论文部分内容阅读
突破了传统社群惯性思维
TikTok陷入风口浪尖，未来显然还不明晰，在股权、营运权、源码与资料的分配下各方利益都僵持不下。如果说TikTok 的算法会影响国家安全，想必能让程序员笑掉大牙，熟悉机器学习的人不相信 TikTok 真的发展出什么独门秘技，是硅谷无法破解或模仿的。
然而同时 TikTok 的成就也摆在眼前，它是从中国崛起走向世界网络服务中的优秀“作品”。不仅席卷美国，在印度、中东、东南亚都以奇迹般的速度发展。TikTok 是过去 10 年第一个新的全球社群媒体，突破了由 YouTube、脸书、Instagram 等美国上一代社群媒体的控制。
通常来说，媒体要打入陌生的文化圈非常困难，有着五千年华夏历史的中国本身也不是强势的文化输出国。TikTok的成功，靠什么？
尤金·卫曾在亚马逊、Flipboard 与 Hulu 带领过产品团队。同时他也是电影导演，因此对于媒体常有独到见解。最近他写了两篇文章分析 TikTok 的优势，分别是《TikTok 与分类帽》（TikTok and the Sorting Hat）与《像算法一样的看》（Seeing like an Algorithm）。
他指出社群媒体最重要的资料叫兴趣图谱（interest graph）。也就是用户的喜好。知道用户喜欢看什么，平台才能推送适合的内容，以及适合的广告。
然而传统社群媒体都是通过间接的资料建立兴趣图谱：社交图谱（social graph）。传统平台鼓励用户加好友、点赞、追踪等，建立社交关系。接着平台再根据社交关系推论用户的兴趣：你的朋友都喜欢这个，你可能也喜欢？比如当下的微信，就是从聊天开始慢慢扩展出平台化的社群功能。
这种做法至少有四个问题。第一，不精确。例如许多人追踪一些微博大V，可能是想看科技评论，但博主有时也会聊小孩、教育，对他们来说就是不需要的信息。
第二， 無法规模化（scale）。可规模化是指量体增加仍维持同样的品质。可是在传统社群媒体上，当朋友与追踪对象突破数百，甚至数千人时，动态墙就变得一团混乱。小学同学、同事、父母、应酬上只聊过一次的朋友、不认识的意见领袖等，全部的言论挤在一起，这得花多大力气才能区分开啊。
第三， 导致一些群体的对立和骂仗。有一本书叫《同温层时代的生存指南》，其中解释过，传统社群媒体笃信自由主义，认为平台应该容纳多元化的想法、语言。现实却是人类无法处理这么多信息，意见不统一就陷入了口水仗。
第四， 不公平。先行者在传统社群媒体有优势。平台为了鼓励创作者累积追踪者，会优先导引流量给那些已经累积许多追踪者的人。这导致贫者益贫，富者益富。新人难以追上先行者，长期以往，就没有兴趣在平台上发表创作了。
最坏的结果是用户流失，如果遇到新的技术出来，这个平台可能垮得很快。用户觉得平台上的内容太乱、没有趣、充满对立与愤怒，于是一个一个地离开了。
TikTok 的计划经济
社交是个大命题，现在互联网厂商和用户都知道流量为王，TikTok的核心在于由“中央计算”来决定流量的去向，每一个用户看到的推荐内容都由算法决定。
TikTok 的算法几乎不考虑社交图谱，而是完全偏重用户的使用行为。只要你的影片能吸引一小批人驻足，算法就会推荐给其他可能感兴趣的人，这解决了传统社交的问题。
首先，算法分配更公平。TikTok 会根据用户的停留时间，用户是否按爱心、浏览创作者首页、点击音乐来源或标签等行为来判断用户的兴趣，这让新加入的内容创作者更有机会突围。
其次，可以规模化。每个人看到的推荐都不一样，也不会各种内容挤在一起。就像《哈利·波特》中的学院制分配，将学生分到不同学院，但是学习又能在一起。用户在 TikTok 上也吵不起来，因为不知道彼此看了什么内容。
最后， 算法推荐更精确。TikTok 直接建立兴趣图谱，避开了社交图谱内含的杂讯。而且显然这种方法在全球都适用。
