算法視域下抖音短視頻平臺(tái)視頻推薦模式研究

近年來(lái),算法成為新聞傳播學(xué)研究領(lǐng)域的"網(wǎng)紅",計(jì)算科學(xué)、情報(bào)科學(xué)、社會(huì)網(wǎng)絡(luò)科學(xué)等自然科學(xué)研究方法和研究工具逐漸被引入新聞傳播學(xué)領(lǐng)域,可將數(shù)據(jù)公式化和結(jié)構(gòu)化的研究工具,使得原本在理論描述中的傳播規(guī)律和效果評(píng)價(jià)真正得以通過(guò)量化和圖示化的方式進(jìn)行表達(dá),一些原本模糊的關(guān)系和不曾發(fā)現(xiàn)的現(xiàn)象聯(lián)系逐漸被揭示和認(rèn)可,從而為新聞傳播學(xué)領(lǐng)域的研究開(kāi)拓了新的研究空間。

算法(Algorithm)是解題方案的準(zhǔn)確而完整的描述,是一套相對(duì)完整的具有較強(qiáng)邏輯性的命令,算法代表著用系統(tǒng)的方法描述解決問(wèn)題的策略機(jī)制。也就是說(shuō),我們可以借助算法在特定規(guī)格輸入的有限時(shí)間內(nèi)獲得所需要的輸出。不同的算法可能用不同的時(shí)間、空間或效率來(lái)完成同樣的任務(wù)。算法本身并沒(méi)有優(yōu)劣之分,更多的是用在解決問(wèn)題時(shí)需要的空間復(fù)雜度與時(shí)間復(fù)雜度來(lái)衡量。算法大致分為基本算法、數(shù)據(jù)結(jié)構(gòu)的算法、數(shù)論與代數(shù)算法、計(jì)算幾何的算法、圖論的算法等,隨著計(jì)算機(jī)的發(fā)展,算法已被廣泛開(kāi)發(fā)并應(yīng)用。優(yōu)秀的算法不但節(jié)約了用戶(hù)尋找優(yōu)質(zhì)內(nèi)容的時(shí)間成本,同時(shí)也使得平臺(tái)運(yùn)營(yíng)商對(duì)高校大學(xué)生用戶(hù)基本情況有了大致的了解。例如,一些外賣(mài)平臺(tái)在用戶(hù)使用時(shí)就會(huì)就近推薦外賣(mài)商家或按照用戶(hù)的使用習(xí)慣推薦其最感興趣的菜品,這都是算法在移動(dòng)社交領(lǐng)域中的應(yīng)用。抖音在短時(shí)間內(nèi)迅速擴(kuò)大市場(chǎng),積累用戶(hù),其背后的智能算法團(tuán)隊(duì)可以說(shuō)功不可沒(méi)。抖音的算法大致有以下三種方式。

一.基于用戶(hù)信息的基本協(xié)同過(guò)濾

基于用戶(hù)信息的基本協(xié)同過(guò)濾是抖音整個(gè)算法體系中最基礎(chǔ)和最簡(jiǎn)單的算法,也是在視頻推廣過(guò)程中普遍應(yīng)用的算法。抖音通過(guò)獲取用戶(hù)注冊(cè)時(shí)的基本信息,如性別、年齡、地址和基本興趣點(diǎn),對(duì)用戶(hù)的畫(huà)像有了大致的描繪。

其后,在信息分發(fā)過(guò)程中,抖音通過(guò)考慮用戶(hù)之間的相似程度進(jìn)行相似內(nèi)容的推薦。當(dāng)用戶(hù)開(kāi)始接觸平臺(tái),且所提供的信息越詳細(xì)或越準(zhǔn)確,其對(duì)用戶(hù)需求的判斷越接近用戶(hù)的真實(shí)需要。我們可以構(gòu)建如下推薦模式模型。

假如A、B、C、D的基本信息較為相似,則前期在A(yíng)、B、C共同感興趣的內(nèi)容或產(chǎn)生點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)等使用行為的內(nèi)容會(huì)較為優(yōu)先推薦給D。比如,抖音的主界面分為同城和推薦兩個(gè)模塊,推薦模塊一個(gè)重要的原則就是視頻內(nèi)容和用戶(hù)興趣的匹配程度。匹配程度越高的信息越能夠被推薦。通常,在平臺(tái)用戶(hù)的初期使用階段,此種獲取方式最為主要,這種相對(duì)簡(jiǎn)單的算法推薦原則對(duì)于用戶(hù)具體興趣的判斷是相對(duì)模糊的,更多的是相似特征人群的興趣集合判斷?？梢哉f(shuō),不斷擴(kuò)大的用戶(hù)數(shù)量和使用行為為這類(lèi)基礎(chǔ)算法提供了數(shù)據(jù)源,通過(guò)海量數(shù)據(jù)的收集與分析,這類(lèi)算法的精準(zhǔn)程度會(huì)不斷提升。與快手等其他視頻應(yīng)用不同,抖音用戶(hù)較為集中在城市,用戶(hù)的學(xué)歷和年齡差距相對(duì)較小,媒介素養(yǎng)也較為相似,而這也是這類(lèi)基礎(chǔ)算法較為適用的重要原因。

