抖音算法推薦機(jī)制對(duì)用戶心流體驗(yàn)的影響研究

中圖分類號(hào)：G206 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-8122（2025）05-0105-06

CNNIC發(fā)布的第55次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示，截至2024年12月，我國(guó)網(wǎng)絡(luò)視頻用戶規(guī)模達(dá)10.7億人，占網(wǎng)民整體的 96.6% ，其中，短視頻用戶規(guī)模達(dá)10.4億人，占網(wǎng)民整體的93.8%^[1] 。當(dāng)前，人工智能、大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等技術(shù)迅猛發(fā)展，基于這些技術(shù)形成的推薦算法成為各媒介平臺(tái)信息傳播的重要工具，抖音、快手、小紅書等算法推薦型新媒體平臺(tái)逐漸成為業(yè)界和學(xué)界關(guān)注的重點(diǎn)。

一、文獻(xiàn)綜述

（一）關(guān)于算法媒體的研究

推薦算法最早出現(xiàn)在計(jì)算機(jī)和信息科學(xué)領(lǐng)域，后來(lái)被廣泛應(yīng)用于電子商務(wù)、新聞傳播等信息服務(wù)領(lǐng)域。近年來(lái)，推薦算法在新聞傳播領(lǐng)域的應(yīng)用及影響成為學(xué)界研究熱點(diǎn)，對(duì)相關(guān)文獻(xiàn)進(jìn)行梳理，發(fā)現(xiàn)其主要呈現(xiàn)以下兩種趨勢(shì)：

第一，基于技術(shù)賦能的視角，推薦算法在新聞信息生產(chǎn)分發(fā)中的應(yīng)用。張穎婷等學(xué)者從信息個(gè)性化定制、內(nèi)容按需推送以及目標(biāo)新聞事件發(fā)展趨勢(shì)預(yù)測(cè)方面總結(jié)了推薦算法的作用[2]。學(xué)者閆鑫認(rèn)為：“在媒體融合發(fā)展的新時(shí)期，內(nèi)容融合算法對(duì)整個(gè)新聞生產(chǎn)流程產(chǎn)生了持續(xù)性影響，新聞的生產(chǎn)、傳播和把關(guān)機(jī)制發(fā)生了變化，推薦算法的不斷改進(jìn)，帶給了創(chuàng)作者和受眾完全不同的內(nèi)容體驗(yàn)?！盵3]

第二，基于媒介倫理的視角，算法推薦型媒體平臺(tái)催生的各類問(wèn)題。我國(guó)學(xué)者早期關(guān)于算法媒體社會(huì)影響的研究大多立足于受眾認(rèn)知視角，認(rèn)為基于算法的按需推送會(huì)導(dǎo)致出現(xiàn)“信息繭房”現(xiàn)象?！靶畔⒗O房\"是由凱斯·R·桑斯坦在《信息烏托邦—眾人如何生產(chǎn)知識(shí)》著作中提出的，意指人們只關(guān)注自己感興趣的內(nèi)容，久而久之會(huì)將自己禁錮在“繭房”中[4]。近年來(lái)，隨著推薦算法逐漸被應(yīng)用于新聞傳播的各個(gè)領(lǐng)域，關(guān)于內(nèi)容同質(zhì)化、算法偏見(jiàn)以及算法“黑箱操作”過(guò)程中產(chǎn)生的權(quán)利偏失現(xiàn)象的研究逐漸增加。

（二）關(guān)于心流理論的研究

心流理論，也被稱為“沉浸理論”，是指用戶全身心沉浸于某一事物，仿佛忘記了時(shí)間的使用體驗(yàn)[5]。該理論由心理學(xué)家米哈里·契克森米哈賴（MihalyCsikszentmihalyi）首次提出，并由學(xué)者Chene-tal進(jìn)行總結(jié)深化。心流體驗(yàn)的生成包括三個(gè)階段：事前階段、經(jīng)驗(yàn)階段和效果階段。事前階段是心流產(chǎn)生的關(guān)鍵，該階段需要明確的活動(dòng)目標(biāo)、及時(shí)準(zhǔn)確的反饋以及技能與挑戰(zhàn)的匹配，具有一定可控性；經(jīng)驗(yàn)階段通常存在于用戶產(chǎn)生心流體驗(yàn)的過(guò)程中，是指用戶具有主觀性、開(kāi)放性、積極性的心理感受；效果階段強(qiáng)調(diào)心流對(duì)個(gè)體的影響，包括用戶時(shí)間投入和情感投入。

