短視頻平臺個性化推送的SWOT分析
——以抖音為例

李絮君 林 濤

（1.肇慶市廣播電視臺，廣東 肇慶 526000；2.廣東金融學院，廣東 廣州 510521）

導語

抖音自2016年上線后，逐漸成為國內最具有代表性的短視頻App之一。截至2020年7月，抖音月活躍用戶數超過7億，這其中個性化推送是抖音的一大特色，也是它之所以能夠捕獲巨大用戶群體的重要原因。

大數據時代下的個性化推送能幫助運營者捕獲使用者的日常偏好，從而推送相關相似的內容給受眾，用關聯性和相似性留住用戶，能夠短時間內明顯提高用戶的黏性。但同時，這種推送的算法過于個性化，導致大部分研究都在詬病個性化推送導致“信息繭房”現象日益加劇，人們獲得的消息變得局限。

本文希望通過對抖音個性化推送的分析，辯證地看待個性化推送這個技術，探討出抖音個性化推送的傳播價值，以及對大數據時代下媒體出現的新型運營模式做進一步的了解，希望得出運營模式的更優解，以及讓使用者有更完善的用戶體驗。[1]

1.基于大數據和人工智能的短視頻推送模式

個性化推送，是一種通過數學算法基于大數據和人工智能推演出受眾的潛在心理喜好，進而有的放矢地向受眾傳播相關內容的推送模式。該模式是美國人工智能協會在1995年提出的，其原理分為基于內容、基于協同、基于關聯規則、基于效用、基于知識、基于組合推薦等六種推薦模式。該模式初期主要運用于電子商務領域，但新媒體的迅速發展讓各個互聯網公司開始用這種算法模式來吸引和維系用戶流量，如大眾較為熟知的短視頻平臺——抖音，其具體流程和特點如圖所示1。

1.1 首先是基于用戶個人信息的協同過濾

基于個人信息的協同過濾推薦是抖音整個算法體系中最基本的技術。通過用戶本身授權獲取用戶的個人基本信息——主要是年齡和性別，初步根據上述兩種信息在“推薦”版塊推送相似用戶的偏好視頻，同時推送當前抖音熱搜榜上的熱門視頻。隨著用戶使用時長的增加，用戶提供給算法的后臺數據會逐漸增加，使得算法對用戶的畫像更加精準。

圖1 抖音個性化推送流程

圖2 基本協同過濾模式

1.2 “去中心化”的精準分發推薦

“去中心化”，指的是擁有眾多節點的系統中節點與節點之間的影響，會通過網絡而形成“非線性”因果關系。在新媒體網絡矩陣中，每個人都可以是內容生產者，且發布的視頻會根據用戶的個性標簽和短視頻的內容標簽，推薦給與其屬性相同的其他用戶。然后在用戶后續使用中，不斷抓取用戶的行為習慣，保持用戶畫像的精確性和可參考性。[2]

圖3 去中心化精準推薦模式

2.抖音個性化推送的SWOT模型

SWOT 是競爭優勢（Strengths）、競 爭劣勢（Weaknesses）、機會（Opportunities）和威脅（Threats）的英文首字母組合成的縮寫名稱。通過羅列自身的優勢和劣勢，以及潛在的機遇和威脅，將不同的兩者組合形成SO、ST、WO、WT，進而分析得出一個未來可行的具體戰略。

2.1 個性化推送的優勢——迅速吸引及留住用戶

用戶對一個軟件的使用通常源于本身有某方面的興趣或需求，如微信——聯系、通訊的需求、網易云——聽音樂的需求、下廚房——做飯的興趣等等。因此，興趣與需求是軟件和潛在用戶之間隔著的一道最大的壁壘。而個性化推送的模式能夠在短時間內抓取用戶的使用偏好，通過系統識別視頻內容、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，這種模式可以短時間內迅速激起用戶的興趣，并投入更多的時間成本在其中。從而提升用戶黏度。對于破除興趣與需求壁壘成效顯著，其效果也很明顯。2020年1月，抖音宣布DAU超過4億，9月15日，抖音在上海舉辦了第二屆創作者大會，并宣布DAU突破6億。