二.基于"去中心化"的精準(zhǔn)推送

社交媒體最重要的原則就是"去中心化","把關(guān)人"的作用逐漸弱化,每個(gè)用戶(hù)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,擁有一定的話(huà)語(yǔ)權(quán),內(nèi)容并非集中于少數(shù)的關(guān)鍵用戶(hù)。在這種"去中心化"的精準(zhǔn)推送中,內(nèi)容和社交關(guān)系成為被抓取作為信息精準(zhǔn)分發(fā)的主要依據(jù)。我們可以通過(guò)用戶(hù)個(gè)人的視角構(gòu)建如下信息獲得模型。

圖2"去中心化"精準(zhǔn)推薦模式圖

這一類(lèi)的精準(zhǔn)算法可以分為兩大類(lèi):一類(lèi)是以?xún)?nèi)容興趣點(diǎn)為篩選維度的推薦,這個(gè)維度下,現(xiàn)實(shí)社交環(huán)境中的聯(lián)系較弱,甚至沒(méi)有聯(lián)系;另一類(lèi)是以社交強(qiáng)聯(lián)系為篩選維度的推薦,在通訊錄中的好友、同學(xué)都會(huì)成為推薦所抓取的對(duì)象。重合部分往往會(huì)獲得較多的推薦。內(nèi)容維度可以理解為以相同的職業(yè)、愛(ài)好、話(huà)題組成的相近興趣的集合。如圖2,縱向的橢圓為基于內(nèi)容興趣點(diǎn)的圖示,每個(gè)方形藍(lán)色的圖案代表所感興趣的視頻。平臺(tái)基于用戶(hù)使用行為的習(xí)慣,諸如點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)等行為,通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式挖掘用戶(hù)的興趣點(diǎn),從而在下一輪的視頻推薦中合理選擇,進(jìn)一步取悅用戶(hù),增加黏度。但是,正是這種以興趣為標(biāo)準(zhǔn)的推薦模式犧牲了用戶(hù)多元化獲得信息的"權(quán)利",限制或影響了用戶(hù)改變興趣的想法,這種精準(zhǔn)內(nèi)容推薦的模式使得用戶(hù)的接受內(nèi)容過(guò)于一致化或單一化,會(huì)形成審美疲勞。同時(shí),這一推薦模式也限制了用戶(hù)獲得視頻的類(lèi)型,用戶(hù)只能局限于相對(duì)熟悉的領(lǐng)域,陷入到固化的信息空間中,形成一個(gè)信息的孤島,"信息繭房"效應(yīng)不斷疊加。"信息繭房"這一概念最早是由哈佛大學(xué)法學(xué)院教授凱斯·桑斯坦在其2006年出版的著作《信息烏托邦--眾人如何生產(chǎn)知識(shí)》中提出的,主要是指信息個(gè)性化技術(shù)會(huì)使人們出現(xiàn)減少閱讀多樣化內(nèi)容的趨勢(shì),由于個(gè)性定制化的推薦系統(tǒng)是根據(jù)用戶(hù)已有的閱讀偏好進(jìn)行關(guān)鍵詞匹配和再分配,基本不會(huì)推薦相似性較低或相關(guān)性較差的內(nèi)容,用戶(hù)的閱讀內(nèi)容會(huì)變得狹窄。通過(guò)對(duì)移動(dòng)互聯(lián)技術(shù)的長(zhǎng)期觀(guān)察,可以發(fā)現(xiàn),在信息積極有效的擴(kuò)散過(guò)程中,因公眾自身的信息需求并非全面,公眾會(huì)把更多的精力與實(shí)踐投放在自己選擇的內(nèi)容和使自己獲得滿(mǎn)足感的領(lǐng)域,久而久之,會(huì)將自身桎梏于像蠶繭一般的"繭房"中。這類(lèi)的算法推薦原則加劇了用戶(hù)使用的"沉迷"程度,這也是為什么抖音用戶(hù)會(huì)有"根本停不下來(lái)"的使用體驗(yàn),相似的傳播內(nèi)容會(huì)使得用戶(hù)的"回聲室效應(yīng)"不斷增強(qiáng)。彭蘭教授曾經(jīng)提出,在社會(huì)化媒體中,人們以社交對(duì)象作為信息來(lái)源。他們?cè)谶x擇信息來(lái)源的同時(shí),也就進(jìn)行了信息的過(guò)濾。社會(huì)化媒體在一定程度上強(qiáng)化了人群的分化。人們因社交圈以及自身的立場(chǎng)態(tài)度的影響,常常會(huì)固守在符合自己偏好的信息與意見(jiàn)的圈子里,各種圈子之間相互隔絕甚至對(duì)立。相似內(nèi)容的不斷重復(fù),

