藍曉燕

（廈門廣播電視集團，福建 廈門 361000）

0 引 言

近幾年，智能算法已成為新聞傳播領域的“網紅”。應用此算法，能夠精準反饋用戶特定行為，并向用戶推薦其可能感興趣的內容。智能算法機制的應用，使得抖音短視頻迅速成為短視頻市場的領跑者。研究抖音短視頻中的智能算法推薦問題，能夠為短視頻的運營決策提供參考。

1 智能算法推薦發(fā)展現狀及推薦原理

1.1 智能算法推薦及其發(fā)展現狀

通常，用戶若想搜索某個事物，需要對該事物有一定的了解，方能找到該事物的搜索關鍵詞。若用戶對該事物一點都不了解，則很難在搜索引擎中搜索到該事物。因此，在生活中，用戶會接觸到各種各樣的搜索引擎，但這些搜索引擎僅能被動地執(zhí)行操作命令，而不能主動向用戶推薦其感興趣的內容[1]。智能算法推薦技術的應用，有效地解決了此問題。智能算法能夠依據用戶歷史搜索的行為數據對用戶畫像，向用戶提供信息。

移動互聯網的發(fā)展使算法推薦系統在推薦過程及技術上呈現出新變化。早期的推薦系統基于數據矩陣的分解技術，當前的推薦系統則是人工智能與機器學習、數據挖掘等技術的融合應用，通過用戶的潛在偏好構建模型，使算法推薦更加精準。在推薦過程中，為了確保推薦結果的精準性，算法推薦由靜態(tài)向動態(tài)轉變，此轉變使得后臺的數據處理更加注重交互性。

最早采用算法推薦系統的是電商平臺。近年來，數字技術持續(xù)迭代更新，推薦系統被廣泛應用到各個個性化的網絡電臺、個性化閱讀、新聞聚合、短視頻及智慧教育等平臺。各個應用領域的算法推薦系統不是依據用戶的查詢搜索去過濾內容，而是依據用戶興趣積極展示關聯內容[2]。所以，算法推薦系統在一定程度上發(fā)揮著橋梁紐帶作用，架起了用戶與內容之間的通聯橋梁。應用算法推薦系統，能夠提前為用戶提供決策和選擇，向其呈現超高匹配度的優(yōu)質內容。

1.2 智能算法的推薦原理

在需求與技術的推動下，智能推薦系統由文本內容推薦升級到視頻、圖片化等個性化內容推薦。構建用戶、物品推薦模型，本質是為對象貼上“標簽”，或稱之為“畫像”。操作時，可以直接通過基礎數據與行為數據提取各種標簽，也能夠通過數據挖掘和推理適度完善、擴充標簽。但對新注冊用戶來說，智能推薦系統僅能對其注冊時的身份信息進行挖掘，造成有效標簽或用戶畫像較為有限，導致系統不能獲得足夠的數據去挖掘用戶的興趣愛好與個性化特征。推薦系統不同，所存在的“冷啟動”也不同。對此，可以通過對用戶聚類、分類方式和編程接口的開放等緩解冷啟動[3]。

當前，各平臺所用的推薦算法主要是混合推薦、協同過濾推薦。抖音短視頻的用戶打開抖音的目的是為了放松。這種渴求放松的行為具有隨機性，目的是消磨時間和放松自己。而抖音的智能化推薦系統正好滿足用戶的放松和消磨時間的需求。推薦系統對用戶視頻信息進行研究，而后開展個性化計算，通過系統自動生成用戶興趣點，以主動、精準地推薦視頻內容。

2 抖音短視頻的三種算法推薦模式

2.1 基于流量池思維的疊加推薦模式

“流量池”是當前頻繁使用的熱門詞匯。流量池思維主要是獲取流量且利用運營、存儲及發(fā)掘等開展再傳播，進而獲取更多流量。流量池思維與流量思維的最大不同是，流量池關注的是如何通過老用戶尋找更多的新用戶，流量思維側重的是對首輪傳播效果進行評價。

