基于智能算法的抖音短視頻推薦模式分析

藍(lán)曉燕

（廈門廣播電視集團(tuán)，福建 廈門 361000）

0 引 言

近幾年，智能算法已成為新聞傳播領(lǐng)域的“網(wǎng)紅”。應(yīng)用此算法，能夠精準(zhǔn)反饋用戶特定行為，并向用戶推薦其可能感興趣的內(nèi)容。智能算法機(jī)制的應(yīng)用，使得抖音短視頻迅速成為短視頻市場(chǎng)的領(lǐng)跑者。研究抖音短視頻中的智能算法推薦問題，能夠?yàn)槎桃曨l的運(yùn)營(yíng)決策提供參考。

1 智能算法推薦發(fā)展現(xiàn)狀及推薦原理

1.1 智能算法推薦及其發(fā)展現(xiàn)狀

通常，用戶若想搜索某個(gè)事物，需要對(duì)該事物有一定的了解，方能找到該事物的搜索關(guān)鍵詞。若用戶對(duì)該事物一點(diǎn)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(huì)接觸到各種各樣的搜索引擎，但這些搜索引擎僅能被動(dòng)地執(zhí)行操作命令，而不能主動(dòng)向用戶推薦其感興趣的內(nèi)容[1]。智能算法推薦技術(shù)的應(yīng)用，有效地解決了此問題。智能算法能夠依據(jù)用戶歷史搜索的行為數(shù)據(jù)對(duì)用戶畫像，向用戶提供信息。

移動(dòng)互聯(lián)網(wǎng)的發(fā)展使算法推薦系統(tǒng)在推薦過程及技術(shù)上呈現(xiàn)出新變化。早期的推薦系統(tǒng)基于數(shù)據(jù)矩陣的分解技術(shù)，當(dāng)前的推薦系統(tǒng)則是人工智能與機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等技術(shù)的融合應(yīng)用，通過用戶的潛在偏好構(gòu)建模型，使算法推薦更加精準(zhǔn)。在推薦過程中，為了確保推薦結(jié)果的精準(zhǔn)性，算法推薦由靜態(tài)向動(dòng)態(tài)轉(zhuǎn)變，此轉(zhuǎn)變使得后臺(tái)的數(shù)據(jù)處理更加注重交互性。

最早采用算法推薦系統(tǒng)的是電商平臺(tái)。近年來(lái)，數(shù)字技術(shù)持續(xù)迭代更新，推薦系統(tǒng)被廣泛應(yīng)用到各個(gè)個(gè)性化的網(wǎng)絡(luò)電臺(tái)、個(gè)性化閱讀、新聞聚合、短視頻及智慧教育等平臺(tái)。各個(gè)應(yīng)用領(lǐng)域的算法推薦系統(tǒng)不是依據(jù)用戶的查詢搜索去過濾內(nèi)容，而是依據(jù)用戶興趣積極展示關(guān)聯(lián)內(nèi)容[2]。所以，算法推薦系統(tǒng)在一定程度上發(fā)揮著橋梁紐帶作用，架起了用戶與內(nèi)容之間的通聯(lián)橋梁。應(yīng)用算法推薦系統(tǒng)，能夠提前為用戶提供決策和選擇，向其呈現(xiàn)超高匹配度的優(yōu)質(zhì)內(nèi)容。

1.2 智能算法的推薦原理

在需求與技術(shù)的推動(dòng)下，智能推薦系統(tǒng)由文本內(nèi)容推薦升級(jí)到視頻、圖片化等個(gè)性化內(nèi)容推薦。構(gòu)建用戶、物品推薦模型，本質(zhì)是為對(duì)象貼上“標(biāo)簽”，或稱之為“畫像”。操作時(shí)，可以直接通過基礎(chǔ)數(shù)據(jù)與行為數(shù)據(jù)提取各種標(biāo)簽，也能夠通過數(shù)據(jù)挖掘和推理適度完善、擴(kuò)充標(biāo)簽。但對(duì)新注冊(cè)用戶來(lái)說，智能推薦系統(tǒng)僅能對(duì)其注冊(cè)時(shí)的身份信息進(jìn)行挖掘，造成有效標(biāo)簽或用戶畫像較為有限，導(dǎo)致系統(tǒng)不能獲得足夠的數(shù)據(jù)去挖掘用戶的興趣愛好與個(gè)性化特征。推薦系統(tǒng)不同，所存在的“冷啟動(dòng)”也不同。對(duì)此，可以通過對(duì)用戶聚類、分類方式和編程接口的開放等緩解冷啟動(dòng)[3]。

