抖音上熱門背後的演算法，沒有你想的那麼「簡單」

如今，演算法的遭遇同樣如此。

簡單通俗的講，演算法就是一套評判機制。這套機制對平台的所有用戶都有效，通過根據用戶的一系列反饋行為來改進平台功能，提高用戶體驗最終使平台形成一個可循環的良性生態。

所以它需要另一種分發手段來補足演算法的不足和弊端，或者說找到驅動頭條系的第二個輪子，現在看來第二個輪子就是粉絲分發，或者叫社交分發。如今的今日頭條已經更新過7個大版本，早已不是純演算法，而是「演算法+社交+搜索+問答」的綜合體。

演算法的價值還在於長尾分發，即使小眾信息也能獲得較好的推薦，與此同時，在信息足夠豐富的情況下，擁有小眾興趣的人也能找到有價值的信息。

比如一些比較冷門的電影，80年代的老照片，大學的校園資訊。這些原本散落在互聯網各個角落的信息，被收納進一個推薦盒子，出現在你眼前，而不是像過去那樣被埋沒在信息的大海中。

而且如果你看一下整個今日頭條首頁，它其實是有四塊：

第一個是搜索區，用戶可以主動搜索感興趣的信息；

第二個是置頂區，屬於國家大事；

第三個是要聞區，屬於重要的媒體新聞，通常會打上「熱」的標籤；

第四個才是個性化區，屬於用戶偏好的資訊，這裡既包括用戶自主訂閱的信息，也包括系統推薦的信息。

也就是說，在今日頭條實際產品機制中，演算法並不只是給你推感興趣的內容，也不存在只能看到演算法推薦的內容的情況。

今日頭條的成功，主要還是靠對流量的理解和公司的運營、演算法、數據化思維形成的執行力。演算法是很重要，但也只是其中的一環而已。

-02-

演算法並不是你喜歡什麼就只給你推什麼

如果你以為演算法是你喜歡什麼就給你推什麼，就未免把演算法想得過於簡單了。

其實這種說法很早就有了，傳播學裡面叫所謂echo chamber situation（迴音室效應)，很多人擔心互聯網的內容推薦演算法會加劇這種所謂的迴音室效應——喜歡什麼就推什麼，最後全部都是同一類內容，看不到其他。但事實證明這並沒有發生，也沒有哪個互聯網公司會傻到這麼去做。

原因很簡單，人性本身就是喜新厭舊的，對多樣性的追求是一個很基礎的需求。喜歡什麼就永遠推什麼本身就很反人性。就好像愛吃什麼就頓頓都給你吃一樣的東西，不給你看菜單一樣，沒有任何一家飯店會這麼做。

比如我們拿抖音實驗一下，用一台新手機在未登錄狀態下打開抖音隨機刷10條，統計如下：日常生活（2條），簡筆畫（1條），萌寵（1條），戶外紀實（1條），小姐姐（1條），英文教學（1條），家庭親子（1條），健身（1條），炒菜（1條）。

在已登錄狀態連續點贊了50個小姐姐視頻，重啟後，抖音接下來推薦的50個視頻分別是：小姐姐24個，日常生活9個，旅行風景6個，跳舞5個，正能量3個，萌寵1個，科普1個，健身1個。

也就是說，即使你再瘋狂關注小姐姐，抖音也不可能連續給你推送小姐姐視頻。

事實上，演算法針對用戶的興趣偏好，具備一定的打散機制，不會出現連續雷同推薦的現象。認為演算法只是記錄你單一的喜好，然後根據這一愛好來做推薦，首先是看不起人性，其次是瞧不起演算法。一個擁有健全人格的人，從來不可能只有一種愛好——喜歡小姐姐，並不妨礙你同時喜歡萌寵，世界各地的風景，音樂和舞蹈。

