蒋雪颖

【关键词】个性化推荐算法   抖音短视频   认知 用户

一、研究背景

互联网带来信息过载的问题，用户很难快速找到自己需要的内容，目前解决信息过载的两种技术是搜索引擎和推荐系统。搜索引擎被动地返回用户查询关键字相关的内容，推荐系统则主动地预测用户感兴趣的信息。推荐系统经历了从非个性化到个性化的过程，个性化推荐系统经过了20多年的发展，如今它与我们的生活密切相关。

最早的三大个性化推荐系统在1995年提出，分别是卡耐基·梅隆大学提出的Web Watcher、斯坦福大学的LIRA、麻省理工学院的Litizia。在1996年，雅虎推出了个性化入口My Yahoo；1999年，德国Dresden技术大学的塔尼亚·约丁（Tanja Joerding）实现了个性化电子商务原型系统TELLIM；1997年，AT&T实验室提出了基于协同过滤的个性化推荐系统PHOAKS和Referral Web。^[1]个性化推荐系统主要由三个模块组成，用户建模模块、推荐对象模块、个性化推荐算法模块，个性化推荐算法是其中的核心部分。^[2]

随着社交网站的兴起，用户使用搜索引擎留下的历史记录、在社交媒体留下的图片与文字、在购物网站留下的购买订单记录和评价互动，这些在线活动为个性化推荐提供了大量数据，个性化推荐变得越来越智能。我们生活中越来越多的方面与个性化推荐交织在一起，在线体验的大部分中介内容，都是由个性化推荐算法分类生成，搜索引擎不断植入个性化推荐更有效地反馈查询内容，新闻、视频和社交媒体内容，几乎是根据算法对用户相关性的判断，然后以个性化的方式排序，媒体产品的生产、选择和展示都经过了算法的作用。^[3]

在国外，路透新闻研究所发布的《数字新闻在线报告2017》显示，54%的受访者更喜欢通过个性化推荐算法筛选故事，^[4]68%的美国成年人从社交媒体如Facebook和YouTube获取新闻，这些平台使用个性化推荐算法来提供内容；在国内，2012年以今日头条为代表的个性化推荐算法型应用上线，开启了算法分发资讯的潮流，2016年百度、阿里巴巴、腾讯、微博等网络巨头加大技术算法投入，移动资讯信息分发领域中个性化推荐算法开始超过人工推送，成为主要资讯信息分发方式^[5]。个性化推荐算法已经成为用户的“信息界面代理人”，行使着信息筛选的权力。

深陷其中的用户是如何认知个性化推荐算法的呢？皮尤研究中心2018年的一项调查显示，53%的美国成年人并不了解它的运作机制，对平台积累了大量个人数据也不知情，还把这种推荐当作客观精准的代名词，身处算法的权力控制之中而不自知，用户在互联网平台巨鳄面前无所遁形。互联网曾经被形容为一个可以实现自由、平等、个人赋权的地方，互联网用户被赋予自由地掌控信息流动的权利。如今互联网早期的乌托邦光环已经褪去，平台巨鳄更有能力利用个性化推荐技术控制个人，技术掩盖了数据对个体的控制方式。

对算法的无知可能将自身置于无意识地被平台和算法操纵的境地，^[6]如果不加反思和质疑地接受和使用算法，将其视为某种“社会必然性”的展开，表明对其预设的价值取向的屈从或默认。如果我们想了解算法的社会力量，就必须了解用户是如何认知算法的，以及这些认知经验如何反过来影响用户对算法系统的期望，进而影响到平台对算法规则的修改，这可能有助于塑造算法本身，实现算法善用，因此关注用户对算法的认知至关重要。

二、研究设计

本文选取抖音短视频用户作为研究对象。之所以选择短视频应用，是因为网络短视频的用户规模大，而且中国网民最频繁接触具有个性化推荐算法的应用，不是社交媒体、新闻、搜索应用，而是短视频应用，^[7]而且短视频应用的用户比起新闻应用的用户更具有能动性，可能有更多的与个性化推荐算法的交互活动。

本研究对抖音用户开展问卷调查，同时以“抖音算法”为搜索关键词，在网民活跃的平台进行样本的搜索与选取。本文探究抖音用户对个性化推荐算法的认知，具体包括感知和知识形成两方面，试图回答两个问题：