當(dāng)前，各平臺(tái)所用的推薦算法主要是混合推薦、協(xié)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(jī)性，目的是消磨時(shí)間和放松自己。而抖音的智能化推薦系統(tǒng)正好滿足用戶的放松和消磨時(shí)間的需求。推薦系統(tǒng)對(duì)用戶視頻信息進(jìn)行研究，而后開展個(gè)性化計(jì)算，通過系統(tǒng)自動(dòng)生成用戶興趣點(diǎn)，以主動(dòng)、精準(zhǔn)地推薦視頻內(nèi)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(dāng)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(yùn)營(yíng)、存儲(chǔ)及發(fā)掘等開展再傳播，進(jìn)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(guān)注的是如何通過老用戶尋找更多的新用戶，流量思維側(cè)重的是對(duì)首輪傳播效果進(jìn)行評(píng)價(jià)。

一般而言，如果內(nèi)容具有良好的流量池表現(xiàn)就會(huì)被納入疊加推薦中，以獲取更多點(diǎn)贊量和閱讀量。疊加推薦的評(píng)估標(biāo)準(zhǔn)是通過內(nèi)容點(diǎn)贊量、完播率、轉(zhuǎn)發(fā)量、評(píng)論量等綜合權(quán)重進(jìn)行評(píng)估。各個(gè)元素的影響權(quán)重不同，只要達(dá)到相應(yīng)的量級(jí)，平臺(tái)就通過人工運(yùn)營(yíng)和數(shù)據(jù)算法機(jī)制持續(xù)推薦[4]。例如，用戶發(fā)布視頻后，平臺(tái)自動(dòng)將視頻分配到流量池中，向一定數(shù)量的用戶推薦節(jié)目進(jìn)行分發(fā)，而后統(tǒng)計(jì)其播放效果并形成加權(quán)分?jǐn)?shù)，點(diǎn)贊量、評(píng)論量和轉(zhuǎn)發(fā)量的權(quán)重逐步遞增，分?jǐn)?shù)高就能獲得較大的疊加推薦機(jī)會(huì)，播放效果好，就能再次納入流量池，在更大范圍內(nèi)分發(fā)。如果視頻的表現(xiàn)比較差，就會(huì)失去推薦機(jī)會(huì)，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(huì)再次進(jìn)入下輪推薦，進(jìn)而獲得更大的規(guī)?；扑]。在此過程中，優(yōu)質(zhì)內(nèi)容被反復(fù)推薦且獲得更大規(guī)模的累積優(yōu)勢(shì)。如果在第一波流量池推送中表現(xiàn)較差，就會(huì)失去被再次推薦的機(jī)會(huì)。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(guān)注的是視頻傳播的效果，而不是內(nèi)容生產(chǎn)的好壞。這也會(huì)使一些內(nèi)容不算優(yōu)質(zhì)的視頻利用算法推薦的不足或漏洞而獲得高評(píng)價(jià)分?jǐn)?shù)，進(jìn)而迅速爆紅。

2.2 去中心化的精準(zhǔn)推送模式

在社交媒體傳播中，各個(gè)用戶均是傳播場(chǎng)域中的一個(gè)節(jié)點(diǎn)，各個(gè)節(jié)點(diǎn)均能獨(dú)立地進(jìn)行內(nèi)容生產(chǎn)，且擁有相應(yīng)的話語(yǔ)權(quán)，內(nèi)容也不再集中在少數(shù)關(guān)鍵用戶受眾。在此去中心化的推送中，社交關(guān)系和內(nèi)容成為信息精準(zhǔn)分發(fā)的重要依據(jù)[5]。從用戶個(gè)人視角看，信息獲取過程是基于社交關(guān)系的興趣點(diǎn)與基于內(nèi)容興趣點(diǎn)的重合過程。在此重合及精準(zhǔn)推薦過程中，算法主要體現(xiàn)在兩方面：一是將內(nèi)容興趣點(diǎn)作為篩選維度進(jìn)行的推薦，此維度下現(xiàn)實(shí)社交環(huán)境的聯(lián)系相對(duì)弱，或沒有聯(lián)系；二是將社交強(qiáng)聯(lián)系作為篩選維度進(jìn)行推薦，通訊錄中的同學(xué)、好友等都是推薦系統(tǒng)能夠抓取的對(duì)象，而重合部分通常會(huì)獲取更多的推薦。