目前，心流理論被廣泛應(yīng)用于教育、文體、傳媒等領(lǐng)域?；谛牧骼碚?，學(xué)者萬(wàn)昱君通過(guò)實(shí)證研究總結(jié)了新媒體時(shí)代游戲引導(dǎo)的基本原則與設(shè)計(jì)方法[；學(xué)者金雯婧對(duì)互聯(lián)網(wǎng)購(gòu)物平臺(tái)用戶的即時(shí)性、持續(xù)性心流體驗(yàn)進(jìn)行了詳細(xì)分析，為購(gòu)物平臺(tái)網(wǎng)頁(yè)設(shè)計(jì)提供了建議[7]

通過(guò)梳理文獻(xiàn)發(fā)現(xiàn)，學(xué)界關(guān)于“推薦算法”和“心流理論”的研究成果較為豐富，但將二者聯(lián)系起來(lái)進(jìn)行考察的內(nèi)容較少。算法推薦機(jī)制作為一種持續(xù)呈現(xiàn)用戶偏好內(nèi)容的技術(shù)工具，其是否會(huì)對(duì)用戶的心流體驗(yàn)產(chǎn)生影響、產(chǎn)生什么樣的影響，有待學(xué)界進(jìn)一步探討。

當(dāng)前，抖音依托推薦算法，個(gè)性化推送符合用戶偏好的內(nèi)容，受到大眾歡迎。QuestMobile發(fā)布的《2024中國(guó)移動(dòng)互聯(lián)網(wǎng)年度大報(bào)告》顯示，截至2024年12月，抖音和抖音極速版APP去重活躍用戶規(guī)模達(dá)9.78億[8。本文以抖音為對(duì)象，基于心流理論，運(yùn)用問(wèn)卷調(diào)查法和文獻(xiàn)研究法開(kāi)展實(shí)證研究，從“精準(zhǔn)性”“多樣性”“新穎性”三個(gè)維度評(píng)估用戶對(duì)抖音算法推薦機(jī)制的認(rèn)可程度，并立足于心流體驗(yàn)的效果階段，從“興奮感”“沉浸感”“時(shí)間感”三個(gè)方面探析用戶的心流體驗(yàn)，從而量化分析算法推薦機(jī)制與用戶心流體驗(yàn)的關(guān)系，旨在為短視頻平臺(tái)優(yōu)化算法推薦機(jī)制、提升用戶的使用體驗(yàn)提供建議。

二、研究方法和研究設(shè)計(jì)

（一） 研究方法

1.文獻(xiàn)研究法。通過(guò)搜集整理與推薦算法、心流理論以及短視頻平臺(tái)相關(guān)的文獻(xiàn)和行業(yè)報(bào)告，深入分析前人研究成果，旨從學(xué)術(shù)和實(shí)踐視角對(duì)研究?jī)?nèi)容進(jìn)行詳細(xì)、全面的分析。

2.問(wèn)卷調(diào)查法。向抖音用戶發(fā)放在線問(wèn)卷，了解其使用抖音的頻次、時(shí)長(zhǎng)、目的和瀏覽習(xí)慣，為后續(xù)研究提供數(shù)據(jù)基礎(chǔ)。使用李克特量表對(duì)抖音算法推薦機(jī)制的認(rèn)可度和用戶的心流體驗(yàn)程度進(jìn)行評(píng)估，旨在回答“抖音算法推薦機(jī)制是否會(huì)促進(jìn)用戶的心流體驗(yàn)”問(wèn)題。

（二）研究設(shè)計(jì)

在設(shè)計(jì)問(wèn)卷之前，隨機(jī)對(duì)部分抖音用戶進(jìn)行訪談，通過(guò)開(kāi)放式問(wèn)題了解他們對(duì)抖音推薦算法的認(rèn)知程度和使用感受，同時(shí)參考相關(guān)問(wèn)卷，設(shè)計(jì)本問(wèn)卷。