一般而言，如果內容具有良好的流量池表現就會被納入疊加推薦中，以獲取更多點贊量和閱讀量。疊加推薦的評估標準是通過內容點贊量、完播率、轉發(fā)量、評論量等綜合權重進行評估。各個元素的影響權重不同，只要達到相應的量級，平臺就通過人工運營和數據算法機制持續(xù)推薦[4]。例如，用戶發(fā)布視頻后，平臺自動將視頻分配到流量池中，向一定數量的用戶推薦節(jié)目進行分發(fā)，而后統計其播放效果并形成加權分數，點贊量、評論量和轉發(fā)量的權重逐步遞增，分數高就能獲得較大的疊加推薦機會，播放效果好，就能再次納入流量池，在更大范圍內分發(fā)。如果視頻的表現比較差，就會失去推薦機會，最終在流量池的底部沉淀。如果二次推薦的反饋比較好，就會再次進入下輪推薦，進而獲得更大的規(guī)?；扑]。在此過程中，優(yōu)質內容被反復推薦且獲得更大規(guī)模的累積優(yōu)勢。如果在第一波流量池推送中表現較差，就會失去被再次推薦的機會。此類算法推薦法則是基于用戶反饋的推薦，也就是說，流量池的推薦關注的是視頻傳播的效果，而不是內容生產的好壞。這也會使一些內容不算優(yōu)質的視頻利用算法推薦的不足或漏洞而獲得高評價分數，進而迅速爆紅。

2.2 去中心化的精準推送模式

在社交媒體傳播中，各個用戶均是傳播場域中的一個節(jié)點，各個節(jié)點均能獨立地進行內容生產，且擁有相應的話語權，內容也不再集中在少數關鍵用戶受眾。在此去中心化的推送中，社交關系和內容成為信息精準分發(fā)的重要依據[5]。從用戶個人視角看，信息獲取過程是基于社交關系的興趣點與基于內容興趣點的重合過程。在此重合及精準推薦過程中，算法主要體現在兩方面：一是將內容興趣點作為篩選維度進行的推薦，此維度下現實社交環(huán)境的聯系相對弱，或沒有聯系；二是將社交強聯系作為篩選維度進行推薦，通訊錄中的同學、好友等都是推薦系統能夠抓取的對象，而重合部分通常會獲取更多的推薦。

內容維度是指具有相同愛好、職業(yè)和話題構成的相近興趣集合。抖音平臺通過用戶的使用行為習慣如轉發(fā)、評論和點贊等行為，以大數據驅動方式對用戶興趣點進行挖掘，以在下一輪視頻推薦中進行合理選擇，從而取悅用戶、增加其黏性。但是，這種基于興趣的推薦模式是以犧牲用戶多元化獲取信息的權利為前提的，影響或限制了用戶改變愛好及興趣的想法，此內容的精準推薦模式造成用戶接收的內容過度單一化和一致化，從而導致其產生審美疲勞。同時，此推薦模式也對用戶獲取的視頻類型形成了限制，用戶僅能在自己相對熟悉的領域獲取信息，陷入了固化的信息空間，進而形成“信息孤島”，不斷疊加“信息繭房”的效應。

此類算法推薦模式加劇了用戶的使用沉迷程度，這正是抖音用戶形成“停不下來”的體驗的原因所在，相似傳播內容造成用戶的回聲室效應持續(xù)提高。

在精準推薦中，社交關系維度是連接現實社交關系的集合，各社交關系聯系的緊密性更強。移動技術的進步使得人們的社交圈不斷擴大，而用戶自身與現實社交中同學、好友的關注點無太高相似性?；谏缃魂P系的算法推薦中，在用戶使用抖音過程中，算法會優(yōu)先向強關系好友推薦和發(fā)布內容，充分體現了抖音平臺的社交屬性。在強關系中呈現自己拍攝的作品，可以滿足使用者需求及被他人了解的社會需求，進而提升認同感。這也反映出網絡社交已經成為大眾生活的重要組成，在相對模糊的網絡投射中，現實人際關系逐漸成為清晰的社交關系，網絡身份也由陌生變得熟悉，社交關系也轉向實名。移動網絡社交成為人們交往的新方式，正是此交往方式推動著人們的行為方式、生活方式和思維方式的改變。

2.3 基于用戶信息的協同過濾模式

以用戶信息為基礎進行協同過濾，是抖音算法中最為簡單和基礎的算法，被廣泛應用在視頻推廣過程中。抖音平臺獲取用戶性別、地址、年齡、基本興趣點等基本信息，對用戶畫像進行大致描繪，而后在信息分發(fā)過程中，利用用戶間的相似程度向用戶推薦相似的內容。用戶開始使用平臺時提供的信息越準確、越詳細，平臺對其需求的判斷也就越接近其真實需要。這種推薦模型如圖1 所示。

