摘 要：算法與傳媒業(yè)的深度融合使抖音等短視頻軟件爆紅于網(wǎng)絡(luò)。本文旨在分析抖音的協(xié)同過(guò)濾、精準(zhǔn)分發(fā)、疊加推薦3種算法機(jī)制。在此基礎(chǔ)上，探討其未來(lái)發(fā)展必須著力解決的現(xiàn)實(shí)問(wèn)題及改善措施，以期為短視頻發(fā)展提供借鑒。

關(guān)鍵詞：算法推薦；抖音；發(fā)展策略

中圖分類號(hào)：G206 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-8883（2020）05-0209-01

一、引言

隨著技術(shù)的發(fā)展，個(gè)性化的信息定制服務(wù)已成為商家的必爭(zhēng)之地，算法推薦技術(shù)深入到了我們生活的各個(gè)方面。作為今日頭條旗下的戰(zhàn)略性產(chǎn)品，抖音的算法推薦模式在短視頻市場(chǎng)無(wú)疑占據(jù)了一席之地。從技術(shù)層面上說(shuō)，它結(jié)合了基于內(nèi)容和用戶信息的協(xié)同過(guò)濾算法技術(shù)，根據(jù)用戶的興趣愛(ài)好向他們推送相應(yīng)的內(nèi)容，幫用戶過(guò)濾掉一些無(wú)用或不感興趣的信息，實(shí)現(xiàn)了精準(zhǔn)推送，給用戶帶來(lái)較好使用體驗(yàn)的同時(shí)，也產(chǎn)生了一些現(xiàn)實(shí)問(wèn)題。

二、抖音的算法推薦模式

（一）基于用戶信息的協(xié)同過(guò)濾推薦

基于用戶信息的協(xié)同過(guò)濾推薦是抖音整個(gè)算法體系中最基本的算法推薦技術(shù)。這一技術(shù)主要是通過(guò)獲取用戶的個(gè)人基本信息，如性別、年齡、興趣等來(lái)進(jìn)行計(jì)算。除此之外，抖音還涉及諸如關(guān)注的人、粉絲、可能認(rèn)識(shí)的人等此類社交信息。目前，抖音首頁(yè)分為“關(guān)注”和“推薦”兩個(gè)板塊，進(jìn)入首頁(yè)后默認(rèn)的是“推薦”板塊。在信息分發(fā)過(guò)程中，系統(tǒng)會(huì)根據(jù)用戶的個(gè)人信息和社交信息，通過(guò)協(xié)同過(guò)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(diǎn)擊量大、互動(dòng)量高的短視頻推到該用戶的首頁(yè)推薦。一般來(lái)說(shuō)，新用戶剛使用抖音時(shí)，首頁(yè)中的大部分段視頻都是經(jīng)過(guò)基于用戶信息的協(xié)同過(guò)濾技術(shù)進(jìn)行推薦的。[1]隨著使用時(shí)長(zhǎng)的增加，用戶提供給抖音算法系統(tǒng)的信息將會(huì)更詳細(xì)，系統(tǒng)對(duì)用戶需求的判斷更精準(zhǔn)。

然而這一算法技術(shù)建立在抖音系統(tǒng)內(nèi)部用戶的信息歷史數(shù)據(jù)庫(kù)之上，若是數(shù)據(jù)稀缺，推薦的精準(zhǔn)度則會(huì)大大下降。

（二）基于“去中心化”的精準(zhǔn)分發(fā)推薦

在萬(wàn)眾皆媒時(shí)代，社交媒體實(shí)現(xiàn)了“去中心化”的“點(diǎn)對(duì)點(diǎn)”傳播，每個(gè)用戶都是傳播場(chǎng)域中的節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)都可以獨(dú)立地生產(chǎn)內(nèi)容。從傳者角度來(lái)說(shuō)，“去中心化”可謂抖音算法推薦中的基本原則。它鼓勵(lì)普通用戶生產(chǎn)內(nèi)容，即使是零粉絲基礎(chǔ)的普通用戶發(fā)出的短視頻，也會(huì)被分配幾十上百的基礎(chǔ)流量。新視頻的流量分發(fā)在“附近的人”和“關(guān)注的人”的基礎(chǔ)上，配合用戶個(gè)性標(biāo)簽和短視頻內(nèi)容標(biāo)簽，將用戶發(fā)布的視頻推薦至與其具有相同屬性的其他用戶首頁(yè)。從受者角度來(lái)說(shuō)，智能精準(zhǔn)推薦是在“去中心化”的基礎(chǔ)上進(jìn)行的，系統(tǒng)識(shí)別視頻內(nèi)容，并根據(jù)用戶點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)等使用習(xí)慣挖掘用戶的興趣點(diǎn)，將各類短視頻分發(fā)至各類用戶首頁(yè)，以滿足不同用戶的觀看需求，從而提升用戶黏度。但長(zhǎng)此以往，此類精準(zhǔn)分發(fā)的推薦模式易造成用戶接收的短視頻內(nèi)容過(guò)于單一化，使用戶置身于“信息繭房”中。