圖4 抖音2019-2020DAU數據

2.2 個性化推送的劣勢——“信息繭房”

“信息繭房”的現象隨著互聯網的發展日益突出，而個性化推送的出現更加劇了“信息繭房”現象的形成。相較于傳統媒體全面的傳播模式，在個性化推送的時代，更注重于對某個特定的點進行拓展延伸。這種由面向點的變遷，導致在個性化推送時，會一定程度上導致用戶的信息接觸面窄化。這也是個性化推送這一模式存在的最大問題，因為這一點近年來這個技術也飽受相關業界人士詬病。

隨著系統對用戶的畫像變得精確，對用戶的喜愛偏好也進一步明晰，其個性化推送將被局限于某一個用戶專屬的領域，使得用戶在未來長期處于單一領域中，可能僅僅被推送單一的信息。[4]

長此以往，容易導致大眾對外界的信息認知不全面，讓用戶沉浸在一個自己筑建的擬態環境中，一直停留在自己的喜好的領域，將有限的注意力放到興趣、觀點和態度一致的信息上，而忽略不同的觀念表達及觀點碰撞，造成用戶認知上的偏頗，沉浸在個性化推送帶來的虛擬幸福感中，成為個性化推送的“囚徒”。

2.3 個性化推送的機會——千人千面的專屬平臺

抖音這一產品適應了大眾的注意力從文字內容轉向電子視覺媒體的大趨勢，因此從大環境上來看，個性化推送與抖音是珠聯璧合的。利用個性化推送的機制，能讓用戶在短時間內自主地選擇自己想要看到的作品，通過檢索及觀看相關視頻，使得每個不同的抖音用戶因為使用者的不同而成為獨特的資源獲取者。[5]

2.4 個性化推送的威脅

2.4.1 審美疲勞

首先，抖音對于用戶的吸引力很大程度在于用戶對下一個視頻內容完全無預期，處于一種被滿足感的渴求而不停地瀏覽視頻作品，漸漸的用戶就在不停地被滿足的過程中造成行為上癮。 而一旦長時間的瀏覽過程中，頻繁出現相類似的作品，會削弱用戶的觀感體驗，不再產生被滿足的渴求，甚至出現厭煩心理。

另一方面，由于目前抖音的個性化推送主要偏向分析用戶的偏好行為，而對用戶的厭惡分析較少。相比于以觀看時長，點贊、評論等主觀性的操作作為衡量用戶是否喜好這一類型的指標，用戶如果不喜歡該視頻，需長按視頻后才能進行相關反饋。在這個時間成本和注意力稀缺的時代，少有人愿意去花費時間進行這一操作。

然而用戶的喜好不是一成不變的，這種將候選項限定在與歷史興趣相似范圍內的推薦算法限制了用戶，降低了用戶的體驗。 因此，當用戶對曾經喜好的某類型的作品不再感興趣時，相關的反饋機制還不夠完善，導致用戶的偏好未能及時更新，對推送的作品審美疲勞，使得用戶流失。[6]

2.4.2 隱私問題

用戶的個人信息如年齡、性別、閱讀興趣、行為習慣、健康數據、地理位置等，都被算法推薦系統所熟知，系統據此分析出用戶畫像，從而進行信息的個性化推送。從這個意義上來看，用戶似乎無時無刻不處在一個被監控隱私的“監獄”中，而通常用戶本身并不知覺。

但在近幾年的用戶反饋中，個性化推送侵犯用戶隱私的呼聲越來越大。在授權相關的賬號登錄后，在關聯賬號中的地理位置、搜索行為等信息也會被相應拾取。個性化推送這種不斷收集處理、控制用戶的個人信息的模式，使得用戶對于被追蹤只能被動接受，甚至出現還未有需求就被個性化推送算法通過多處收集的信息推算出用戶未來的需求。

3.抖音短視頻個性化推送的策略優化

3.1 基于SO策略的優化

3.1.1 呈現全面的新聞信息網絡

算法技術的個性化推送可以做到新聞的實時抓取，并且進行實時推送，能讓用戶第一時間全面了解某一新聞事件的全貌。通過個性化推送的機制，一方面可以維護公眾的知情權，同時減少反轉新聞的發生。2021年1月6日，抖音V14.3.0版本已推出熱點視頻下方有相關閱讀鏈接。[7]