1.抖音用户是否感知个性化推荐算法的存在？了解程度、了解意愿以及对此的评价是什么样的？

2.抖音用户形成的个性化推荐算法知识是什么样的？

三、研究发现

(一)用户对个性化推荐算法的感知

问卷主要调查了抖音用户对个性化推荐的了解程度、了解意愿、改善信息环境的意愿和行动、评价等。整体来看，不同群体对个性化推荐算法的感知存在差异。有75%的参与调查者能够感知到个性化推荐的存在，且听说过个性化推荐；49 %的参与调查者认为自己对抖音个性化推荐机制有所了解，但经过测试发现实际上了解程度有限，存在许多误解。认为对抖音个性化推荐了解程度越高的人群，更有可能评价自己对抖音有控制权。

大部分参与调查者知道“使用行为偏好”“身份信息”能够影响个性化推荐，但不太了解“使用设备的信息”“用户在其他网站或APP上的使用行为”也能产生影响。不同群体对个性化推荐算法的了解程度存在差异，了解程度高的女性比例远高于男性比例，18-30岁年轻人了解程度更高，城市地区参与调查者了解程度高的比例，要高于乡镇和农村地区的比例。

在抖音个性化推荐的了解意愿方面，整体上参与调查者不是很强烈，40%的参与调查者表示“无所谓”，约20%的参与调查者明确表示，不想了解抖音个性化推荐机制。女性的了解意愿比男性更强烈，18-25岁的参与者了解意愿最高，51-60岁的参与者了解意愿最低，直辖市参与调查者了解意愿最高。

在改善信息环境的意愿和行动方面，有46%的参与调查者尝试过调整在抖音上看到的内容，积极改善他们的信息环境，最常见的行动是“关注或取消关注某些人”，其次是“不感兴趣或屏蔽某些视频”。

在抖音个性化推荐的评价方面，分为控制权、精准度、喜欢程度的评价。关于控制权，36%的参与调查者认为自己“有很多控制权”，女性、18-25岁的参与调查者、直辖市的参与调查者，更乐观地觉得自己有控制权，表示没有控制权比例最高的是乡镇参与调查者。另外，使用越久的参与调查者，更有可能觉得控制权程度较低。每天使用时间越长的参与调查者，更有可能觉得控制权程度低。

在精准度方面，55.67%的参与调查者选择了“一般准确”，女性对抖音个性化推荐准确程度的评价略高于男性，51-60岁年龄段的参与调查者认为，抖音个性化推荐准确程度较高。表示抖音个性化推荐“不准确”和“不太准确”较高比例的，是乡镇（23%）和农村的参与调查者（25%），其他地区差异不是很大。三年前开始使用的参与调查者认为“不准确”所占比例最高。另外每天花费时间越多，更有可能感知到个性化推荐比较准确。

在喜欢程度方面，62%的参与调查者表示“一般喜欢”，男女差异不明显，41-50岁年龄段的参与调查者喜欢程度最高。直辖市参与调查者表示很喜欢的比例（5%）和不喜欢（13%）都是最高的，乡镇参与调查者表示“一般般”的比例是最高的（84%）。越早开始使用抖音的参与调查者、每天花费时间越多的参与调查者，更有可能喜欢个性化推荐。

(二)用户对个性化推荐算法的认知

1.对个性化推荐算法的拟人化概念

本文对知乎平台上“抖音的算法是怎么样的？”所有回答进行文本分析，并制作了前60个高频词的词云图（图1）。通过形成算法的拟人化概念，能更好地理解算法在现实世界中的设计理念，以及用户是如何理解抖音算法及其技术机制的。

图1知乎问题“抖音的算法是怎么样的？”文本高频词

第一，算法是内容审核员。在抖音用户看来，算法承担着初始的视频质量审核作用。算法发挥着两个关键作用，第一是审核作品、文案中是否存在违规行为，如果疑似存在就会被机器拦截提示用户修改；第二，算法通过抽取视频中的画面、关键帧，与抖音大数据库中已存在的海量作品进行匹配消重，如果有重复内容，将设置仅自己或者粉丝可见，缩小推荐范围。

第二，算法是流量分配者。在抖音用户看来，算法决定着流量的分配，这种算法被他们叫作“信息流漏斗算法”“流量池”“梯子”“流量分桶”，指的是当用户上传视频后，算法系统将分配一个初始流量池，如果获得的传播效果好，将会被算法分配到第二个流量池，这时候的曝光度将翻倍，如果依然表现得好，将会被算法分配到第三个流量池，大规模曝光，成为热门视频。

第三，算法是评委。在抖音用户看来，算法对流量分配有一套复杂严密的打分体系，形成“账号分值”和“视频分值”。账号分值包括账号是否进行达人认证，账号头像、昵称、签名、性别、其他资料是否填写完整，账号发起的话题质量和专业度。视频分值主要是用户的反馈，包括视频的完整播放率、重复播放率、点赞数和点赞率、关注数和关注率，还有进入主页数、评论数、评论率和评论的点赞数、分享数及分享率。