內(nèi)容維度是指具有相同愛好、職業(yè)和話題構(gòu)成的相近興趣集合。抖音平臺(tái)通過用戶的使用行為習(xí)慣如轉(zhuǎn)發(fā)、評(píng)論和點(diǎn)贊等行為，以大數(shù)據(jù)驅(qū)動(dòng)方式對(duì)用戶興趣點(diǎn)進(jìn)行挖掘，以在下一輪視頻推薦中進(jìn)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(quán)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(nèi)容的精準(zhǔn)推薦模式造成用戶接收的內(nèi)容過度單一化和一致化，從而導(dǎo)致其產(chǎn)生審美疲勞。同時(shí)，此推薦模式也對(duì)用戶獲取的視頻類型形成了限制，用戶僅能在自己相對(duì)熟悉的領(lǐng)域獲取信息，陷入了固化的信息空間，進(jìn)而形成“信息孤島”，不斷疊加“信息繭房”的效應(yīng)。

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(lái)”的體驗(yàn)的原因所在，相似傳播內(nèi)容造成用戶的回聲室效應(yīng)持續(xù)提高。

在精準(zhǔn)推薦中，社交關(guān)系維度是連接現(xiàn)實(shí)社交關(guān)系的集合，各社交關(guān)系聯(lián)系的緊密性更強(qiáng)。移動(dòng)技術(shù)的進(jìn)步使得人們的社交圈不斷擴(kuò)大，而用戶自身與現(xiàn)實(shí)社交中同學(xué)、好友的關(guān)注點(diǎn)無(wú)太高相似性?；谏缃魂P(guān)系的算法推薦中，在用戶使用抖音過程中，算法會(huì)優(yōu)先向強(qiáng)關(guān)系好友推薦和發(fā)布內(nèi)容，充分體現(xiàn)了抖音平臺(tái)的社交屬性。在強(qiáng)關(guān)系中呈現(xiàn)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(huì)需求，進(jìn)而提升認(rèn)同感。這也反映出網(wǎng)絡(luò)社交已經(jīng)成為大眾生活的重要組成，在相對(duì)模糊的網(wǎng)絡(luò)投射中，現(xiàn)實(shí)人際關(guān)系逐漸成為清晰的社交關(guān)系，網(wǎng)絡(luò)身份也由陌生變得熟悉，社交關(guān)系也轉(zhuǎn)向?qū)嵜Ｒ苿?dòng)網(wǎng)絡(luò)社交成為人們交往的新方式，正是此交往方式推動(dòng)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(xié)同過濾模式

以用戶信息為基礎(chǔ)進(jìn)行協(xié)同過濾，是抖音算法中最為簡(jiǎn)單和基礎(chǔ)的算法，被廣泛應(yīng)用在視頻推廣過程中。抖音平臺(tái)獲取用戶性別、地址、年齡、基本興趣點(diǎn)等基本信息，對(duì)用戶畫像進(jìn)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(nèi)容。用戶開始使用平臺(tái)時(shí)提供的信息越準(zhǔn)確、越詳細(xì)，平臺(tái)對(duì)其需求的判斷也就越接近其真實(shí)需要。這種推薦模型如圖1 所示。

圖1 用戶信息協(xié)同過濾模式

圖1 中，假設(shè)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(nèi)容及產(chǎn)生的轉(zhuǎn)發(fā)、評(píng)論、點(diǎn)贊等使用行為會(huì)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(gè)模塊，模糊推薦的重要原則是視頻內(nèi)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(tái)初期，內(nèi)容獲取主要是這種方式。這種較為簡(jiǎn)單的算法推薦方式對(duì)用戶興趣的判斷是比較模糊的，對(duì)用戶興趣的判斷更多是基于相似特征人群興趣的集合進(jìn)行的。抖音的算法同快手及其他短視頻平臺(tái)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(xué)歷差距相對(duì)小，比較適合使用這種基礎(chǔ)算法。