然而，可能有用户会问，为何 TikTok 的算法特别精确？欧美的互联网巨擘难道程序基建不比我们强？算法本身不特别，关键在于字节对于后台数据的大量分析。
自给自足的内循环
TikTok 原名 Musical.ly，是一个在美国青少年之中蹿红的小社群媒体，特别适合制作歌唱影片。后来字节跳动并购了Musical.ly，将之改名为 TikTok，并串接了字节跳动的招牌算法。同时字节跳动开始为 TikTok 狂打广告，据说在 2018 年就花了 10 亿美元广告费，第一批用户由此建立。
有了种子用户，TikTok开始收集资料，其资料主要是自给自足的——完全来自APP内。
TikTok可能从交友平台学来这样的设计：左滑没兴趣，右滑喜欢。相较之下，传统社群媒体则采取无限滑动（infinite scroll）机制，让用户可以不断地往下滑。
但是TikTok用起来也有一些比较麻烦的地方，用户要一直用手滑动，确实比较累，还容易得腱鞘炎。然而却让算法能取得更清楚的资讯，知道每一个动作对应的影片。相反的，脸书、Instagram 等的画面中随时都有至少两则内容，算法很难判断用户是为了哪一则内容停留。 另一个例子是传统社群媒体不允许按“不赞”（downvote）。但 TikTok 的设计已经内含了不满意的讯号——只要你停留时间够短，就是表示没兴趣。
从TikTok还可以取得其他资讯，例如用户可以点击唱片图标，连接至其他使用同一则音乐的影片。用户可以点击爱心或创作者头像，显示你格外有兴趣。创作者上传影片时会下标签（tag）。TikTok 的算法也會判断影片中的内容，诸如物件、人物、性别、表情、影片长度、滤镜效果等，当然 TikTok 也知道观众的喜好资料。
所以综上所述，TikTok 最大的创新并不是算法，而是整个产品围绕算法做的需求设计。业内人士称之为算法友善（algorithm-friendly）设计。这跟一般的使用者友善（user-friendly）略为不同，就好像算法也化身为团队成员。
TikTok 抛弃了社交图谱的打法，创造了自给自足的资料回馈圈（feedback loop）。用这些资料训练算法，用户就能看到真正有兴趣的内容。而越多用户使用 TikTok，就有越多创作者在此博求关注。
社群媒体是双边平台：一边是观众，另一边是创作者。TikTok 不只研究观众的兴趣，也研究如何刺激创作者生产内容。
被低估的创作平台
TikTok 创造了创意性的网络效应（the network effect of creativity），但没有详细解释。不过身为创作者，我们可以观察到几个特色。
首先，TikTok 提供易上手的创作工具，让用户可以快速地制作短片，并加上各种效果，满足了视频制作者的需求。
其次，TikTok 提供各种范本（template）。创作者都知道，创意的核心是抄袭，咳咳，应该说致敬。TikTok 上有许多人翻唱同一首歌、跳同一支舞或是用同一个梗，就是一种创意模仿。
而 TikTok 也鼓励用户和用户之间的互动，让创作者能轻松引用同一首音乐，也可以做双人舞或者分屏拼接（duet）。
两次， TikTok 提供数据。TikTok 会显示当前热门的关键字、标签，引导创作者做相关的影片。这一点也蛮有计划经济色彩。
最后，TikTok 创造了一种互相连接、开放分享的文化。在算法之下，适者生存。创作者无法仰赖追踪者数，必须时时观察 TikTok 上的流行，察觉算法的偏好，并参与社群之中。而最快的方式就是合作、创意模仿。
TikTok 指出了一条路，让算法居于核心，用设计来喂养算法。这个做法最终能规模化地掌握每一个人的个别兴趣，而且不需要经过社交图谱。这个设计概念不只适用影片或娱乐——字节跳动第一个算法作品是新闻APP今日头条，未来也会出现在任何需要算法的产业，至少包括电商、课程、交友等。例如笔者就很希望有一个针对自己兴趣，推荐科技文章的APP。相信在未来，各行各业都会出现采用 TikTok 模式或算法友善设计的挑战者。