會(huì)強(qiáng)化用戶(hù)自身已有的觀(guān)點(diǎn)與態(tài)度,會(huì)讓用戶(hù)覺(jué)得和自己持有相同觀(guān)點(diǎn)或立場(chǎng)的人成為"多數(shù)",從而沉迷于"擬態(tài)環(huán)境"。

社交關(guān)系維度可以理解為以現(xiàn)實(shí)的社交關(guān)系為連接的集合。如圖2,橫向的橢圓為基于社交關(guān)系的圖示,每個(gè)藍(lán)色的原點(diǎn)代表社交圈中用戶(hù)生產(chǎn)和收看的視頻。這類(lèi)關(guān)系基于社交關(guān)系的聯(lián)系程度從而變得更強(qiáng)。每個(gè)人的社交圈都隨著移動(dòng)互聯(lián)技術(shù)的進(jìn)步而不斷擴(kuò)大,但是,用戶(hù)本身和現(xiàn)實(shí)社交中好友或同學(xué)的關(guān)注點(diǎn)相似性不高,所以,這個(gè)橫向橢圓內(nèi)關(guān)注點(diǎn)的數(shù)量比縱向多,但是顏色和大小(分別代表用戶(hù)對(duì)信息本身的感興趣程度和喜好程度)并不那么強(qiáng)烈和突出。正是基于這種算法推薦,用戶(hù)在抖音的使用過(guò)程中通常會(huì)看到通訊錄好友發(fā)布的內(nèi)容,因?yàn)槠脚_(tái)通過(guò)算法也優(yōu)先推薦強(qiáng)關(guān)系的好友發(fā)布的內(nèi)容。這反映出短視頻平臺(tái)重要的社交屬性,通過(guò)自己拍攝視頻在強(qiáng)關(guān)系中的展示,能夠滿(mǎn)足使用者的需要,增強(qiáng)認(rèn)同感和滿(mǎn)足被別人了解的社交需求。這也從一個(gè)側(cè)面反映出網(wǎng)絡(luò)社交正日益成為人們生活方式的重要組成部分,現(xiàn)實(shí)的人際關(guān)系從相對(duì)模糊的互聯(lián)網(wǎng)投射轉(zhuǎn)變?yōu)檩^為清晰的社交關(guān)系,互聯(lián)網(wǎng)上的身份從"陌生"變?yōu)?quot;熟悉",社交關(guān)系從"匿名"向"實(shí)名轉(zhuǎn)變。移動(dòng)互聯(lián)社交已成為現(xiàn)代人類(lèi)的新型交往方式,而這種全新的交往方式改變著人們的思維方