問(wèn)卷包含五個(gè)板塊：一是圍繞用戶的基本身份屬性，包含性別、年齡、教育程度、職業(yè)等基本信息。二是聚焦用戶使用抖音的狀況、目的和動(dòng)機(jī)，包含使用頻率、主要意圖、媒介習(xí)慣等。三是主要圍繞抖音算法推薦機(jī)制設(shè)置問(wèn)題。例如，抖音推薦算法能否精準(zhǔn)捕捉用戶的瀏覽偏好，能否為用戶合理推送不同領(lǐng)域的信息，能否有效預(yù)估用戶的潛在需求，從而預(yù)測(cè)性地推薦異質(zhì)性信息。四是從用戶的興奮感、時(shí)間感、沉浸感三個(gè)維度，具體測(cè)量其使用抖音的心流體驗(yàn)。五是主要調(diào)查用戶對(duì)抖音推薦算法的整體看法和評(píng)價(jià)。

考慮到抖音用戶人數(shù)眾多、分布較廣，本文以網(wǎng)上問(wèn)卷調(diào)查為主，通過(guò)微信、微博、QQ等社交平臺(tái)，發(fā)放并回收了202份問(wèn)卷。在首題“是否下載和使用過(guò)抖音”設(shè)定篩選條件，將答案為“否”的23個(gè)問(wèn)卷設(shè)為無(wú)效并進(jìn)行剔除，共得到179個(gè)有效問(wèn)卷。隨后借助定量分析工具和平臺(tái)，對(duì)本次收集到的樣本數(shù)據(jù)進(jìn)行整合分析。

三、研究分析

（一）信度和效度分析

1.信度分析

信度主要用于衡量被測(cè)項(xiàng)目或量表所得結(jié)果的穩(wěn)定性和一致性，信度越高，其標(biāo)準(zhǔn)誤越小[9]。李克特量表中，主要使用Cronbach's ∝ 系數(shù)和折半信度對(duì)量表進(jìn)行信度分析。 ∝ 值在 0.60～0.65 之間，表明量表信度較差，實(shí)驗(yàn)情況不理想； ∝ 值介于 0.65～0.70 之間，表明信度處于最小可接受范圍； ∝ 值在 0.70～ 0.80之間，表明信度較好，此時(shí)實(shí)驗(yàn)研究條件較為理想[9]。使用 SPSS 的信度分析模塊輸出結(jié)果（如表1）， ∝ 系數(shù)值為0.782，說(shuō)明本次實(shí)驗(yàn)中的推薦算法量表、心流體驗(yàn)量表和整體評(píng)價(jià)量表信度較好。

2.效度分析

效度主要用于評(píng)估測(cè)量工具或手段能否準(zhǔn)確測(cè)出所需測(cè)量特質(zhì)，即測(cè)量結(jié)果的準(zhǔn)確性和有效性[9]。內(nèi)容效度的評(píng)估與研究者的專業(yè)知識(shí)、常識(shí)判斷以及問(wèn)卷設(shè)計(jì)的合理性相關(guān)。因此，使用KMO檢驗(yàn)。KMO檢驗(yàn)用于衡量變量之間的簡(jiǎn)單相關(guān)系數(shù)與偏相關(guān)系數(shù)的相對(duì)大小，從而評(píng)估變量間的相關(guān)程度。KMO值越高，說(shuō)明變量間的共同因素越多，越適合進(jìn)行因子分析。KMO值低于0.5時(shí)，不適宜進(jìn)行因子分析處理；KMO值處于0.6一0.7之間，因子分析的效果較差；KMO值高于0.7時(shí)，因子分析的效果較好[9]Bartlett’s球型檢驗(yàn)常被用于檢驗(yàn)變量之間是否相互獨(dú)立。一般情況下，當(dāng)KMO值大于0.7，且Bartlett球形檢驗(yàn)的 Sig 顯著性水平小于0.01時(shí)，表明此次問(wèn)卷量表的結(jié)構(gòu)效度良好。如表2所示，本研究的KMO值為0.790，Bartlett球形檢驗(yàn)Sig值為0.000，小于0.01，說(shuō)明其結(jié)構(gòu)有效性較為理想。

（二）樣本描述性統(tǒng)計(jì)分析

對(duì)本次調(diào)研涉及的抖音用戶開(kāi)展描述性統(tǒng)計(jì)分析，結(jié)果見(jiàn)表3。

本次回收的179份有效問(wèn)卷中，男性用戶比例為39.7% ，女性用戶比例為 60.3% ；大部分用戶的年齡處于18—25歲區(qū)間，且擁有高等教育背景。從使用時(shí)長(zhǎng)方面看，超過(guò)12個(gè)月的用戶所占比例超過(guò)半數(shù)，為 63.7% ，這些用戶都對(duì)推薦算法及其相關(guān)系統(tǒng)機(jī)制表現(xiàn)出了較高認(rèn)知。同時(shí)，上述樣本構(gòu)成比例與巨量算數(shù)發(fā)布的《抖音用戶畫像報(bào)告》具有較高的相似度，表明樣本具有一定代表性，為后續(xù)數(shù)據(jù)的分析和整理提供了依據(jù)。