圖1 用戶信息協同過濾模式

圖1 中，假設用戶A，B，C，D 的信息均為相似信息。前期，用戶A，B，C 感興趣的內容及產生的轉發(fā)、評論、點贊等使用行為會優(yōu)先向用戶D推薦。抖音主界面主要配置“推薦”和“同城”兩個模塊，模糊推薦的重要原則是視頻內容與用戶興趣相匹配的程度。匹配程度越高，該信息越能被推薦。一般而言，用戶在使用平臺初期，內容獲取主要是這種方式。這種較為簡單的算法推薦方式對用戶興趣的判斷是比較模糊的，對用戶興趣的判斷更多是基于相似特征人群興趣的集合進行的。抖音的算法同快手及其他短視頻平臺不同，抖音的用戶主要集中在城市，用戶擁有相似的媒介素養(yǎng)，年齡、學歷差距相對小，比較適合使用這種基礎算法。

3 抖音短視頻算法推薦的建議

抖音短視頻平臺借助超強的算法推薦在激烈的短視頻競爭中占據優(yōu)勢。然而，僅僅依靠精準分發(fā)和協同過濾等單純的算法推薦，已經不能充分滿足受眾的需求。抖音平臺需要持續(xù)完善多維度算法推薦系統，以更加開放、更加多元的算法，更加合理地傳播優(yōu)質短視頻內容。由此，抖音平臺可以進一步強化用戶使用行為數據的深度挖掘，在算法推薦中引入有用性、滿意度等考量維度，進一步對產品內容的評價體系、分層分類等進行優(yōu)化，防止“繭房效應”的進一步加劇，對興趣內容和其他內容間的分發(fā)比例進行適當調整，促使平臺識別能力的進一步提高，強化甄別“網紅”短視頻內容，強化原創(chuàng)視頻的創(chuàng)作激勵和推廣力度，對較為雷同或相似視頻內容進行嚴格過濾審核，防止同質化的內容高頻出現[6]。

同時，抖音平臺要積極增加和引入人工審核機制。審核過程中，加強人工排查參與程度，樹立和完善傳播審核中“人”的參與意識，激勵專業(yè)生產內容（Professional Generated Content，PGC）的生產創(chuàng)作，鼓勵用戶生產優(yōu)質短視頻，對具備優(yōu)質短視頻生產能力的用戶要給予鼓勵，利用延長視頻時限和身份認證等方式進行支持，鼓勵并推動全平臺視頻制作水平的提高。在現有算法推薦模式中，要強化內容質量判斷，完善衡量指標和綜合權重體系，將用戶的內容滿意程度和內容實用性、導向性等納入算法推薦內容質量考核指標中。同時要確保內容的多樣性，防止出現內容的同質化。也可以引入外部優(yōu)質的高價值內容，比如黑科技、科普類、知識脫口秀及財經類等類型的內容，以流量支持方式培養(yǎng)平臺用戶，鼓勵用戶積極創(chuàng)新內容；堅持內容為王的管理理念和運營理念，通過優(yōu)質內容吸引用戶，增強用戶黏性；對于一些惡搞內容或嘩眾取寵內容，要引入負面評價機制和投訴機制，凈化網絡環(huán)境及空間。

此外，要進一步優(yōu)化平臺的算法推薦機制。算法屬于技術范疇，技術使用者和控制者要堅持正確的價值取向。抖音平臺要以人工干涉方式加強價值導向，不但要向用戶推薦其感興趣內容，也要注重主流價值觀的引導，向用戶推薦具有正能量的內容，在平臺運營、內容生產、分發(fā)及管理等環(huán)節(jié)融入主流價值觀，傳播社會正能量，打造積極向上的傳播平臺。

4 結 語

抖音短視頻算法的推薦方式主要是去中心化、協同過濾及疊加流量池三種方式。這種算法推薦方式使抖音獲得了行業(yè)競爭優(yōu)勢。抖音平臺的發(fā)展，仍要注重優(yōu)質內容生產及創(chuàng)新，防止信息繭房效應和同質化問題，堅持內容為王，引導主流價值觀，以更加開放多元的算法推薦和優(yōu)質內容推動平臺的積極健康發(fā)展。