3 抖音短視頻算法推薦的建議

抖音短視頻平臺(tái)借助超強(qiáng)的算法推薦在激烈的短視頻競(jìng)爭(zhēng)中占據(jù)優(yōu)勢(shì)。然而，僅僅依靠精準(zhǔn)分發(fā)和協(xié)同過濾等單純的算法推薦，已經(jīng)不能充分滿足受眾的需求。抖音平臺(tái)需要持續(xù)完善多維度算法推薦系統(tǒng)，以更加開放、更加多元的算法，更加合理地傳播優(yōu)質(zhì)短視頻內(nèi)容。由此，抖音平臺(tái)可以進(jìn)一步強(qiáng)化用戶使用行為數(shù)據(jù)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(jìn)一步對(duì)產(chǎn)品內(nèi)容的評(píng)價(jià)體系、分層分類等進(jìn)行優(yōu)化，防止“繭房效應(yīng)”的進(jìn)一步加劇，對(duì)興趣內(nèi)容和其他內(nèi)容間的分發(fā)比例進(jìn)行適當(dāng)調(diào)整，促使平臺(tái)識(shí)別能力的進(jìn)一步提高，強(qiáng)化甄別“網(wǎng)紅”短視頻內(nèi)容，強(qiáng)化原創(chuàng)視頻的創(chuàng)作激勵(lì)和推廣力度，對(duì)較為雷同或相似視頻內(nèi)容進(jìn)行嚴(yán)格過濾審核，防止同質(zhì)化的內(nèi)容高頻出現(xiàn)[6]。

同時(shí)，抖音平臺(tái)要積極增加和引入人工審核機(jī)制。審核過程中，加強(qiáng)人工排查參與程度，樹立和完善傳播審核中“人”的參與意識(shí)，激勵(lì)專業(yè)生產(chǎn)內(nèi)容（Professional Generated Content，PGC）的生產(chǎn)創(chuàng)作，鼓勵(lì)用戶生產(chǎn)優(yōu)質(zhì)短視頻，對(duì)具備優(yōu)質(zhì)短視頻生產(chǎn)能力的用戶要給予鼓勵(lì)，利用延長(zhǎng)視頻時(shí)限和身份認(rèn)證等方式進(jìn)行支持，鼓勵(lì)并推動(dòng)全平臺(tái)視頻制作水平的提高。在現(xiàn)有算法推薦模式中，要強(qiáng)化內(nèi)容質(zhì)量判斷，完善衡量指標(biāo)和綜合權(quán)重體系，將用戶的內(nèi)容滿意程度和內(nèi)容實(shí)用性、導(dǎo)向性等納入算法推薦內(nèi)容質(zhì)量考核指標(biāo)中。同時(shí)要確保內(nèi)容的多樣性，防止出現(xiàn)內(nèi)容的同質(zhì)化。也可以引入外部?jī)?yōu)質(zhì)的高價(jià)值內(nèi)容，比如黑科技、科普類、知識(shí)脫口秀及財(cái)經(jīng)類等類型的內(nèi)容，以流量支持方式培養(yǎng)平臺(tái)用戶，鼓勵(lì)用戶積極創(chuàng)新內(nèi)容；堅(jiān)持內(nèi)容為王的管理理念和運(yùn)營(yíng)理念，通過優(yōu)質(zhì)內(nèi)容吸引用戶，增強(qiáng)用戶黏性；對(duì)于一些惡搞內(nèi)容或嘩眾取寵內(nèi)容，要引入負(fù)面評(píng)價(jià)機(jī)制和投訴機(jī)制，凈化網(wǎng)絡(luò)環(huán)境及空間。

此外，要進(jìn)一步優(yōu)化平臺(tái)的算法推薦機(jī)制。算法屬于技術(shù)范疇，技術(shù)使用者和控制者要堅(jiān)持正確的價(jià)值取向。抖音平臺(tái)要以人工干涉方式加強(qiáng)價(jià)值導(dǎo)向，不但要向用戶推薦其感興趣內(nèi)容，也要注重主流價(jià)值觀的引導(dǎo)，向用戶推薦具有正能量的內(nèi)容，在平臺(tái)運(yùn)營(yíng)、內(nèi)容生產(chǎn)、分發(fā)及管理等環(huán)節(jié)融入主流價(jià)值觀，傳播社會(huì)正能量，打造積極向上的傳播平臺(tái)。

4 結(jié) 語(yǔ)

抖音短視頻算法的推薦方式主要是去中心化、協(xié)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(jìng)爭(zhēng)優(yōu)勢(shì)。抖音平臺(tái)的發(fā)展，仍要注重優(yōu)質(zhì)內(nèi)容生產(chǎn)及創(chuàng)新，防止信息繭房效應(yīng)和同質(zhì)化問題，堅(jiān)持內(nèi)容為王，引導(dǎo)主流價(jià)值觀，以更加開放多元的算法推薦和優(yōu)質(zhì)內(nèi)容推動(dòng)平臺(tái)的積極健康發(fā)展。