3.1.2 大型的資源平臺

在“DOU知計劃”2.0啟動儀式上，發布的合集功能已經正式上線，對粉絲10萬+的創作者可以將自己的作品歸于一個合集中，用戶可以自行選擇想要觀看的集數，同時能在創作者的個人主頁下查看所有合集內容，快速篩選、播放和收藏。這就解決了抖音沒有歷史記錄的問題，讓整個抖音形成一個較為全面的資源整合平臺。

3.2 基于WO策略的優化

3.2.1 優化個性化推送模式，防止信息過于單一

通過優化個性化推送模式，在主推用戶的偏好作品的同時，加入更多元化的作品。在個性化推送的同時引入更多的無關變量，以便用戶在興趣轉移或者審美疲勞的時候，存在一個引導性的出口，而不至于直接停止使用該App。[8]

3.2.2 加強審核和相關的價值引導

流量為王的個性化推送，必然出現為了流量而做出的博眼球、違反正確價值觀的作品，這就要求軟件方要在作品的內容審核方面多花功夫。自2018年起，抖音平臺增加了大量的內容審核人員，抖音也應強化總編輯責任制，積極引入人工審核機制，從“算法為王”向人機結合過渡。同時，也要定期在用戶界面彈出價值引導的簡要通告，增強對違規行為的懲罰力度。

3.3 基于ST策略的優化

3.3.1 改善“不喜歡”的反饋機制

目前，抖音審核喜愛偏好的元素有“點贊”“評論”“轉發”“停留時間”等，但判斷厭惡偏好的只有“停留時間”，以及極少人使用的“長按功能”。因此，在界面上仍需要強化不感興趣的反饋機制，只有喜好和不感興趣的反饋機制相對平衡，才可能獲得一個更為精準的用戶畫像，減少用戶轉移。

3.3.2 引入“權威”、“官方”起輿論導向正能量的作用

2018年12月抖音平臺陸續有政務號和媒體號入駐，新媒體與主流媒體呈現互利共贏的發展態勢。一方面政務號和主流媒體號的官方入駐，代表了社會各界對抖音平臺的認可，另一方面抖音也為政務號和主流媒體號帶去了更高的人氣和傳播的新方式。目前，抖音已初步建起一個專業的官方發言渠道，未來為了避免無效、劣質、錯誤內容的生產，抖音可以選擇優先推送政務號和主流媒體號的抖音作品，讓普通用戶能快速獲取準確信息。[8]

3.4 基于WT策略的優化

3.4.1 提高用戶在個性化推送中的自主權

一方面，加強用戶的“自主畫像”，類似于小紅書的“喜歡什么類別”，讓用戶的喜好直接與第一批推送作品相關聯。或是參照支付寶的理財測試，定期測試用戶的行為變遷，減少突然的偏好更改。另一方面，還可以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。這可以讓個性化更加準確，有利于增強用戶黏性。

3.4.2 針對不同的用戶群體采用不同的推薦機制

媒介素養強的用戶，會自主地借助于媒介功能來尋找全面客觀的信息，即便平臺的個性化視頻內容比例大于公共信息的比例，此類用戶也會自覺地發掘全面客觀的視頻內容。媒介素養不強的用戶，質疑能力和思辨能力較弱，難以發覺并接受全面客觀的信息內容，平臺可以強化這類用戶的公共信息推送比例，側面提高用戶的媒介素養，推動用戶走出“繭房”。[9]

3.4.3 減少隱私泄露

大數據時代，在互聯網上瀏覽任何信息都會留下足跡，這些數據在技術機構那里就轉化成個人獨特的標簽畫像，個體轉變為特征性信息的集合體，成為商業機構的靶向目標。軟件方應當減少相關隱私信息的過分讀取，同時在隱私設置處將相關開關的功能簡要說明，明確告知用戶打開此功能會產生什么影響，而不僅僅是存在而不說明。