内容 开始变得更为重要起来

极有可能,我这个标题的意思,和您以为的意思,完全不同。

我完全没有内容为王的意思,从来没有,现在也没有,将来嘛,很大程度上也没有。内容生态,渠道是规则制定者和执行者,内容是被规则管着的,谈什么王不王的。

我一度认为,内容传播的三种模式是三分天下的。第一种:传统的点向面的大众传播,第二种:依附于关系链上的社交分发,第三种:所谓兴趣挖掘下的算法推荐。

传播确实还是这三种,但未必三分天下了。

先扯两句tiktok——虽然在目前的国际局势下,tiktok的危机淡出人们视野很久了,但这不意味着它已经度过了那个危机。

照理来说,这种视频化的所谓社交网络,也就是个媒介形式换了,从文本到短视频。twitter、youtube都不是啥新东西,但它显然得到了部分人更大的关注,以至于祭出了二选一的大杀器。

那么,问题的核心在哪里?

强算法推荐的平台,是内容的逻辑,不是号的逻辑。而twitter也好youtube也好,都依然还是号的逻辑。

而美国所谓选战,很大程度上,一直以来都是”号”的逻辑。候选人可不就是一个号。所以,真正意义上的第一个推特总统,其实是奥巴马。我至今记得当初奥巴马竞选成功后,还有正经学术论文在分析,奥巴马是如何利用推特完成了小额但大规模的募捐的:也就是如何起号。

但tiktok的逻辑变了。你要获得更大的关注和影响力,你需要持续的大量的内容输出——且必须迎合算法所谓的热点倾向。那么,结果就变得异常清晰:长篇大论逻辑精密结构复杂的内容,是不合这个倾向的,也是不可能持续性输出的。你必须不断地输出短平快的口号式内容,才有可能在这个平台上持续的获取影响力。

至于短平快的口号式内容,会导致什么,我就不点破了。

不知道各位还记得不记得24年2月那个曾经刷屏的所谓秦朗事件。

在1月的时候,炮制这一事件的网红猫一杯在某个行业论坛上做公开演讲。她说了这样一段话:

我每次焦虑的时候就告诉自己,我的账号有不可复制的强IP属性,不要焦虑。我可能不像美妆博主教大家化妆,不能输出更多的干货,但是我可以治愈心情不好的人。当你们不开心的时候,还有猫一杯的视频,主打一个陪伴的情绪价值。

但这段话后续复盘来看,有点强撑的味道了。因为情绪价值的阈值很容易堆高。你得挖空心思玩命地应对不断抬高的受众口味。

没有什么不可复制的强IP属性可言。

一个在算法推荐主导的平台上的网红,不持续输出内容是很快会过气的。而算法推荐是先推一波看看效果,根据效果再来决定是否推更大一波。内容不够劲爆,就相当麻烦了:在第一波被推流时,效果就差,后面,后面就没有了。

我不敢说秦朗事件和算法推荐有因果关系,但要说一句有相关性,大概不会出错。

有数据可以表明,连纯正的社交网络而非社会化媒体的微信,社交分发都很弱了。

长期订阅我这个号的朋友们都知道,今年这两个月,我忽然变得极为勤快起来。这和我电子游戏荒有明确的因果关系。

我前阵子也蹭了几个热点,使得我这个足底号竟然有了单篇两万加的流量。

我去看了一下访问来路:

(我蹭了热点的某周)

流量来源分布

在图中,可以明确地看到,最大的流量来路是算法推荐,高居65%——这和蹭了热点有着明确的相关性。现在的公号生态,看来和算法推荐也有密切的关系。

点向面的订阅式大众传播,公号消息24%(这就是所谓粉丝的响应度)。而所谓社交分发,也就是朋友圈、聊天会话,合起来8个点,几乎可以忽略。

我的一位头部大号朋友(前两天刚刚宣布粉丝突破一百万),也分享了他的流量来路:

头部大号流量来源

他的粉丝忠诚度非常高,公号消息有超过50%,公号主页有26%。但同样,他的社交分发也非常低,朋友圈和聊天会话合起来刚过10%。

不过,他的公号不大依赖算法推荐,”推荐”在他的”更多”里。

我这位大号朋友同时也在做视频号,有一条视频很火爆,流量来源一翻,就是推荐:

视频号流量来源

所以,有些朋友问我会不会去做视频号,坦率讲,不大可能。我摸不透视频号的算法推荐逻辑。

以上文字,你不要以为我在批判算法推荐。对于这个事,我是完全中性的。

我还有位朋友,说过我觉得相当到位的话:大v是内容生态的板结。

换而言之,在内容生态中,后起的人想要做所谓阶层跃迁,必须要靠算法推荐。否则,成名大v就永远是成名大v。在号的逻辑下,先发优势造成的马太效应,几近牢不可破。

但一个阶层能够容易跃迁的生态,其结果必然就是所有人都很焦虑。你跃过别人容易,那么,别人跃过你也不难。鱼与熊掌,哪有兼得的道理。

传统媒体痛恨算法推荐的道理,在我看来,无非就是既得大v被掀了桌子的痛恨。

想想春秋战国时期,那些游走于各国的在贵族眼里看来全是暴发户的所谓策士,都是怎么游说各国君主的:内容必须先危言耸听,您的国家快亡了啊!

那也是一个巨大的所谓礼崩乐坏的阶层跃迁的时期。

像我这种过气网红,就坦然接受这一点。有些篇章,该翻过就得翻过,不以个人意志为转移。

站在平台的角度,大V板结是极其不利的,必须提供跃迁的机会和可能。

站在受众的角度,天天看来看去就是这些大V,也没啥意思。人们天然的倾向就是想看到点新鲜玩意儿。粉丝感越弱,我觉得对个体越有利。看东西看成了粉儿,要自省!

站在内容创作者的角度,有机会后发制人实现跃迁是好事,但也得天天殚精竭虑想辙儿卷住自己的地位,本该如此。

然而,确实要承认,这种想辙儿想出很多旁门左道,包括不限于造谣、煽动、网暴等等,是算法推荐中必须正视的的bug。

理解算法推荐,而不是一味反对,斥之为这就是投喂,变得极为重要起来。

未完待续。

—— 首发 扯氮集 ——

坦率讲 你抖音的使用习惯可能是错的

知道很多人认定短视频是猪食,抖音就是奶头乐。

至少中国成名的大型互联网公司,个个都有原罪标签。这些刻板印象式的偏见,在我看来,几乎是不可能消除的。毕竟,痛斥资本,痛斥流量,痛斥商业,总是天然就站在道德高地上了,而且和流行作对,颇有些众人皆醉我独醒的高逼格感。

这篇文章,只想聊聊我的使用体会。有没有收过钱,您自行判断就好。

我从来不讳言,我每天大概要在抖音上花至少一个小时的时间。如果没有什么手游正在沉迷的话,这是我手机里屏幕使用时间长期排在第二的应用。

有些人痛斥娱乐至死,我除了暗暗鄙视这人压根不懂什么叫娱乐至死外,还暗暗佩服了这人居然能和娱乐切割如斯,活得这么累居然还活着。

抖音确实有很多娱乐向的内容,但这个和个人具体怎么使用也很有关系。

我很少点赞、收藏、转发,更不大可能去评论留言。但我很喜欢使用”不感兴趣”。抖音没有账号拉黑机制,但基本上不感兴趣相当于该账号拉黑。有一些名闻遐迩的媒体账号,就在我不感兴趣列表里,于是它们从来恶心不到我。

不感兴趣不仅能无限逼近账号拉黑,也能做到是这类内容不要再给我推荐。比如我为了吃前体操队员那个瓜,专门找相关信息看,结果被猛推了一阵子所谓擦边视频,多点点不感兴趣后,是真没了。还有某年我知道了有中国人死在俄乌那疙瘩,也搜来看过,也被猛推过类似的视频,不感兴趣了一两天,现在也就没了。