（三）抖音算法推薦機(jī)制與用戶心流體驗(yàn)的相關(guān)性分析

1.皮爾遜相關(guān)性分析

使用SPSS軟件相關(guān)性功能模塊，發(fā)現(xiàn)推薦算法的精準(zhǔn)性、多樣性、新穎性與用戶心流體驗(yàn)之間的顯著性 P 值均小于0.05，說(shuō)明二者存在顯著的相關(guān)性。進(jìn)行皮爾遜相關(guān)性分析得到表4，發(fā)現(xiàn)心流體驗(yàn)與精準(zhǔn)性、多樣性、新穎性之間的相關(guān)系數(shù) r 分別為0.382、0.257、0.305，均大于零。說(shuō)明抖音的推薦算法與用戶的心流體驗(yàn)具有顯著的正向關(guān)聯(lián)。具體而言，推薦算法的精準(zhǔn)度、多樣性、新穎性越強(qiáng)，用戶在使用過(guò)程中所獲得的心流體驗(yàn)程度就越高，反之則越低。

2.多元線性回歸分析

在皮爾遜相關(guān)性分析的基礎(chǔ)上，使用SPSS軟件的多元線性回歸功能，以推薦算法的精準(zhǔn)性、多樣性、新穎性為自變量，以用戶在使用過(guò)程中所產(chǎn)生的心流體驗(yàn)為因變量，對(duì)二者因果關(guān)系進(jìn)行分析，輸出結(jié)果如表5。

從表5得到以下結(jié)果：

（1）本次線性回歸的擬合度良好， R²=0.274 ，意味著本次實(shí)驗(yàn)?zāi)軌蜉^好地反映推薦算法的精準(zhǔn)性、多樣性、新穎性對(duì)用戶心流的影響情況。

（2）輸出結(jié)果VIF均小于5，說(shuō)明三個(gè)變量之間并無(wú)多重共線性。

（3）回歸方程顯著， F=12.293 ， Plt;0. 001 ，說(shuō)明上述三個(gè)自變量中至少有一個(gè)能夠顯著影響因變量——心流體驗(yàn)。

（4）抖音推薦算法的精準(zhǔn)性對(duì)用戶心流體驗(yàn)具有顯著的正向影響（回歸系數(shù) B=0.298gt;0 ，顯著性水平 P=0.0001lt;0.05） ；抖音推薦算法的多樣性并未對(duì)用戶心流體驗(yàn)產(chǎn)生顯著的正向影響（顯著性水平 P =0.764gt;0.05 ）；抖音推薦算法的新穎性對(duì)用戶心流體驗(yàn)具有顯著的正向影響（回歸系數(shù) B=0.223gt;0 顯著性水平 P=0.047lt;0.05 ）。具體而言，心流體驗(yàn)可通過(guò)以下方程表示：心流體驗(yàn) =2.485+0.298× 精準(zhǔn)性 +0.223× 新穎性。

（四）用戶心流體驗(yàn)與單次使用時(shí)長(zhǎng)的相關(guān)性分析

根據(jù)SPSS相關(guān)性輸出結(jié)果，心流體驗(yàn)與用戶單次使用時(shí)長(zhǎng)之間的顯著性 P 值 lt;0.05 。進(jìn)行相關(guān)性分析得到表6，發(fā)現(xiàn)心流體驗(yàn)與用戶單次使用時(shí)長(zhǎng)之間的相關(guān)系數(shù) r 大于零，說(shuō)明二者之間存在著顯著的正相關(guān)關(guān)系。具體而言，隨著用戶持續(xù)享受抖音推薦算法帶來(lái)的興奮感、沉浸感，其心流體驗(yàn)逐漸走高。同時(shí)，用戶單次使用時(shí)長(zhǎng)也隨著心流體驗(yàn)的持續(xù)而延長(zhǎng)。

