一直看短视频会让人变傻？芸冰揭秘短视频算法没有人想的那么简单
换句话说，在互联网公司的全媒体产品体制中，大数据算法并不仅仅是给你推有兴趣的内容，不存在只看到了算法推荐的内容的现象。这些老作品往往会被“点爆”，一般都是由于这种账户早已发布够多充足垂直内容，标识变得更加清楚…
一直看短视频会让人变傻？短视频推荐算法根本没有你想得那么简单。芸冰简单的说，算法便是一套评定体制。简易简单的说，算法便是一套评定体制。这一套体制对平台的每个用户都有效，根据根据用户一系列反应个人行为来改善服务功能，提升用户体验最终让服务平台形成一个循环再生的良好绿色生态。但芸冰发现抹黑算法短视频大数据推送的说辞一直不绝如缕。
例如近期《大数据奶头乐让我们变傻》这种文章内容。这些文章注重二点：1、算法只给你推你爱看的；2、互联网产品等渠道仅靠算法。这种结论有心故意客观化了，其实是很标准化科技恐惧症。当大数据人工智能等技术被用来内容派发以后，接踵而来，客户需求如何跟推荐内容进行合理重合拼接，界定其的界限研讨会是一个非常长久的话题，并不是简单直接就能得出结论的。
内些推送大数据会让我们变傻的文中作者，很有可能并没使用过现如今的全媒体推送系统比如各个短视频和资讯推送平台，他的认识只停留在以往。互联网技术评价就这样，总会有人喜爱拿一成不变的目光，来扫视、评定另一方，以致于得到不正确的观点。
芸冰发现互联网大厂是比较清楚大数据推送算法是不完整的，有自已的局限性。因此这需要另一种派发方式来补充算法的缺陷和缺点，换句话说寻找推动算法的第二个车轮子，如今看来第二个车轮子便是粉丝们派发，或者叫社交分发。现在的全媒体推送系统，早就不是纯算法，反而是“算法 社交媒体 检索 互动问答”的商业综合体。
芸冰举个例子，我们可以通过收藏功能主动地寻找一切对于你来说有意义的信息。如果喜欢汽车知识，还可以在推送平台上搜索“suv”、“平价进口车”、“20w以内最值得买的车”等关键词来获得最新资讯，和别人交流。实际上，“积极检索”从而获取信息是所有服务平台都愿大家会去做的事，因为这个自身能够造就更有针对性的使用价值。
芸冰发现短视频的算法价值也在于扇尾派发，即便冷门信息也可以获得比较好的推荐，此外，在信息充足丰富多彩的情形下，有着冷门兴趣爱好的人也可以找到有意义的信息。例如一些比较小众的影片，80年代旧照片，大学校园资讯。这种本来散落着互联网技术每个角落的信息，被收纳整理进一个推荐小盒子，发生在你面前，不会像以往那般被淹没在信息的大海中。不过如果你看一下全部媒体推送软件的首页功能区，它肯定是有四块：第一个是检索区，用户可积极检索有兴趣的信息；第二个是顶帖区，归属于国事；第三个是重要新闻区，归属于极为重要的媒体新闻，一般能打上“热”标签；第四个才算是人性化区，归属于用户特征的新闻资讯，这儿包括了客户独立定阅的信息，也包含系统软件推荐的信息。
芸冰直接点，换句话说，在互联网公司的全媒体产品体制中，大数据算法并不仅仅是给你推有兴趣的内容，不存在只看到了算法推荐的内容的现象。头条的成功，关键还是要靠对总流量的理解企业的经营、算法、数字化逻辑思维产生执行能力。算法是非常重要，不过也是在其中的一环罢了。算法≠100%推荐你最喜欢的内容，假如你觉得算法是你最喜欢什么就给你推什么，就难免把算法想的过于单一了。实际上这个说法很早就有，在传播学里边叫所说回声室效用，好多人担忧互联网内容推荐算法会加重这类所谓回声室效用——喜爱什么也推什么，最终全是同一类内容，看不见别的。
但芸冰告诉大家，事实是这并没产生，也没有任何一个互联网企业会傻到那么去干。理由很简单，人的本性本来就是喜新厌旧，对多元化的追寻是一个很基本的需要。喜欢什么东西永远都推什么本来就很反人性。就像爱吃什么就餐餐都给你吃一样的东西，不给你看菜单栏一样，并没有任何一家餐馆会这样做。
芸冰建议大家大家拿抖音视频试验一下，用一台新机在没有登录状态下打开任意刷10条，统计分析如下所示：平常生活（2条）简易画（1条）萌宝（1条）室外实录（1条）漂亮小姐姐（1条）英文教学（1条）家庭亲子（1条）运动健身（1条）烧菜（1条）
