抖音的算法推薦模式與發展策略

摘 要：算法與傳媒業的深度融合使抖音等短視頻軟件爆紅于網絡。本文旨在分析抖音的協同過濾、精準分發、疊加推薦3種算法機制。在此基礎上，探討其未來發展必須著力解決的現實問題及改善措施，以期為短視頻發展提供借鑒。

關鍵詞：算法推薦；抖音；發展策略

中圖分類號：G206 文獻標志碼：A 文章編號：1674-8883（2020）05-0209-01

一、引言

隨著技術的發展，個性化的信息定制服務已成為商家的必爭之地，算法推薦技術深入到了我們生活的各個方面。作為今日頭條旗下的戰略性產品，抖音的算法推薦模式在短視頻市場無疑占據了一席之地。從技術層面上說，它結合了基于內容和用戶信息的協同過濾算法技術，根據用戶的興趣愛好向他們推送相應的內容，幫用戶過濾掉一些無用或不感興趣的信息，實現了精準推送，給用戶帶來較好使用體驗的同時，也產生了一些現實問題。

二、抖音的算法推薦模式

（一）基于用戶信息的協同過濾推薦

基于用戶信息的協同過濾推薦是抖音整個算法體系中最基本的算法推薦技術。這一技術主要是通過獲取用戶的個人基本信息，如性別、年齡、興趣等來進行計算。除此之外，抖音還涉及諸如關注的人、粉絲、可能認識的人等此類社交信息。目前，抖音首頁分為“關注”和“推薦”兩個板塊，進入首頁后默認的是“推薦”板塊。在信息分發過程中，系統會根據用戶的個人信息和社交信息，通過協同過濾算法找到與該用戶相似程度較高的其他用戶所喜歡的短視頻，再把其中點擊量大、互動量高的短視頻推到該用戶的首頁推薦。一般來說，新用戶剛使用抖音時，首頁中的大部分段視頻都是經過基于用戶信息的協同過濾技術進行推薦的。[1]隨著使用時長的增加，用戶提供給抖音算法系統的信息將會更詳細，系統對用戶需求的判斷更精準。

然而這一算法技術建立在抖音系統內部用戶的信息歷史數據庫之上，若是數據稀缺，推薦的精準度則會大大下降。

（二）基于“去中心化”的精準分發推薦

在萬眾皆媒時代，社交媒體實現了“去中心化”的“點對點”傳播，每個用戶都是傳播場域中的節點，每個節點都可以獨立地生產內容。從傳者角度來說，“去中心化”可謂抖音算法推薦中的基本原則。它鼓勵普通用戶生產內容，即使是零粉絲基礎的普通用戶發出的短視頻，也會被分配幾十上百的基礎流量。新視頻的流量分發在“附近的人”和“關注的人”的基礎上，配合用戶個性標簽和短視頻內容標簽，將用戶發布的視頻推薦至與其具有相同屬性的其他用戶首頁。從受者角度來說，智能精準推薦是在“去中心化”的基礎上進行的，系統識別視頻內容，并根據用戶點贊、評論、轉發等使用習慣挖掘用戶的興趣點，將各類短視頻分發至各類用戶首頁，以滿足不同用戶的觀看需求，從而提升用戶黏度。但長此以往，此類精準分發的推薦模式易造成用戶接收的短視頻內容過于單一化，使用戶置身于“信息繭房”中。

（三）基于內容流量池的智能疊加推薦

當一個新用戶發布視頻后，系統會智能分發一定的基礎流量，若該視頻在基礎流量池中表現較好，完播率、互動率高，算法則會自動加權給該視頻更多的推薦流量，進而得到更高的閱讀量與互動量。算法疊加推薦的評估標準以短視頻內容的綜合權重為基礎，完播率、點贊數及評論數等都是判斷其表現好壞的關鍵指標。一旦達到特定的量級門檻，平臺就會實行大數據算法與人工運營相結合的方式進行加權推薦。所以，只有經大量粉絲檢驗，被不斷加權篩選后的短視頻才能真正被推至抖音首頁。

較前面兩種算法而言，基于流量池的疊加推薦更注重視頻傳播效果的評價而不是視頻內容優劣本身。若是抖音成了純粹的流量平臺，可謂難言質量又難保導向。

三、算法推薦模式的問題與未來發展

鑒于擁有強大的算法推薦模式，抖音在競爭日趨激烈的短視頻市場中取得了初步的勝利。在今后的發展中，抖音必須將算法推薦技術的重點放在解決現實發展中存在的問題與隱憂上，這樣才能保證在短視頻市場長盛不衰的領軍地位。