四、研究結(jié)論

（一）抖音算法推薦機(jī)制與用戶心流體驗(yàn)的關(guān)系

通過(guò)整理和分析問(wèn)卷調(diào)查數(shù)據(jù)后發(fā)現(xiàn)，抖音基于大數(shù)據(jù)分析用戶的瀏覽喜好持續(xù)輸出推薦流，對(duì)用戶的心流體驗(yàn)產(chǎn)生了較大影響。推薦算法的精準(zhǔn)性，即能否從海量信息中篩選出符合用戶興趣的信息，成為用戶心流體驗(yàn)是否產(chǎn)生的先決條件。推薦算法的多樣性雖然與用戶心流體驗(yàn)明顯相關(guān)，但二者并非因果關(guān)系。推薦算法的新穎性，即能否預(yù)測(cè)性地發(fā)掘用戶的潛在需要，成為用戶心流體驗(yàn)?zāi)芊癯掷m(xù)產(chǎn)生的必要條件。

（二）“推薦流”催生的“心流”對(duì)用戶使用體驗(yàn)的影響

算法推薦機(jī)制在為用戶營(yíng)造沉浸式心流體驗(yàn)的同時(shí)，也不可避免地對(duì)用戶的實(shí)際體驗(yàn)感造成了一定的消極影響。當(dāng)媒介持續(xù)不斷地在較大程度上滿足用戶的信息需求時(shí)，就會(huì)使用戶形成依賴，出現(xiàn)“媒介成癮”現(xiàn)象，即“用戶沉迷”。

“用戶沉迷”是指用戶由于長(zhǎng)時(shí)間持續(xù)獲取媒介信息，形成了不健康的習(xí)慣和嗜好。在短視頻平臺(tái)中，“用戶沉迷”主要由用戶持續(xù)觀看個(gè)性化推薦視頻，產(chǎn)生持續(xù)的心流體驗(yàn)形成。調(diào)查結(jié)果顯示，抖音的用戶日活躍度較高，持續(xù)時(shí)間較長(zhǎng)，有 32.4% 的用戶每天打開(kāi)抖音APP三次以上， 46.4% 的用戶每次使用不少于半小時(shí)，而單次使用時(shí)長(zhǎng)在15分鐘以下的用戶僅占 19.6% ，說(shuō)明大部分用戶每天投入相對(duì)較長(zhǎng)的時(shí)間和精力觀看抖音短視頻。推薦流持續(xù)輸出，不斷刺激著用戶的大腦神經(jīng)中樞，促使心流持續(xù)產(chǎn)生，從而使用戶達(dá)到一種無(wú)法自拔的沉浸境界。

五、抖音優(yōu)化算法推薦機(jī)制的路徑

（一）優(yōu)化短視頻平臺(tái)的反饋機(jī)制，提高精準(zhǔn)性

以推薦算法為技術(shù)基礎(chǔ)的信息分發(fā)機(jī)制是短視頻應(yīng)用形成推薦流的先決條件，它通過(guò)獲取用戶的瀏覽喜好，有針對(duì)性地呈現(xiàn)信息，增強(qiáng)用戶的體驗(yàn)感。但是，推薦算法系統(tǒng)判定視頻是否具有可看性的依據(jù)主要是完播率、點(diǎn)贊率、留言率等數(shù)據(jù)。從抖音反饋機(jī)制的運(yùn)行現(xiàn)狀來(lái)看，其傾向于抓取用戶的正向顯性反饋，如首頁(yè)默認(rèn)的推薦欄，醒目的“喜歡”“評(píng)論”“轉(zhuǎn)發(fā)”導(dǎo)航按鈕。但是，該機(jī)制對(duì)于用戶的負(fù)面反饋關(guān)注較少，“不喜歡”按鈕設(shè)置在“轉(zhuǎn)發(fā)”下拉菜單的最后一欄，一些用戶不知道這一反饋渠道，還有一些用戶由于不易操作放棄反饋。鑒于此，短視頻平臺(tái)應(yīng)從算法推薦機(jī)制和頁(yè)面設(shè)置兩個(gè)方面入手，調(diào)整用戶的反饋渠道，并完善反饋接收機(jī)制，動(dòng)態(tài)把握用戶的需求偏好，提高推薦算法的精準(zhǔn)性。

