TikTok 的真正優(yōu)勢,tiktok的真正優(yōu)勢-ESG跨境

TikTok 的真正優(yōu)勢,tiktok的真正優(yōu)勢

TikTok 的真正優(yōu)勢

TikTok的真正魔力在于：設(shè)計和流程里面的每一個元素是怎么互相關(guān)聯(lián)到一起的

神譯局是36氪旗下編譯團隊，關(guān)注科技、商業(yè)、職場、生活等領(lǐng)域，重點介紹國外的新技術(shù)、新觀點、新風向。

編者按：字節(jié)跳動往往被說成是一家算法公司，很多人認為，TikTok是靠算法的黑科技才取得成功的。事實真的是這樣嗎eugenewei認為不是：TikTok的算法跟其他公司使用的并沒有太大的不同。TikTok最大的優(yōu)勢是它采取了對算法友好的設(shè)計模式，在自己內(nèi)部建立了一個飛輪，幫助其機器學習算法看到了優(yōu)化自己所需要看到的東西。原文發(fā)表在其個人博客上，標題是：Seeing Like an Algorithm。篇幅關(guān)系，我們分兩部分刊出，此為下半部分。

劃重點：

TikTok的真正魔力在于設(shè)計和流程里面的每一個元素是怎么互相關(guān)聯(lián)到一起，從而創(chuàng)建出一個數(shù)據(jù)集，再通過這個數(shù)據(jù)集，把算法訓練達到最佳性能的

大型社交網(wǎng)絡(luò)默認的UI是無限垂直滾動的動態(tài)消息，對于算法來說用戶的情緒信號不干凈

社交網(wǎng)絡(luò)已經(jīng)做出了自己的取舍：為用戶提供阻力更少的掃描，而犧牲掉對更精確的負面信號的讀取。

TikTok有很多手段可以推斷你是否對某條視頻不感興趣

對算法友好最終是為了服務(wù)好用戶

任何設(shè)計的目標都不是讓摩擦最小化，而是幫助用戶達到一定的目的

在這個軟件時代，真正的競爭優(yōu)勢或護城河已經(jīng)變得越來越虛幻

如果說市場給人的感覺是越來越贏家通吃的話，那是因為在一個日益緊密相連的世界里，贏家的確能通吃

TikTok的算法能看到很多東西

我們不妨再回到在你在手機上打開TikTok觀看該視頻的那一刻。FYP算法現(xiàn)在可以讓所有的反饋回環(huán)形成閉環(huán)了。它會研究你對這一視頻采取的每一項操作，并根據(jù)你的品味，以及視頻的所有屬性來猜測你對視頻的感受。

上述所有的步驟都不是像火箭科學那樣的硬核技術(shù)，尤其是對于任何從事算法性社會化動態(tài)消息的人來說這些并不新鮮。（我在之前那篇文章里面注意到，其實TikTok并沒有一個很強的社交圖譜。這款app之所以那么有效，原因之一是它不會假裝自己不是的東西。也就是說，大家在其他地方已經(jīng)有了大量的社交圖譜以及跟自己認識的人分享的手段了。他們沒有強迫大家在TikTok app里面也這樣做，而是讓下載視頻或通過這些外部渠道分享視頻變得非常簡單。不過TikTok要保留的是你選擇了分享視頻的這個信號。這個數(shù)據(jù)就能（也只能）滿足他們的算法了。由于視頻會帶有水印，所以分享就相當于給他們免費宣傳。）實際上，TikTok已發(fā)表了一篇描述其FYP算法工作機制的博客文章，只要是從事技術(shù)業(yè)的，我相信大家看過之后都知道沒什么新鮮的。

但是，把TikTok的FYP算法所看到的東西，跟其他大多數(shù)社交網(wǎng)絡(luò)動態(tài)消息的推薦算法所看到的東西對比一下，你就會發(fā)現(xiàn)它們不一樣在哪里。

在今天，我們最大型的社交網(wǎng)絡(luò)默認的UI是無限垂直滾動的feed（比方說，我本來可以很容易地使用上面的Facebook屏幕截圖）。這些app不是一次提供一個故事，而是一次在屏幕上顯示多個條目。當你滾動瀏覽多個故事時，算法是沒法“看清楚”你的眼睛停留在哪個故事上面的。就算能看到，如果用戶沒有按“點贊”之類的反饋按鈕的話，他們對這個故事的看法還是正面的還是負面的呢用戶情緒的信號并不干凈。