芸冰再建议大家拿抖音在已经登录状态下持续点赞了50个小姐姐视频，重新打开抖音视频app，抖音视频下面推荐的50段视频分别为：漂亮小姐姐（24条）平常生活（9条）旅行风景（6条）舞蹈（5条）社会正能量（3条）萌宝（1条）科普（1条）运动健身（1条）
换句话说，即使你再玩命关心漂亮小姐姐，抖音视频也不太可能持续给你消息推送小姐姐视频。实际上，算法对于客户的热情喜好，具备一定的打散体制，不会有持续类同推荐的情况。觉得大数据算法只是记录你单一的爱好，再根据这一喜好做推荐，关键在于瞧不起人的本性，其次看不起大数据算法。一个拥有健康心理的人，不会只有一种喜好——喜欢小姐姐，并不妨碍你与此同时喜爱萌宝，世界各地的景色，音乐和舞蹈。而且由于边际效用递减规律，持续消息推送同一个主题风格是一件很亏得事儿，出力不讨好。心理学上会有“贝勃基本定律”。当一个人亲身经历明显刺激后，再施予刺激可能就越来越无足轻重。就内心感受而言，第一次刺激性会淡化第二次刺激性。
也阐述了大家为什么老是“喜新厌旧”，一个人的个人爱好，不太可能一直一成不变。可以这么说，即便从满足客户的需求的视角，服务平台也不太可能一直给你推漂亮小姐姐。大数据算法有「自我认知水平」，并不是机械算数。若是如此，各种科技有限公司也用不着为争夺名牌大学的算法技术工程师而削尖了脑袋，算法技术工程师根本就不值年薪100万，Google、微软公司等也不需要聘请大量高级人才开展推荐算法提升。算法独特的魅力，取决于不断进步、迭代更新和演变。智能机器人之所以能击败世界知名棋士，是因为它强劲学习能力，产生非常高的竞争壁垒。而探究性，本身就是推荐算法本来就会有的特性之一。
芸冰友情提醒这儿牵涉到一个知识点：协作推荐。算法的协作推荐，除开内容自身，还包含根据客户推荐，依据剖析不一样客户间的相似度，进而拓展推荐的实践探索水平。例如张三喜爱高新科技、金融、体育运动，李四喜爱高新科技、金融、体育运动、身心健康内容，那样，算法会考虑将健康指南推送到张三。毕竟在推荐系统软件看起来，张三和李四是类似的人。因此，张三就能接受到本来没有在自身兴趣爱好范围之内健康指南。
推荐操作系统是在推荐和你类似的一群人很有可能有兴趣的内容。她们有兴趣的内容很有可能是你能有兴趣的，但你先前还不清楚的，所谓“你永远不知道自己也不知道”。这在一定程度上充实了内容。算法比社交媒体比较容易突破圈层比较之下，个人朋友圈具备更多的“回音壁音响”效用，人总是深陷而不知。由于朋友圈的一切信息，彻底由自己私人定制，内容产出率方彻底是本人挑选出的，人压根听不见跟自己相反的立场和建议，容易形成同一类人或是同一群人的成见。并且通过算法推荐内容，并不是依据见解推荐，这便能够确保更各种各样的见解。
芸冰这么讲大家可能就清楚了，要不是全媒体推送平台的产生，下层社会的专业人士、平常人，也会被这社会再次忽视。这群人可能是你每日给你送外卖的小伙，很可能是给你剪发的学徒工，还可能是你手上拿着的手机的生产线上的人员，她们未曾登过热搜榜，也不会出现在我的微信发朋友圈里。是大数据让来自五湖四海、各种各样真实身份的人无差地聚集到自己的手机当中。这样才能通过手机屏见到形式多样的人生百相。
芸冰举个例子，抖音视频甚至还会再次推荐数据库系统中的“高品质老内容”，给他更多曝光推送。这些老作品往往会被“点爆”，一般都是由于这种账户早已发布够多充足垂直内容，标识变得更加清楚，大数据推荐算法可以帮助这种高品质内容配对给更有针对性的客户。而在私域的一些平台上，很少有一个月前发表的内容会被“考古”爆火的，这就是对大量高品质内容的消耗。
一个高质量的全媒体推荐系统软件，本质上是信息减噪的一个过程。从一个巨大的内容池里，挑选出对于你来说有意义的信息推荐给你，减少你探寻信息、挑选信息、机构信息成本。归根结底，大数据算法也罢，APP也罢，都只是一个专用工具。
最后，芸冰告诉大家，实际上，算法做为专用工具应当逐步完善。但是具体怎么使用，在于人自身。使我们变傻的并不是大数据或算法，反而是丧失理性思考的审视。