式、行為方式與生活方式。

三.基于"流量池"的疊加推薦

與算法的研究日益成為熱點(diǎn)類(lèi)似,流量池也是近段時(shí)間以來(lái)頻繁出現(xiàn)的熱門(mén)詞匯。此前,在新媒體研究領(lǐng)域里,流量思維是較為集中的研究熱點(diǎn),甚至有學(xué)者指出,"得流量者得天下"。流量池思維則是要獲取流量并通過(guò)存儲(chǔ)、運(yùn)營(yíng)和發(fā)掘等手段,進(jìn)行信息的再傳播,以期獲得更多的流量。流量思維和流量池思維最大的區(qū)別就是流量獲取之后的下一步社會(huì)行為,后者更強(qiáng)調(diào)如何用一批老用戶(hù)找到更多新的用戶(hù),而流量思維更多的是首輪傳播的效果評(píng)價(jià)。通常來(lái)講,在內(nèi)容流量池表現(xiàn)較好的視頻內(nèi)容往往會(huì)進(jìn)入疊加推薦的行列,從而獲得更多的閱讀量和點(diǎn)贊。疊加推薦是以?xún)?nèi)容的綜合權(quán)重做評(píng)估標(biāo)準(zhǔn),綜合權(quán)重的關(guān)鍵指標(biāo)有完播率、點(diǎn)贊量、評(píng)論量、轉(zhuǎn)發(fā)量,且每個(gè)元素所具有的影響權(quán)重又互不相同,當(dāng)達(dá)到一定量級(jí),平臺(tái)就會(huì)以大數(shù)據(jù)算法和人工運(yùn)營(yíng)相結(jié)合的機(jī)制進(jìn)行不斷的推薦。比如,當(dāng)用戶(hù)發(fā)布一條視頻時(shí),平臺(tái)會(huì)自動(dòng)將其分配到一個(gè)流量池當(dāng)中,分發(fā)到一定數(shù)量級(jí)的用戶(hù)的推薦界面,然后通過(guò)統(tǒng)計(jì)該視頻的播放效果,形成一個(gè)加權(quán)分?jǐn)?shù),轉(zhuǎn)發(fā)量、評(píng)論量、點(diǎn)贊量的權(quán)重依次遞減,分?jǐn)?shù)越高則獲得疊加推薦的機(jī)會(huì)越大,播放效果好的視頻會(huì)再次加入流量池進(jìn)行更大范圍的分發(fā),而表現(xiàn)較差的視頻則失去了被推薦的機(jī)會(huì),沉淀至流量池底部。第二次推薦又獲得比較好的反饋則進(jìn)入下一輪的推薦,從而獲得更大規(guī)模的推薦。流量池推薦帶來(lái)了更加明顯的"馬太效應(yīng)",優(yōu)質(zhì)的視頻被反復(fù)推薦,獲得更大的積累優(yōu)勢(shì),而在第一波流量池推送中"遜色"的視頻則失去了更大規(guī)模被推薦的機(jī)會(huì)。同時(shí),由于這類(lèi)算法更加基于多重用戶(hù)受眾的實(shí)際行為分析,所以經(jīng)常會(huì)有大量級(jí)播放次數(shù)的視頻出現(xiàn)。與前兩個(gè)算法推薦相比,流量池推薦的視頻隨機(jī)性更強(qiáng),其推薦的法則并非主要著眼于視頻內(nèi)容,而更多的是通過(guò)用戶(hù)的反饋進(jìn)行推薦。換言之,流量池推薦更注重視頻傳播效果的評(píng)價(jià)而非內(nèi)容生產(chǎn)的優(yōu)劣。這也使得一些內(nèi)容并不那么優(yōu)質(zhì)的視頻利用算法推薦的漏洞或不足,能夠取得很高的評(píng)價(jià)分?jǐn)?shù),從而被大量級(jí)推薦,迅速"躥紅"。

四.建議與對(duì)策

依靠強(qiáng)大的算法推薦,抖音已經(jīng)在目前短視頻白熱化的角逐中逐漸占據(jù)上風(fēng)。但是,完全依靠協(xié)同過(guò)濾和精準(zhǔn)分發(fā)的單純算法推薦不能夠充分適應(yīng)目前快速發(fā)展的受眾需求,平臺(tái)需要進(jìn)一步完善更多維度的算法推薦系統(tǒng)。采用更加多元和開(kāi)放的算法,將會(huì)更加合理地促進(jìn)優(yōu)質(zhì)視頻內(nèi)容的傳播。因此,可以進(jìn)一步加強(qiáng)對(duì)抖音用戶(hù)使用行為的數(shù)據(jù)挖掘工作,引入滿(mǎn)意度、有用性等其他考量維度,優(yōu)化其產(chǎn)品內(nèi)容評(píng)價(jià)體系分層分類(lèi),避免加劇"繭房效應(yīng)",適當(dāng)調(diào)整興趣內(nèi)容與其他內(nèi)容的分發(fā)比例;進(jìn)一步提高平臺(tái)的識(shí)別能力,對(duì)所謂的"網(wǎng)紅"短視頻內(nèi)容加強(qiáng)甄別,提高原創(chuàng)視頻的推廣力度,加強(qiáng)對(duì)相似或較為雷同的視頻進(jìn)行過(guò)濾審核,避免"同質(zhì)化"內(nèi)容高頻出現(xiàn);積極引入或增加人工審核的機(jī)制,在審核過(guò)程中提高人工排查的參與程度,同時(shí)也要逐漸樹(shù)立傳播審核過(guò)程中"人"的參與意識(shí)。對(duì)于搞笑和泛娛樂(lè)化的內(nèi)容要適當(dāng)減少推薦。

積極鼓勵(lì)"PGC"的產(chǎn)品生產(chǎn),對(duì)于具有優(yōu)質(zhì)視頻生產(chǎn)能力的用戶(hù)給予鼓勵(lì),通過(guò)身份認(rèn)證、延長(zhǎng)視頻時(shí)限等方式給予支持,提升全平臺(tái)的視頻制作水平;始終堅(jiān)持"內(nèi)容為王"的運(yùn)營(yíng)和管理理念,依靠?jī)?yōu)質(zhì)的平臺(tái)內(nèi)容增加用戶(hù)黏度和吸引新用戶(hù),就一些具有明顯"嘩眾取寵"和惡搞的內(nèi)容,引入投訴和其他負(fù)面評(píng)價(jià)機(jī)制,進(jìn)一步凈化網(wǎng)絡(luò)空間。

本文來(lái)源:《出版廣角》:http://www.12-baidu.cn/w/zw/7342.html