（二）推動(dòng)混合算法推薦機(jī)制融合發(fā)展，提高新穎性

當(dāng)前，抖音主要基于用戶信息協(xié)同過(guò)濾機(jī)制為用戶提供個(gè)性化信息推薦服務(wù)，也就是根據(jù)用戶的性別、年齡、興趣等基礎(chǔ)數(shù)據(jù)以及粉絲、關(guān)注的人、可能的朋友等社交信息建立虛擬畫像。在信息分發(fā)過(guò)程中，平臺(tái)采用協(xié)同過(guò)濾手段，識(shí)別出與用戶興趣相似的群體喜愛(ài)的短視頻，隨后將其推送給用戶。同時(shí)，一些點(diǎn)擊率高、互動(dòng)性強(qiáng)的熱門視頻也會(huì)被優(yōu)先展示在平臺(tái)首頁(yè)位置。但是，在單一算法推薦機(jī)制下，視頻內(nèi)容會(huì)出現(xiàn)同質(zhì)化傾向。例如，抖音用戶經(jīng)常連續(xù)刷到同一創(chuàng)意、同一形式甚至同樣內(nèi)容的視頻。通過(guò)分析用戶心流體驗(yàn)的影響因素，發(fā)現(xiàn)新穎性是用戶心流體驗(yàn)持續(xù)增強(qiáng)的必要條件，用戶長(zhǎng)時(shí)間瀏覽同類型視頻時(shí)會(huì)產(chǎn)生審美疲勞。

為了優(yōu)化算法推薦機(jī)制，一些學(xué)者提出了混合推薦系統(tǒng)算法，這是一種結(jié)合了變換法、加權(quán)法、特征組合法、特征擴(kuò)充法、混合法、層疊法以及元級(jí)別法等推薦技術(shù)的系統(tǒng)，克服了單一推薦方法的局限性，提高了內(nèi)容推薦的準(zhǔn)確性和用戶滿意度[10]。混合推薦系統(tǒng)算法在抓取用戶瀏覽偏好的基礎(chǔ)上，通過(guò)數(shù)據(jù)建模挖掘用戶潛在的信息需求，推送異質(zhì)性信息，進(jìn)一步提高內(nèi)容推薦的新穎性。值得注意的是，內(nèi)容推薦的“新穎性”并不等同于內(nèi)容推薦的“多樣性”?！岸鄻有浴敝荚陂_(kāi)拓用戶新的瀏覽偏好，“新穎性”則是指通過(guò)預(yù)測(cè)用戶興趣，向其推薦熱門內(nèi)容。推薦內(nèi)容的“新穎性”既能確保推薦的精準(zhǔn)度，又能滿足用戶潛在的價(jià)值需要。

（三）增加精品內(nèi)容的推送權(quán)重，提升用戶留存率

為了解決“推薦流”引起的心流體驗(yàn)異化，即用戶沉迷問(wèn)題，各短視頻平臺(tái)上線了防沉迷系統(tǒng)。2019年3月28日，抖音增加了“青少年防沉迷”功能。當(dāng)用戶每天首次登陸時(shí)，會(huì)看到提示，自行決定是否打開(kāi)青少年模式。在該模式下，用戶每天累計(jì)使用時(shí)間上限為40分鐘。2019年4月，抖音推出了防沉迷系統(tǒng)，當(dāng)用戶連續(xù)觀看達(dá)90分鐘后，系統(tǒng)會(huì)彈出一段視頻，提示用戶關(guān)注使用時(shí)長(zhǎng)和護(hù)眼問(wèn)題。然而，本次問(wèn)卷調(diào)查的結(jié)果表明，僅有 9.5% 的用戶在接收到防沉迷短視頻提醒后會(huì)選擇主動(dòng)退出應(yīng)用； 59.2% 的用戶則選擇忽略此提醒，繼續(xù)瀏覽； 72.3% 的用戶表示，由于“過(guò)度沉迷于短視頻瀏覽”，選擇卸載該應(yīng)用。顯然，推薦算法持續(xù)推送內(nèi)容，在為用戶帶來(lái)沉浸式體驗(yàn)的同時(shí)，也對(duì)他們的心流狀態(tài)產(chǎn)生了負(fù)面作用，短視頻的用戶留存率降低?！坝脩袅舸媛省笔呛饬俊坝脩麴ば浴钡闹匾笜?biāo)，是指自特定時(shí)間段起開(kāi)始使用某應(yīng)用，并在一段時(shí)間后仍持續(xù)使用該應(yīng)用的用戶數(shù)量占同期新增用戶的比例。