（三）基于內(nèi)容流量池的智能疊加推薦

當(dāng)一個(gè)新用戶發(fā)布視頻后，系統(tǒng)會(huì)智能分發(fā)一定的基礎(chǔ)流量，若該視頻在基礎(chǔ)流量池中表現(xiàn)較好，完播率、互動(dòng)率高，算法則會(huì)自動(dòng)加權(quán)給該視頻更多的推薦流量，進(jìn)而得到更高的閱讀量與互動(dòng)量。算法疊加推薦的評(píng)估標(biāo)準(zhǔn)以短視頻內(nèi)容的綜合權(quán)重為基礎(chǔ)，完播率、點(diǎn)贊數(shù)及評(píng)論數(shù)等都是判斷其表現(xiàn)好壞的關(guān)鍵指標(biāo)。一旦達(dá)到特定的量級(jí)門檻，平臺(tái)就會(huì)實(shí)行大數(shù)據(jù)算法與人工運(yùn)營(yíng)相結(jié)合的方式進(jìn)行加權(quán)推薦。所以，只有經(jīng)大量粉絲檢驗(yàn)，被不斷加權(quán)篩選后的短視頻才能真正被推至抖音首頁(yè)。

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(píng)價(jià)而不是視頻內(nèi)容優(yōu)劣本身。若是抖音成了純粹的流量平臺(tái)，可謂難言質(zhì)量又難保導(dǎo)向。

三、算法推薦模式的問(wèn)題與未來(lái)發(fā)展

鑒于擁有強(qiáng)大的算法推薦模式，抖音在競(jìng)爭(zhēng)日趨激烈的短視頻市場(chǎng)中取得了初步的勝利。在今后的發(fā)展中，抖音必須將算法推薦技術(shù)的重點(diǎn)放在解決現(xiàn)實(shí)發(fā)展中存在的問(wèn)題與隱憂上，這樣才能保證在短視頻市場(chǎng)長(zhǎng)盛不衰的領(lǐng)軍地位。

（一）算法推薦強(qiáng)化了“信息繭房”

算法推薦強(qiáng)化了“信息繭房”這一問(wèn)題。“信息繭房”是兩種傳播思維相互碰撞的結(jié)果，傳統(tǒng)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(gè)性化信息推薦則注重“點(diǎn)”的挖掘。[2]因此，個(gè)性化定制服務(wù)在滿足用戶的特定需求的同時(shí)，也在一定程度上限制了用戶信息的接觸面?；谟脩粜畔⒌膮f(xié)同過(guò)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(zhǔn)分發(fā)推薦使受眾接觸到的內(nèi)容深化，卻窄化。用戶進(jìn)入抖音所營(yíng)造的擬態(tài)環(huán)境中，長(zhǎng)此以往，容易使用戶將自己圈層固化在自我認(rèn)可并熟知的領(lǐng)域內(nèi)，沉浸在個(gè)性化算法推薦帶來(lái)的“幸福感”中難以自拔，進(jìn)而成為抖音的“囚徒”。

為規(guī)避這一問(wèn)題，抖音平臺(tái)可將個(gè)性化推薦與多樣化內(nèi)容打包組合。一方面，通過(guò)擴(kuò)大算法推薦的選擇，增加信息推送的多樣化來(lái)改善認(rèn)知偏見(jiàn)；另一方面，通過(guò)公開(kāi)算法的偏向性與局限性，讓用戶有意識(shí)地關(guān)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(nèi)容“把關(guān)人”

