抖音的算法，是如何把你束缚在信息茧房里的？

（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。

（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。

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。