因此针对这两种评分体系，用户提出两类方式：一是“养号”，指的是让专门用来营销的账号，先模拟正常活跃用户使用抖音，来提高账户权重，让算法判定账号为优质账号。二是引导用户完成互动，比如在作品描述里设置互动问题、回复用户评论来引导用户留言评论。

第四，算法是推荐人。有些抖音用户认为算法是综合推荐机制之一，另外还与实时热度和用户关系有关，大部分人认为算法主要是利用内容标签和用户标签来智能分发视频，认为用户的喜好是最重要的推荐因素。

2.对个性化推荐算法的“行话”

①养号

除了上述的拟人化概念，活跃的抖音用户还发展了一些行话，比如“养号”。养号指的是让专门用来营销的账号，先模拟正常活跃用户使用抖音，来提高账户权重，让算法判定账号为优质账号，以便优先推荐成为热门视频。算法会根据用户的行为将账号判定为“僵尸号、最低权重号、待推荐账号”，也有用户认为算法会分为“优质用户、沉默用户、流失用户、可挽回用户”，如果是不符合抖音调性的“营销号”会被平台封禁，如果被算法判定为优质用户，平台会加大推荐。

具体操作有两方面，一方面是模拟普通用户使用抖音，很多用户分享了自己的技巧，比如@祝祝认为“新号上来不要改资料，刷视频的时候要刷和自己相关领域的视频，每天刷两小时左右的视频，上午1小时下午1小时，三天后或者发视频前一天改资料，刷视频的时候用流量卡少用无线网，一机一卡一号”等技巧。还有用户认为硬件影响流量，需要避免“一机多号”（同一个设备，频繁切换不同抖音号，容易影响账号流量，被判定为小号作弊）、“一号多机”（同一抖音号不能在多个设备上登录），需要注意4G条件下发布视频的流量，比wifi情况下发布的视频流量高；时间影响流量，不同时间段发布视频，流量差异很大，一段时间不发视频，再发视频流量就会被限值；发布数量影响流量，一天发布视频不能超过3个，否则受限；视频在同一账号下发布两遍以上，会火的概率更高；粉丝互动影响流量，频繁刷新或者删除回复和评论对视频流量有影响，抖音对大的账号会有打压策略，粉丝越多，流量越容易受到影响；企业号影响流量，认证成为企业号后，会影响账号的正常分发流量；企业号比个人账号容易起量；企业号被举报后处理得会更严厉。

另一方面是塑造人设，精准定位。要有趣、有用、有价值观或者有性格，发布的视频要与人设直接相关，因为用户认为这样才能实现“垂直定位”，因此需要专注领域的深耕，发布同款系列短视频，精心写好标题和封面的关键词，以便算法精准匹配视频内容标签。用户认为如果每天发布的视频主题不一致，容易被算法判定为低质量，难以匹配标签，将会减少推荐量。只有被精准推荐了，才能得到有效的反馈，系统才会加大对视频的推荐力度，形成良性闭环。

②挖坟

用户的行话还有“挖坟”，指的是用户很久以前发布的视频，经过算法推荐突然成为热门视频，抖音用户称之为算法的“时间效应”“二次推荐”。出现“挖坟”有三个方面的解释：第一是认为抖音的叠加推荐算法能重新挖掘出老视频，送入更高阶的流量池获得大规模曝光，因此用户认为要坚持用渠道分享推广来提高互动数据，让算法重新“看见”老视频。第二是用户认为算法是持续工作的，在没有运行新任务内容时，就会出现“挖坟”，把以前的老视频再推荐一次。第三是认为视频的地理位置和话题挑战的关注量逐渐提升，从而带动老视频的曝光量。

四、结论

关于用户对个性化推荐算法的感知，75%的参与调查者能够感知到个性化推荐的存在，且听说过个性化推荐，49%的参与调查者认为自己对抖音个性化推荐机制有所了解，但实际上了解程度有限，存在许多误解。63%的参与调查者了解意愿较低，其中40%的参与调查者表现出了无所谓的态度。对于个性化推荐算法的评价，55%的参与调查者选择了“一般准确”，62%的参与调查者表示“一般喜欢”。