不感兴趣之所以重要,就是你要告诉算法你确实毫无兴致的内容(或者当下感兴趣之后就完全不感兴趣了)。至于什么感兴趣,其实可以open一点。

第二个使用技巧:要尽可能横屏看。

横屏后,碎片化真短视频,就在你的信息流里消失了。取而代之的,包括影视剧切片和大量的知识类内容。如果你觉得切片好讨厌,好侵犯人版权,还是那句话:不感兴趣即可。

横屏还有一个好处,就是它会自动播放下一个,而不是竖屏那种循环播放当下这个。这使得抖音成了我的下饭神器,手都不用去摸,完全符合吃小龙虾场景。

都说B站是教育软件,但在横屏下,抖音成了我无用即大用的冷知识宝库——比如我最近通过下饭横屏,学习了外国友人如果要归化成中国人,身份证上的民族该怎么填。

B站的推荐做得还是差点意思,所以我是把横屏抖音当十万个为什么用的。

B站在我个人使用体验里,是一个游戏攻略软件。

第三个使用技巧,我是从别人那里学来的,我自己倒没啥需求:抖音是可以用来听的。

抖音有位高管在一次行业论坛里提到这样一组数据:

2024年,有一条《450分钟深度解读红楼梦》的超长视频发布在抖音上,最终获得了超过3亿的播放,700万的收藏。

这都没啥。因为我也看到了,还看了半分钟,然后难得地点击了一次收藏,总以为自己会看看,虽然就再没看过。

该高管接下来披露的这个数据超出我认知:有超过100万人的完播量。

450分钟啊!7个半小时啊!100万完播?就我所知,看半分钟再直接拉到最后,是不会被当成完播统计的。

和朋友聊起这个事时,人提出:抖音是可以听的!所以,应该不少完播其实是催眠睡觉时播完的,至少系统认为播完了。

这么一说,倒也合理。七个半小时,早晨醒来可不就播完了嘛!但如果要听东西,干嘛不去。。。唔。。。比如小宇宙?

又有朋友说,他太太听抖音已经听了两年了。

我仔细想了想,确实,不少横屏知识视频,听也无妨。视频画面,我实话实说,信息量很低的,大多数时候,根本不重要——就好像我一贯认为,公号那个头图,纯属脱裤子放屁。

接下来,要说一个比较重要的事,这个和该怎么用也有关。

算法推荐的核心词其实是”打标”,各种打标,包括给用户打标签,给内容打标签(广告也是内容),给内容源也就是账户打标签。标签打得颗粒度越细,匹配的命中率可能就越高。

这至少是我长期以来对算法推荐的理解。

今年3月31日,2025中国网络媒体论坛,抖音总裁韩尚佑发表演讲,他这么说:

“如今,随着机器学习技术的发展,抖音的推荐系统,已经几乎不依赖对内容或者用户打标签,而是通过一系列神经网络计算,直接预估每一个用户对每一个内容的目标行为,比如点赞、关注、分享、评论的概率,并挑选出概率最大的一部分内容,推荐给用户。这意味着,算法无需理解内容类型或语义,就能直接预测用户行为。”

在”抖音安全与信任中心”官网中,官方总结推荐算法的核心就是:以数学计算学习人类行为。相比人工推荐,推荐算法实现了一个重要范式突破:它将用户对内容的具体偏好(如点击、评分等显式行为)抽象为高维空间中的数学映射关系。

以上内容是在媒体报道中可以公开看到的,还有一些内容我弄到了手,但据说没有公开过,我就不展示了。

我进行了一番学习,说实话,太细节的东西我确实没搞懂,什么高维空间中的数学映射关系,超纲了超纲了。但我基本可以这么理解:算法推荐正在识别你的”意图”。

在当下流行的ai聊天机器人里,深度思考模式中就可以看到ai在琢磨你的意图,比如这样的:

AI深度思考截图

熟悉我的人都知道,我对算法推荐和信息茧房之间的关系是不大在意的。因为算法推荐注重在你的兴趣,但兴趣不是立场观点态度,而茧房和后者有关。我对美国大选感兴趣,和我到底是站特朗普还是哈里斯,不是一回事。在非极端站的情况下,算法是很难知道的。反倒是各种倾向的内容都推给我看,恰恰能破除茧房。

maybe,这个想法要修正一下。所以,在算法平台里点赞、收藏、转发、评论的行为越少越好,其实是很重要的。你就盯着不感兴趣上。

当然,我真正的建议是,看的东西以客观陈述为主,少碰有强烈倾向的东西。这类玩意儿除了引起你强烈的共鸣这种廉价的情绪价值外,没啥其它价值可言。

讲到底,媒介素养是自己训练的。

屎是自己拉的,稀状也好块状也好条状也好,是你的事儿,不是马桶。

—— 首发 扯氮集 ——