而且因為邊際效用遞減的規律，連續推送同一個主題是一件很虧的事情，吃力不討好。

社會心理學上也有「貝勃定律」。當人經歷強烈的刺激後，再施予的刺激也就變得微不足道。就心理感受來說，第一次刺激會沖淡第二次刺激。

這也解釋了人們為什麼總是「喜新厭舊」，一個人的興趣愛好，不可能總是一成不變。

可以說，即使從滿足用戶需求的角度，平台也不可能一直給你推小姐姐。

-03-

演算法自身有探索能力

何況，演算法不是機械的算術。

若是如此，各大科技公司也用不著為爭搶名校畢業的演算法工程師而擠破頭，演算法工程師也根本不值得年薪百萬，Google、微軟等也無需聘用大量的高端人才進行推薦演算法優化。演算法的魅力，在於不斷學習、迭代和進化。

機器人之所以能夠戰勝世界頂級棋手，就是因為它強大的學習能力，形成極高的競爭壁壘。而探索性，本來就是推薦演算法原本就有的特質之一。

這裡涉及到一個知識點：協同推薦。

演算法的協同推薦，除了內容本身，還包括基於用戶推薦，根據分析不同用戶之間的相似性，從而擴展推薦的探索能力。張三喜歡科技、財經、體育，李四喜歡科技、財經、體育、健康內容，那麼，演算法會嘗試將健康資訊推送給張三。

因為在推薦系統看來，張三和李四是相似的人。於是，張三就可以接收到原本不在自己興趣範圍內的健康資訊。

推薦系統是在推薦跟你相似的一群人可能感興趣的內容。

他們感興趣的內容很可能是你會感興趣的，但是你此前還不知道的，所謂的「你不知道自己不知道」。這在一定程度上豐富了內容。

-04-

演算法比社交更容易突破圈層

相比之下，朋友圈具有更大的「迴音壁」效應，人往往陷入而不知。

因為朋友圈裡的一切信息，完全由你個人定製，因為內容產出方完全是自己篩選出來的，人根本聽不到和自己相左的觀點和意見，很容易形成同一類人或者同一群人的偏見。

而通過演算法推薦內容，不是根據觀點推薦，這就可以確保更多種多樣的觀點。

若不是短視頻APP出現，社會底層的工作者、普通人，還會被這個社會繼續忽略。

這些人可能是你每天給你送外賣的小哥，很有可能是給你理髮的學徒，是你手上拿著的手機的流水線上的工人，他們不曾上過微博熱搜，從不逛知乎，更不會出現在你的微信朋友圈裡。是演算法讓來自全國各地、各種身份的人無差別地匯聚到了你的手機里。這才能透過手機屏幕看到豐富多樣的人生百態。

比如，抖音甚至會重新推薦資料庫里的「優質老內容」，給它更多的曝光。

這些老作品之所以能被「引爆」，一般都是因為這些賬號已經發布了足夠多足夠垂直的內容，標籤變得更清晰，推薦演算法能夠幫助這些優質內容匹配給更精準的用戶。而在公眾號這樣的平台上，很少會有一個月前的精品內容能被「挖墳」再火的，這其實是對海量優質內容的浪費。

一個優質的推薦系統，本質上是信息降噪的過程。從一個巨大的內容池中，選出對你而言有價值的信息推薦給你，降低你尋找信息、篩選信息、組織信息的成本。

說到底，演算法也好，APP也好，都只是一個工具。誠然，演算法作為工具應該不斷完善。但具體如何使用，取決於人自己。

羅素提過一個看法：不管你是在研究什麼事物還是在思考任何觀點，請只問你自己「事實是什麼」以及「這些事實所證實的真理是什麼」。永遠不要讓自己被自己所更願意相信的，或者你認為人們相信了之後會對社會更加有益的東西所影響。只是單單地去審視，什麼才是事實。

讓我們變傻的不是演算法，而是失去理性的審視。

你是如何理解抖音熱門視頻背後的演算法的？

歡迎留言和我們分享。

推薦閱讀：