雖然用戶擁有自主選擇權(quán)，但短視頻防沉迷系統(tǒng)僅能起到外部控制的作用，難以從根源上解決用戶沉迷現(xiàn)象。短視頻平臺(tái)應(yīng)注重提升內(nèi)容產(chǎn)品的人文價(jià)值，深入挖掘中華優(yōu)秀傳統(tǒng)文化資源，激勵(lì)優(yōu)秀創(chuàng)作者，增加精品內(nèi)容推送權(quán)重，在滿足用戶信息需求的基礎(chǔ)上，著力提高產(chǎn)品價(jià)值，提升用戶留存率。

六、結(jié)語(yǔ)

近年來(lái)，隨著網(wǎng)絡(luò)數(shù)字技術(shù)的進(jìn)步，我國(guó)社會(huì)信息化程度不斷提高，短視頻平臺(tái)對(duì)人們的生活產(chǎn)生了較大影響。推薦算法緩解了過(guò)量信息與用戶有限注意力之間的矛盾，但也對(duì)用戶產(chǎn)生了一定的負(fù)面影響。

本文對(duì)用戶使用體驗(yàn)進(jìn)行實(shí)證分析，總結(jié)了抖音算法推薦機(jī)制與用戶心流體驗(yàn)的關(guān)系，發(fā)現(xiàn)算法推薦機(jī)制的精準(zhǔn)性、新穎性對(duì)用戶的心流體驗(yàn)具有促進(jìn)作用。平臺(tái)應(yīng)從優(yōu)化反饋機(jī)制、增強(qiáng)混合推薦機(jī)制以及提高內(nèi)容產(chǎn)品價(jià)值三個(gè)方面入手，進(jìn)一步優(yōu)化算法推薦機(jī)制，實(shí)現(xiàn)自身的健康發(fā)展。

本研究也存在一些不足，主要表現(xiàn)在兩個(gè)方面：一是問(wèn)卷樣本方面，受調(diào)查者主要是18—25歲的二、三線城市青年，樣本量較?。欢峭扑]算法測(cè)量維度方面，仍存在一些本文尚未考慮到的影響因素。在今后的研究中需要進(jìn)一步分析和探討，得出更具推廣性的結(jié)論。

參考文獻(xiàn)：

[1］中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心.第55次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[EB/OL].（2025-01-17）[2025-03-04].https：//www.cnnic.cn/NMediaFile/2025/0117/MAIN173710689576721DFTGKEAD.pdf.

[2] 張穎婷，張振廣.探析新媒體環(huán)境下“算法”技術(shù)的應(yīng)用[J].新聞潮，2019（4）：33-35.

[3] 閆鑫.媒介融合背景下算法對(duì)新聞生產(chǎn)的影響[J].新聞研究導(dǎo)刊，2020，11（5）：63-64.

［4］凱斯·R·桑斯坦.信息烏托邦—眾人如何生產(chǎn)知識(shí)[M].畢競(jìng)悅，譯.北京：法律出版社，2008：7.

[5] CsikszentmihalyiM.Flow：ThePsychology of OptimalExperience[J].Design Issues，1991，8（1）.

[6] 萬(wàn)昱君.基于心流體驗(yàn)的移動(dòng)游戲引導(dǎo)設(shè)計(jì)研究[J].藝術(shù)教育，2020（4）：263-266.

[7] 金雯婧.基于心流理論的互聯(lián)網(wǎng)購(gòu)物平臺(tái)用戶體驗(yàn)設(shè)計(jì)的研究[D].杭州：浙江大學(xué)，2016.

［8］QuestMobile研究院.QuestMobile 2024中國(guó)移動(dòng)互聯(lián)網(wǎng)年度大報(bào)告：“數(shù)智化”駕\"云”而來(lái)，12.57億用戶激活“AI奇點(diǎn)時(shí)刻”?。跡B/OL].（2025-03-04）[2025-04-07].https：//www.questmobile.com.cn/research/report/1896846900944015361.

[9] 吳明隆.問(wèn)卷統(tǒng)計(jì)分析實(shí)務(wù)：SPSS操作與應(yīng)用[M].重慶：重慶大學(xué)出版社，2010：194-242.

［10］成小翠.電商平臺(tái)個(gè)性化推薦用戶采納影響因素研究[D].哈爾濱：黑龍江大學(xué)，2018.

[責(zé)任編輯：喻靖雯]