总的来说，中国抖音用户对个性化推荐算法的感知，没有强烈的批评和反抗态度。很多用户其实知道抖音在将注意力贩卖给广告商，人们却表现得似乎并不在意，依然继续使用平台。他们模糊地意识到平台的权力，尽管不同意平台将他们的数据货币化，但还是决定继续使用个性化推荐，或许是因为他们找不到办法来阻止，或许是因为他们觉得能够受益于这项技术：个性化推荐使他们能够找到自己喜欢的信息，学习新的事物，还能制作视频来吸引人气获得经济资本。

关于用户对个性化推荐算法的知识，用户认为算法担任着内容审核员、流量分配者、评委、推荐人的角色。在此过程中，他们还发展出了“行话”，比如“养号”。

纵览这些关于算法知识的讨论，活跃的内容生产用户为了让自己的视频成为热门，渴求抖音算法知识，非常关注其运作机制，尽管他们中的大多数没有计算机专业的基础，但他们在抖音应用使用的日常体验中习得了算法规则，甚至有用户开设了抖音运营的培训班或者在线课程。但是，几乎没有涉及较为深奥的算法术语，很少有短视频运营员工或算法员工等专业人士，来提供确切的算法知识。

在这些讨论中，其他用户逐渐意识到，抖音掩盖了有关其算法的信息并不断更新这些信息，抖音算法依然比较神秘。用户通过实践习得了算法知识，他们对算法的规避行为也对平台和算法产生了影响。抖音的内容生产用户出于获取经济资本的考虑，更愿意学习和利用算法规则来达到热门视频的目标，具有较高的主动性和自觉性。也有一些用户提出了规避算法监控的举措，但本质上还是在迎合算法的规则，比如利用机器刷粉刷赞，还是为了达到更高的曝光度以便被算法优先推荐。在此过程中，还出现一些“行话”，比如“养号”，指的是让专门用来营销的账号，先模拟正常活跃用户使用抖音提高账户权重，让算法判定账号为优质账号，以便优先推荐成为热门视频。

需要注意到，个性化推荐其实是一种幻想，平台不让用户提供个人信息和兴趣，反而通过收集用户隐私信息，由计算机来设计代表用户的算法程序来实现“个性化”。算法背后其实蕴含着网络个人主义意识形态，每个人根据自己的需要创造互联网体验，通过消费选择来构建自主的个体——他们可以自由地选择他们喜欢的东西，而不受国家或其他社会经济机构的干预。这些所谓的个性化选择资料被商业公司所掌握，并卖给营销人员，最终个性化或许会沦为社会工厂的一个节点。

个性化技术并没有赋予人们自由，甚至可能使人们失去自由，意识形态的幻想掩盖了数据资本主义制度带来的监视和不平等。不平等体现在平台与用户之间的数据权力上，个人产生的数据为平台所拥有，丧失了数据的控制权；不平等还体现在用户之间，一方面体现在用户的算法知识鸿沟上，那些拥有更多的文化、技术、经济资源的资深用户，更乐于钻研算法规则，将自己生产的视频更大范围地让人看见，获得更多的关注度和资本；另一方面体现在用户内容的算法歧视上，基于协同过滤的算法原理，在于利用某兴趣相投、拥有共同经验之群体的喜好，来推荐用户感兴趣的信息，它试图了解用户的习惯，并将其与其他用户分组，以此进行分类。算法的特性使得对个性化的“人”进行社会分类，从而创造出个人同质化系统。算法带来的伦理问题值得深入讨论，这是今后研究的方向。

作者蒋雪颖系北京大学新闻与传播学院博士生

注释  

[1]安维,刘启华,张李义.个性化推荐系统的多样性研究进展[J].图书情报工作,2013,57(20):127-135.

[2]张宇航,姚文娟,姜姗.个性化推荐系统综述[J].价值工程,2020,39(02):287-292.

[3]Alexander R. Galloway, Gaming: Essays on Algorithmic Culture. (Minneapolis, University of Minnesota Press, 2006), 6.

[4]Reuters Institute for the Study of Journalism.News in social media and messaging apps[EB/OL].https://reutersinstitute.politics.ox.ac.uk/risj-review/changing-face-social- media-and-rise-messaging-apps-news,2018-9-15.

[5]易观.《中国移动资讯信息分发市场专题研究》网络报告2016[EB/OL].https://www.analysys.cn/article/analysis/detail/1000218,2016-8-12.

[6]转引自姜红,鲁曼.重塑“媒介”:行动者网络中的新闻“算法”[J].新闻记者,2017(04):26-32.

[7]中国网络视听节目服务协会.《2021年中国网络视听发展研究》在线报告[EB/OL]. http://www.wenming.cn/zg/wmzk/202201/t20220121_6285551.shtml,2022-1-21.