如果你贊成UI應該消除摩擦這個想法的話，那么無限滾動的feed應該就是理想選擇。它提供了一種不受約束的消費節(jié)奏控制感。用拇指點一下某個feed，然后看著它像《價格競猜》（Price is Right Showcase Showdown）節(jié)目里面的“大滾輪”的鼓點一樣滾動，你的初始手勢速度決定了它的滾動速度，看著軟件的滾輪仿佛遇到了恒定的物理摩擦一樣慢慢停止下來，這種模擬的物理過程是觸屏時代最令人愉悅的用戶交互之一。一下子你就能滾動瀏覽了5、6條推特或者Facebook的動態(tài)消息。多爽

分頁式設(shè)計，一次只能看到一個故事，而手指每推一次讓feed滾動一條，不管是在字面上還是隱喻上都是一種拖累。

另一方面，如果推特更有針對性的話，也許你不會介意一次只看一條推文，而如果Twitter能更好的了解你真正感興趣的推文類型的話，他們的推快遞也許就會更具針對性。如果你必須對每條推文給出明確或隱含的肯定或否定的信號的話，Twitter也許就能更好地了解你真正感興趣的內(nèi)容。

即便是用戶參與互動的故事，對其情緒的判斷也仍然是一個挑戰(zhàn)。大多數(shù)的app只具備正面的反饋機制，最常見的是某種形式的“點贊”按鈕。由于Facebook、Instagram以及Twitter之類的app都是基于社交圖譜開發(fā)的，所以為什么他們會選擇不提供不喜歡按鈕的原因很明顯。

但是，就像史蒂芬·金在《寫作這回事》里面所寫那樣：“但倘若你希望成為一名成功的作家的，粗暴失禮這些該是你最不需要計較的第二件事。而你最不需要計較的頭一件事，正是這文明社會和它對你的期許。如果你有心真誠坦白地寫作，橫豎你作為文明社會的一員的日子也快到頭了?！?/p>

依靠有著明確正反饋機制的長滾動消息，像Facebook、Twitter以及Instagram這樣的社交網(wǎng)絡(luò)已經(jīng)做出了自己的權(quán)衡，那就是為用戶提供阻力更少的掃描，而犧牲掉對更精確的負面信號的讀取。（在有著同樣的創(chuàng)立CEO的那些舊公司里，你會看到這種權(quán)衡的另一個變體。這個人重新創(chuàng)業(yè)的時候，往往會有一群高管追隨過去。被唯唯諾諾的人包圍的危險在于，沒有一個人會挑戰(zhàn)你思考的盲點。誰是像貝索斯、庫克、扎克伯格以及馬斯克那樣強勢到足以改變大家的思想的人這個問題永遠值得一問。但答案往往是沒有，所以他們的盲點就成為了公司的盲點。）

圍繞著興趣圖譜而建立的網(wǎng)絡(luò)（如Reddit），確實有吸納踩（down voting）機制的傾向，因為他們阻止用戶流失的主要方向是為他們提供最有趣的內(nèi)容。這意味著就像要把有吸引力的內(nèi)容暴露出來一樣，也要清理掉用戶不感興趣的內(nèi)容。

TikTok并沒有明確的點踩按鈕，但是通過每次只提供一條視頻，他們可以從你是不是很快就略過不看（在視頻還沒播放完之前就向上滑動在Tinder上向左滑動一樣。最好的TikTok用戶對平臺的敘事節(jié)奏有很直觀的感受。該拖到什么時候才可以推出笑料的關(guān)鍵句或者payoff（最能象征整個故事的對象）觀看者才不會走開呢什么樣的設(shè)定才能讓用戶參與用已經(jīng)融入到模因的音樂線索是有幫助的，因為當?shù)鸵艚迪聛砘蛘咭魳穚ayoff出現(xiàn)的時候就已經(jīng)預示了視頻的高潮要來了。觀看者知道還要需要多長時間payoff才會出現(xiàn)。此外，觀看者可能純粹為了聽音樂的享受而樂在其中。），以及你沒有哪一項積極舉動來推斷你是否對某條視頻不感興趣。

如果你點擊了Facebook上某人發(fā)的文本帖子，但不做評論或者點贊的話，那Facebook怎么才能判斷你對這篇帖子的看呢法也許你考慮過在評論里面言辭激烈地表示不贊同，但是鑒于此人是你的同事或朋友的朋友，所以你決定還是不說為妙。這種負面情緒很難被抓住；算法“看不到”你的感受。（大多數(shù)社交網(wǎng)絡(luò)都有明確用來報告令人反感和/或侮辱性內(nèi)容的報告功能，但這些功能被掩埋了，大多數(shù)用戶都不會訴諸這種手段。當有人的確用了這樣的功能時，通常都是因為你極大地冒犯了別人，而且所造成的大部分傷害已經(jīng)難以挽回。）