（一）算法推薦強化了“信息繭房”

算法推薦強化了“信息繭房”這一問題。“信息繭房”是兩種傳播思維相互碰撞的結果，傳統意義上的大而全的傳播模式注重“面”的拓展，而基于算法的個性化信息推薦則注重“點”的挖掘。[2]因此，個性化定制服務在滿足用戶的特定需求的同時，也在一定程度上限制了用戶信息的接觸面。基于用戶信息的協同過濾推薦將有共同喜好的人聚集在一起，基于“去中心化”的精準分發推薦使受眾接觸到的內容深化，卻窄化。用戶進入抖音所營造的擬態環境中，長此以往，容易使用戶將自己圈層固化在自我認可并熟知的領域內，沉浸在個性化算法推薦帶來的“幸福感”中難以自拔，進而成為抖音的“囚徒”。

為規避這一問題，抖音平臺可將個性化推薦與多樣化內容打包組合。一方面，通過擴大算法推薦的選擇，增加信息推送的多樣化來改善認知偏見；另一方面，通過公開算法的偏向性與局限性，讓用戶有意識地關注和瀏覽不同類別的信息，決定自己被“禁錮”的程度。[3]

（二）算法推薦缺乏內容“把關人”

“把關人”功能逐漸弱化，算法推薦缺乏對內容的審核和把關。算法是否能夠將“事實”與“虛構”區分開來，是否會大量傳播虛假、低俗的內容，這一問題仍是算法推薦在技術上亟待解決的重中之重。雖然抖音用戶上傳短視頻后會進行機器和人工雙重審核，但抖音用戶數量大，對于內容的審核與發布多由機器算法完成。縱使機器算法再智能，也存在弊端，很難做到杜絕低俗、虛假內容。并且基于內容流量池的智能疊加推薦側重于對加權分數的抓取，視頻內容的優劣以及價值取向難以識別，這就使得一些低質量、非主流價值取向的短視頻成為漏網之魚。

自2018年起，今日頭條增加了大量的內容審核人員，從算法為王逐步轉向人機結合。抖音平臺也應強化總編輯責任制，積極引入人工審核機制，擴大人工審核規模，逐漸樹立傳播審核過程中“人”的參與意識。只有以“人”為中心，機器算法技術輔助配合，才能推進算法推薦內容的優質化、精準化和法制化。

（三）算法推薦容易引發“馬太效應”

基于內容流量池的智能疊加推薦，當抖音中某些題材或內容占據了大量的流量資源時，一些在第一輪流量池中表現不盡如人意的優質視頻則會失去被進一步推薦的機會，容易引發強者越強、弱者越弱的“馬太效應”。平臺也會被“大V”裹挾，步入不上不下的尷尬境地。若一些小眾但內容優質的短視頻難以生存，無法被推薦至相應的用戶信息流中，那部分內容生產者可能會為了迎合大眾口味來改變內容生產方向，甚至是轉移平臺。同時，也存在因用戶難以得到滿足，用戶黏度降低的情況。

抖音平臺應尊重用戶的多元化需求，尤其是小眾需求。對于具有優質視頻生產能力的用戶給予鼓勵，將內容做熱、做快的同時，解決將內容做全的問題，依靠優質的平臺內容提升用戶黏度并吸引新用戶。

四、結語

大數據時代，媒介技術的發展勢不可擋。目前，完全依靠協同過濾和精準分發的單一算法推薦已不足以滿足受眾的需求。抖音平臺應起到行業領軍者的帶頭作用，從多個維度完善算法推薦系統，采用更加多元和開放的算法組合推薦，更好地傳播優質內容，營造優質的短視頻發展環境。

參考文獻：

[1] 趙辰瑋，劉韜，都海虹.算法視域下抖音短視頻平臺視頻推薦模式研究[J].出版廣角，2019（18）：76-78.

[2] 喻國明，韓婷.算法型信息分發：技術原理、機制創新與未來發展[J].新聞愛好者，2018（4）：8-13.

[3] 王斌，李宛真.如何戳破“過濾氣泡”算法推送新聞中的認知窄化及其規避[J].新聞與寫作，2018（9）：20-26.

作者簡介：黎曦子（1997—），女，湖北荊門人，西南大學新聞傳媒學院傳播學專業碩士研究生。