抖音的算法,是如何把你束缚在信息茧房里的?

抖音的算法,是如何把你束缚在信息茧房里的?

2021-07-25 23:58:55 1

今天vv直选的测评员一起和你探究一下抖音的算法哪些小秘密:


一、背景

随着互联网时代(特别是移动互联网)的到来,信息如同《三体》里“技术爆炸”一般,呈现出“信息爆炸”的状态。


每天以EB为单位的信息量诞生在互联网的每个角落。预计到2025年,全球每天产生的数据量将达到491EB(1 EB=1024 PB=1048576 TB)。


在这种情况下,消费者对于信息的获取无疑变得更加的主动且丰富。


但丰富,并不意味着有效。


纸媒时代尚且有专业的编辑对内容进行筛选、排版后“分发”给消费者。


但对于互联网产品来说,即使内容再丰富,用户如果不感兴趣也是无效内容。


“效率”始终是商业社会的本质之一。低效意味着随时有可能落后或被淘汰。


为了解决这一问题, 淘宝最早再在2013年提出“千人千面”的概念。


依托淘宝网十年发展积累下来的庞大数据库,从细分类目中抓取那些与买家兴趣相匹配的商品,进行优先展现。


而每个在淘宝网上购买或是浏览过商品的消费者,都会被平台打上标签,比如年龄、地域、客单价、收藏偏好等。


标签的不同,在千人千面模式下,用户所看到的产品自然就会有所差异。


更有效率的内容分发方式,由此从野蛮生长进入到精细化运营的时代。


到了以“算法驱动”为核心理念的张一鸣手里,今日头条、抖音等产品更是在这种理念下饲养出来的洪水猛兽。


因此作为一名互联网人,即使不用动手去写编程算法,但了解相关算法知识、懂得相关内容分发与推荐机制背后的基本原理,也有利于更上一个认知的新台阶。


二、算法推荐系统的两个核心

(一)抖音为何让人如此上瘾?

许多人或许会有这样的体验:


在不同的场景下(在家、地铁、公司)、不同的时间点(早上、中午、晚上),即使是同类型的电影,实际上所接收到的内容也略有差别。


例如白天大多会收到比较幽默的内容,而到了晚上则会收到略带悬疑的影视剪辑片段等。


而无论是什么时候打开抖音,它都能让用户沉浸其中,似乎感觉不到时间的流逝,往往一下子能过去一两个小时。


你会发现抖音似乎很懂你,因为给你推送的内容全都是你喜欢看的。


抛开抖音的产品设计、沉浸式消费体验、短平快的内容节奏等,这其中还涉及到算法推荐机制和运营策略等因素。


而内容的个性化分发,本质上用一句大白话就可以解释:


让喜欢看妹子的用户,看到含有妹子的内容。


但在现实环境中,放眼互联网,能把这句话做好的公司其实没几个。


那么问题到底难在哪里呢?



(二)给内容打标,没有想的那么简单

给标签定义难,给内容打标也难。


在给一篇内容打上标签之前,首先需要做的是给标签做定义。


即讲清楚什么是苹果,什么是梨,而不是把苹果叫成梨。


一篇内容通常包括一级分类、二级分类、三级分类、标签等几个层次。


如动漫>日漫>火影忍者>鸣人等。


对于这些具有普遍性认知的分类跟标签来说,通常比较好下定义。


但是对于搞笑、美女这样的标签,则因人而异。


因为每个人的笑点不同、审美不同。


到底什么内容才算好笑、多好看才算美女?


萝卜青菜各有所爱,打标还没开始,就先卡在定义上面。


这里其实就涉及到两个概念——实体标签跟语义标签:


1.实体标签


广州就是广州、上海就是上海;马云就是马云,淘宝就是淘宝。


他们都是确定的实体,通常在不同人那里不会产生太大的歧义。


2.语义标签


如沙雕、美女、奇葩等词,并没有确定的指定对象。


在不同人那里会有不同的认知,因此打标难点通常出现在语义标签的定义上面。


语义标签的推荐效果是检验一个公司NLP(自然语言处理)技术水平的试金石。


不同公司根据其业务能力或需求的不同,对标签颗粒度的要求也不同。


比如有的公司拆分到火影忍者就不往下拆了,直接把这个词当作最小颗粒度的标签。


所有涉及到这部动漫的内容都可以打上这个“火影忍者”标签,但是难免有种一刀切的感觉,对后续的运营工作也有影响。


比如有的用户想看、或者想搜索“鸣人”,结果推送的、搜索出来的全都是“火影忍者”里面的其他人。


而有的公司则继续往下拆:例如拆到火影忍者>鸣人、佐助、小樱等实体标签。


因此可以看得出:标签颗粒度越细,推荐的内容越精准,同时所需要投入的资源则越多。


即使把整个公司的打标团队拉到一个会议室里面,大家通过统一培训、讲解,一个月后大家终于对什么才算是美女有了一个统一的认知,审美逐渐相同。


那么打标就可以顺利开展了吗?NO!