乏味或會引起輕微不適的內(nèi)容是慢性殺手。我在上一篇的文章中指出，由于你自己的興趣跟你認識的人的興趣不一致，所以通過社交圖譜得到的內(nèi)容也許不合用戶的真正口味。從按時間排序轉(zhuǎn)為算法管理的動態(tài)消息往往是針對這種偏離的默認防御措施。

但是，如果算法“看不到”用戶愈發(fā)不感興趣的信號的話，如果只能看到用戶積極參與的信號的話，（內(nèi)容與用戶興趣之間）難免會出現(xiàn)一定程度的分歧。你可能會看到用戶逐漸失去興趣，點贊變少了，打開你的app沒那么頻繁了，但你究竟是那些故事把他們趕走的卻不清楚。等到用戶開始表現(xiàn)出要離開的跡象時，往往是亡羊補牢為時已晚。

對算法友好最終是為了服務(wù)好用戶

算法友好型設(shè)計不需要對用戶友好。在如何最好地服務(wù)好用戶興趣這件事情上，它完全是采取了不同的做法。分頁可能會給用戶帶來一定程度的阻力，但是這樣做可以為算法提供更清晰的信號，從長遠來看可以保證feed的質(zhì)量。

盡量減少摩擦只是實現(xiàn)良好用戶體驗的一種手段。任何設(shè)計的目標都不是讓摩擦最小化，而是幫助用戶達到一定的目的。減少摩擦通常跟這個目標是一致的，但未必總是如此。你可能會說引用推文減少了手動復制他人推文的摩擦，但是如果你的目標是和諧文明的公共討論的話，減少噴子涌到某人推文底下瘋狂攻擊的阻力也許并不是你要鼓勵的核心機制。有一定形式的摩擦也是好的。

你會聽到很多有影響力的Twitter用戶勸其他人要早點用經(jīng)常用禁言和屏蔽功能（有些用戶甚至大量采用軟屏蔽功能來秘密拉黑關(guān)注者）。有些用戶會自豪地在推特上發(fā)布自己禁言了那些詞的屏幕快照，以表示對某些熱門討論主題的不滿。有些人更加極端，甚至取關(guān)聯(lián)所有人，然后從頭開始關(guān)注。（有時候，也可能是因為自家的A/B測試情況不錯，Twitter會向用戶展示自己關(guān)注的人點贊的推文（甚至包括來自用戶并未關(guān)注的人的）。這種做法確實偶爾會展示出一些我感興趣的推文，但從絕對意義而言，這樣增加了我不感興趣的推文的數(shù)量。我已經(jīng)反復強調(diào)過很多次了：不存在興趣一模一樣的兩個人。所以這項功能開啟之后，我真的有取關(guān)所有人然后從頭關(guān)注的打算了，但我又擔心會傷害到別人的感受，因為我心腸很軟。如果Twitter做法不一樣的話，這個本來不是問題的。）

我有時也會考慮其中的部分或所有的策略，但對于Twitter來說，這些策略的必要性本身就是服務(wù)的失敗。如果算法對什么是你感興趣的東西能處理更聰明些的話，它應該留意一下替你禁言主題或者拉黑一些人。就像我上次所寫那樣，你可能得關(guān)注完Twitter上面的所有人才能獲得有趣的內(nèi)容，這也許是強大的興趣圖譜的一個設(shè)計缺陷。

TikTok不僅從用戶那里捕捉到了非常清晰的情緒信號，而且每次會話都能收集到大量的此類信號。TikTok上的視頻太短了，短到即便是在一次簡短的會話里面，TikTok也能收集到很多關(guān)于你的口味方面的反饋。

這個過程也相對沒有什么痛苦。有的視頻頂多可能會讓你覺得厭煩，但是刷走這些視頻只需要相對輕松的操作，同時，鑒于算法在仔細傾聽你的意見，你甚至會享受這種把視頻掃掉的操作，因為你知道app會登記你的不快并做出響應。（短視頻正好是非常適合此類機器學習驅(qū)動型推薦的類別。當然，我不會說它適合這種類別的每一種類型。音樂是很合適的。時間不長，所以采樣成本低，重復消費的價值高。而音樂的相似性通常是可以利用數(shù)學檢測的。我的Spotify Radio推薦就很可靠。另一方面，算法的電影推薦對我來說從來都沒起過作用。電影很長，采樣成本很高。語料庫也很小，每年只有大約500部電影之類的東西出現(xiàn)，而大多數(shù)人只看過其中的少數(shù)幾部。這個主題需要另行討論。）

順便說一句，TikTok并不是針對匹配的任務(wù)對界面進行了優(yōu)化的唯一一款app，就是那種每次只展示一個實體，從而可以更清楚地知道你的感受如何的app。在TikTok之前，每次展示一項內(nèi)容的UI就已經(jīng)自成一派。