“把關(guān)人”功能逐漸弱化，算法推薦缺乏對(duì)內(nèi)容的審核和把關(guān)。算法是否能夠?qū)ⅰ笆聦?shí)”與“虛構(gòu)”區(qū)分開(kāi)來(lái)，是否會(huì)大量傳播虛假、低俗的內(nèi)容，這一問(wèn)題仍是算法推薦在技術(shù)上亟待解決的重中之重。雖然抖音用戶上傳短視頻后會(huì)進(jìn)行機(jī)器和人工雙重審核，但抖音用戶數(shù)量大，對(duì)于內(nèi)容的審核與發(fā)布多由機(jī)器算法完成?？v使機(jī)器算法再智能，也存在弊端，很難做到杜絕低俗、虛假內(nèi)容。并且基于內(nèi)容流量池的智能疊加推薦側(cè)重于對(duì)加權(quán)分?jǐn)?shù)的抓取，視頻內(nèi)容的優(yōu)劣以及價(jià)值取向難以識(shí)別，這就使得一些低質(zhì)量、非主流價(jià)值取向的短視頻成為漏網(wǎng)之魚(yú)。

自2018年起，今日頭條增加了大量的內(nèi)容審核人員，從算法為王逐步轉(zhuǎn)向人機(jī)結(jié)合。抖音平臺(tái)也應(yīng)強(qiáng)化總編輯責(zé)任制，積極引入人工審核機(jī)制，擴(kuò)大人工審核規(guī)模，逐漸樹(shù)立傳播審核過(guò)程中“人”的參與意識(shí)。只有以“人”為中心，機(jī)器算法技術(shù)輔助配合，才能推進(jìn)算法推薦內(nèi)容的優(yōu)質(zhì)化、精準(zhǔn)化和法制化。

（三）算法推薦容易引發(fā)“馬太效應(yīng)”

基于內(nèi)容流量池的智能疊加推薦，當(dāng)抖音中某些題材或內(nèi)容占據(jù)了大量的流量資源時(shí)，一些在第一輪流量池中表現(xiàn)不盡如人意的優(yōu)質(zhì)視頻則會(huì)失去被進(jìn)一步推薦的機(jī)會(huì)，容易引發(fā)強(qiáng)者越強(qiáng)、弱者越弱的“馬太效應(yīng)”。平臺(tái)也會(huì)被“大V”裹挾，步入不上不下的尷尬境地。若一些小眾但內(nèi)容優(yōu)質(zhì)的短視頻難以生存，無(wú)法被推薦至相應(yīng)的用戶信息流中，那部分內(nèi)容生產(chǎn)者可能會(huì)為了迎合大眾口味來(lái)改變內(nèi)容生產(chǎn)方向，甚至是轉(zhuǎn)移平臺(tái)。同時(shí)，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(tái)應(yīng)尊重用戶的多元化需求，尤其是小眾需求。對(duì)于具有優(yōu)質(zhì)視頻生產(chǎn)能力的用戶給予鼓勵(lì)，將內(nèi)容做熱、做快的同時(shí)，解決將內(nèi)容做全的問(wèn)題，依靠?jī)?yōu)質(zhì)的平臺(tái)內(nèi)容提升用戶黏度并吸引新用戶。

四、結(jié)語(yǔ)

大數(shù)據(jù)時(shí)代，媒介技術(shù)的發(fā)展勢(shì)不可擋。目前，完全依靠協(xié)同過(guò)濾和精準(zhǔn)分發(fā)的單一算法推薦已不足以滿足受眾的需求。抖音平臺(tái)應(yīng)起到行業(yè)領(lǐng)軍者的帶頭作用，從多個(gè)維度完善算法推薦系統(tǒng)，采用更加多元和開(kāi)放的算法組合推薦，更好地傳播優(yōu)質(zhì)內(nèi)容，營(yíng)造優(yōu)質(zhì)的短視頻發(fā)展環(huán)境。

參考文獻(xiàn)：

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

[2] 喻國(guó)明，韓婷.算法型信息分發(fā)：技術(shù)原理、機(jī)制創(chuàng)新與未來(lái)發(fā)展[J].新聞愛(ài)好者，2018（4）：8-13.

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

作者簡(jiǎn)介：黎曦子（1997—），女，湖北荊門人，西南大學(xué)新聞傳媒學(xué)院傳播學(xué)專業(yè)碩士研究生。