让我们先喝口水缓一缓,然后再接着往下继续聊。


(三)用户标签:可能是最难搞的部分

1.用户口味就像个难哄的女朋友


比内容标签难度更大的便是用户标签。


因为火影忍者就是火影忍者,一旦打上这个内容标签,它就不会变成海贼王。


内容标签尚且可以通过人工打标+机器训练的方式进行。


用户不一样,可能这个月他喜欢看火影忍者,算法推荐机制也给他匹配了相关的内容。但是下个月他可能因为朋友或同事的推荐开始看海贼王了。


如果算法还没反应过来,继续给他推送火影忍者的相关内容,此时这些内容对他来说便是无效内容,从而影响了内容的分发效率。


好比胡萝卜一直是胡萝卜,但是用户的口味却一直在变化。


今天想喝汤,明天想吃肉。


这里其实涉及到“推荐窄化”的问题,算法机制越差的产品,其推荐的内容越容易出现窄化。


如不小心点击了几篇文章,算法便默认你喜欢这一类内容,此后便一直推送相关信息,无法做到根据用户的需求变化进行灵活更迭。


尽管在这个时代,无论使用哪一款内容产品,都不可避免的会出现“信息茧房”的现象,但成熟的NLP技术与初级之间,实际的产品体验效果仍是天差地别。


2. 掌握用户的基本信息


在做用户标签之前,需要先掌握跟用户相关的信息,通常包括性别、年龄、地点、兴趣偏好等。


1)性别有助于分发性别属性较明显的内容:如给男生推送体育、给女生推送美容护肤;


2)年龄也同理:给年轻人推送动漫、游戏等内容,给老年人推送养生、健康信息等;


3)地点则用于推送与区域热点相关的信息:如给上海用户推送上海突发新闻,北京限行对于广州用户似乎没有多大影响。


以上三者通常可以通过用户自动填写、授权访问位置信息的方式获取,且不会有太大的变动。


3.掌握用户兴趣偏好


对于用户兴趣偏好,如上所说,则是做用户标签的难点所在。


获取用户兴趣偏好采用的方式,是根据用户消费过的内容匹配相应的标签,通常采取以下几种方式进行定位:


1)过滤噪声:如用户被标题党内容吸引进去,但是停留时间过段,则说明用户对该内容所绑定的标签不感兴趣,以此来过滤标题党;


2)热点降权:对一些社会热点、突发新闻(如某明星出轨),虽然短时间内用户浏览了相关信息,但并不能说明该用户一定对“娱乐”内容特别感兴趣,需要对该用户的“娱乐”兴趣偏好进行降权处理;


3)时间衰减:如上所说,用户的兴趣会发生偏移,因此推送策略需要更偏向于新的用户行为;


4)惩罚展现:如果一篇推荐给用户的文章没有被点击,则该内容的相关特征(如内容分类、标签)权重会被降低。


举一个十分简单的例子:


如某新注册用户(女,25岁,上海)在刷抖音时,算法采用A-A、A-B的方式进行测试。


首先连续推送两条影视剪辑内容(A-A),用户都完整观看并有点赞、评论等操作;


其次推送影视剪辑后推送母婴内容(A-B),用户只观看了影视剪辑内容,却划走了母婴内容。


那么则说明用户对“影视剪辑”这一内容的兴趣偏好度较高,对“母婴”标签内容兴趣偏好较低。


4. 不同内容类型的推荐权重


我们都知道对于综合型平台而言,内容通常不止一种类型,如今日头条便包含了长图文、小视频、短视频、问答、微头条等几种不同形态的内容。


即使是同一个标签,如“美女”,不同内容类型的推荐权重是否一样?这也是算法推荐机制需要考虑的问题。


三、如何衡量推荐系统的好坏

内容推荐的准不准,通常可以直接从数据上去分析。


CTR(点击率)、消费时长、点赞、评论、转发数等“可量化指标”。


如Y=F(X1,X2,X3),Y代表内容可被加大曝光的权重,X代表点赞、评论等实际参数。


评论数的影响权重通常大于点赞权重,不同平台由于产品差异对于参数的权重设置也有所不同。


而不同的用户因其账号“置信度”的差异,即使点赞了同一条内容,对该内容的影响权重也有差异,如某知乎大V点赞跟普通账号点赞的权重显然是不一样的。


但有时数据也有缺陷。如对于低俗、标题党、涉黄内容,如果短时间内吸引了大量用户点击浏览,那么算法能判定其为好内容,并加大推送量吗?


答案显然是否定的。


因此通常需要打压降权的内容主要有以下几种:


1)广告、低质搬运内容打压;


2)涉黄、低俗恶心内容打压;


3)标题党、低质账号内容降权等。


基于社会责任感和政策法规等因素,平台需要对该部分内容进行打压、降权,而对重点时事新闻进行置顶强插。


这些都是算法无法独立完成的,需要运营配合进行。许多资讯平台都会有专门的首页运营小组对内容进行人工干预。


大多数APP日常通知栏PUSH的内容也是采取算法+人工的方式进行推送的。


四、总结

回到开头所说:要让喜欢看妹子的用户看到含有妹子的内容。


这句如此简单的话想要实现它,需要做到:


1. 内容标签的准确定义、准确打标


因为不同的人对于同一个语义标签会有不相同的认知。


2. 用户标签的准确匹配


清楚用户对于哪种“妹子”兴趣偏好度更高:是长发妹子?还是短发妹子?是南方人还是北方人等等颗粒度更细的拆分。


用户标签是建立在内容标签打的足够准确的前提条件之上的,一步错则步步错。


如果内容标签无法准确判断,那么基于内容标签建立起来的用户标签也是不可信的。


3. 算法训练


要想训练机器能够自动打标,往往一个“标签”就需要训练几个星期的时间。


通常采用抓取标题关键词的方式打上内容标签,但有时标题与文章或视频里面所有表达的内容其实有很大出入,因此打上的标签很有可能是不准确的,需要人工进行复核,判断其准确率。


综上所述,如今算法分发几乎已经是所有搜索引擎、资讯软件、内容社区、社交软件等产品的标配。


算法代表着用系统的方法去描述、解决问题的策略机制。


因此无论你是一只产品汪、还是一只运营喵,了解了内容平台的基本算法原理,无论是对于产品推荐机制的设计,还是对平台运营策略的构建,都能有所帮助。


电话咨询
主播入住申请
在线地图
QQ客服