏” 這些不實信息。

一個例子是，近期網絡上廣泛傳播的 “犬類禁養名單”。謠言炮制者拼湊各地分散的養犬管理規定，把部分城市在特定區域對特定犬種的限養政策，夸大為全國性禁養政策。對此，抖音需反復查閱官方文件，才能還原事件真相：目前，國家層面尚未出臺統一的禁養政策，相關管控措施由各省市地方政府制定。

今年二季度開始，抖音治理團隊依據信息危害程度，進一步將謠言分為 “需要核實” 和 “無需核實” 兩類。

“無需核實” 類包括 “明確存在不良社會影響或違背常識的無稽之談” 的內容，如 “某高校研究發現人類可以重生”，會直接被平臺限制傳播。“需要核實” 的信息，先由聯網大語言模型進行事實核查，若模型檢索到的權威信源不足，則觸發人工核查員介入，最終根據核查結果，將內容細分為 “謠言”“疑似謠言”“爭議內容” 三類，并匹配對應的分級處置策略。

和謠言同樣棘手的是熱點事件。去年一名網名為 “胖貓” 的男生跳江身亡后，他的姐姐在抖音發聲指責 “胖貓” 女友詐騙錢財，發酵成為公共事件，但公安部門調查后發現指責不實。反思時，抖音認為熱點事件當事人有發聲權利，但在事實水落石出前，也應該防止當事人不當利用輿論，傷害其他相關方。

今年 5 月，抖音出臺社區熱點信息和賬號治理規則。基本原則之一是 “保護熱點發酵中當事人（方）的隱私、名譽、人身安全等權益。” 對事實不清的熱點信息，抖音會增加提醒標簽，并會通過熱榜、彈窗推送的方式傳播熱點事件節點信息、核心事實。

此外，爭議熱點事件爆發后，抖音會暫時禁止當事人帶貨、接廣告或接受直播打賞。這既是因為公眾反感素人走紅后立刻變現，也為防止當事人生活受巨大流量反噬。

問及是否對熱點當事人管得太嚴時，李翔宇說很難定論：“根據很多熱點事件演進的經驗，當事人可能需要冷靜一段時間想清楚后續的規劃。冷靜期過后，我們會放開對變現的限制。”

必然的變革，漫長的適應期

“和你的瀏覽器說再見吧！”1997 年，科技作家凱文 · 凱利在《推送！》（Push！）一文中寫道。他把靠人們主動搜索來傳遞信息的互聯網稱作 “拉式媒體”（Pull Media），并預言它會被 “推式媒體”（Push Media）取代：

不等用戶點擊，內容會主動出現在電視機上、電腦上、墻上、擋風玻璃上，或者其他任何能塞下一塊屏幕的地方。憑借無線傳輸技術，一度安靜的角落里也會充斥信息，廣告商爭搶人民注意力的競爭會空前激烈——總之，帶著全新的交互方式，推式媒體將塑造一個全新的世界。

只要人類創造信息的速度快于消化信息的速度，情況就不可避免地朝凱利描繪的方向演進。但速度沒那么快。2006 年 Facebook 上線無限滾動的 News Feed 信息流后，靠推薦算法變得可用的推式媒體才算登陸電腦。等推式媒體開始占領手機屏幕，還得再十年。

過程中，種種爭議也隨之而來。YouTube 推薦算法一度被報道過分追求 “用戶觀看時間”，一步步把用戶引至容易上癮的陰謀論視頻；Instagram 被指責加重用戶身材焦慮，其他主流內容平臺的信息流幾乎都引發過批評。

這不可避免。改天換地的新技術總是創造矛盾、引起爭議，這些矛盾、爭議先引致新的監管框架、社會共識，然后約束新技術更好地服務社會。

每一次公眾、監管對內容平臺的問責，每一次問責后平臺的反思、調整，都是新技術和社會的相互磨合的注腳。

最終檢驗算法的優劣的，不是它匹配內容和觀眾的精度，而是它與使用者之間相互適應的程度。

題圖來源：視覺中國