向右滑和向左滑已成為表示認可和不認可的代名詞是有原因的。Tinder在觸摸屏UI上想出了一種感覺像是設(shè)計原語的二元投票方式。

飛輪的優(yōu)勢

在這個軟件時代，真正的競爭優(yōu)勢或護城河已經(jīng)變得越來越虛幻。大多數(shù)的軟件功能或UI設(shè)計，一個既有者或競爭對手一夜之間就可以輕松復制。你做的一切不過就是幫他們先試試設(shè)計的影響如何。（有一次我去中國的的時候，曾經(jīng)跟一幫中國的企業(yè)家共進晚餐，我提到了Instagram抄襲Snapchat的Stories引起的喧囂。一家中國頂級公司的首席產(chǎn)品官笑著說：“在中國，如果你的競爭對手在兩周之內(nèi)不能把你的某項成功的功能復制出來的話，那么他們肯定是不夠格的?！惫韫茸砸詾槭屈c子市場的達爾文主義者，但從很多方面來說，中國的科技界才是的真正的達爾文主義。這對于硅谷的相對產(chǎn)出而言是個不好的預兆，因為在中國，思想傳播和變異的速度更快。人們通常說硅谷已經(jīng)接替了波士頓的128號公路（曾經(jīng)的電子工業(yè)中心）成為技術(shù)創(chuàng)新的地理中心，部分是因為硅谷更加開放的勞動力市場使得思想可以在公司之間自由流動。中國已經(jīng)拿到了這本手冊，并且走得更遠。在中國的科技行業(yè)的競爭格局中要想生存下來，就像是想要從《黑暗騎士崛起》里面的那個坑里面爬出來一樣。很恐怖。）

但是，如果你可以造出一個飛輪（比方說像TikTok的飛輪），那么像Reels或Triller這樣的競爭對手就很難追上。Triller可能會花錢把TikTok的一些網(wǎng)紅挖過來制作視頻，Reels也許會嘗試對Instagram引流，但TikTok之所以能行是因為通過FYP算法把創(chuàng)作者、視頻以及觀看者連接成一個正向的反饋回環(huán)。

布賴恩·阿瑟（Brian Arthur）提出了經(jīng)濟的報酬遞增與路徑依賴理論。沒有一個行業(yè)能像科技行業(yè)那樣將這一理論體現(xiàn)得更加明顯。在這個行業(yè)當中，第一個實現(xiàn)產(chǎn)品市場匹配的競爭對手可能會脫穎而出。如果市場給人的感覺是越來越贏家通吃的話，那是因為在一個日益緊密相連的世界里，贏家的確會通吃。

字節(jié)跳動往往被說成是一家算法公司，而TikTok在過去幾周則被描述成了只靠這種算法的黑魔力而取得成功。很多人甚至認為，如果收購不包含算法在內(nèi)的話，TikTok就不值得買。

我認為這是錯誤的。是的，重新訓練FYP的推薦算法可能需要很長時間，以至于部分用戶會流失。我并不認為這項工作是雞毛蒜皮。但是，真正的魔力在于TikTok的設(shè)計和流程里面的每一個元素是怎么互相關(guān)聯(lián)到一起，從而創(chuàng)建出一個數(shù)據(jù)集，再通過這個數(shù)據(jù)集，把算法訓練達到最佳性能的。這個反饋回環(huán)里面沒有一步是超出了美國眾多追求者的能力范圍之內(nèi)的。你所需要做的只是要了解這個飛輪的機制，并保證讓每一個要素和流程都正常運轉(zhuǎn)。

我遇到過的產(chǎn)品或服務(wù)似乎在算法推薦的質(zhì)量上都遇到了天花板：這里面包括Yelp、OpenTable、Google、Netflix等。不要誤會我的意思，這里有些日子過得還很不錯。我只是禁不住想他們當中的一些是不是可以更上一層樓，對算法更友好的設(shè)計也許就是可能的解決方案之一。

回顧一下，在我關(guān)于TikTok的系列文章的第一篇當中，我討論了它的算法是如何充當了一種匹配機制，使得TikTok成為了如此具有可擴性的娛樂網(wǎng)絡(luò)的。相比之下，社交網(wǎng)絡(luò)必須用社交圖譜來逼近興趣圖譜，然后就帶來了這種種問題。在有關(guān)TikTok的第二篇文章中，我重點介紹了它的設(shè)計是如何有效地幫助其機器學習FYP算法“看到”完成其工作所需的東西的。對算法友好的設(shè)計理念可能會成為其他垂直領(lǐng)域的其他公司在機器學習時代取得優(yōu)勢需要采用的一種模式。

但是，作為案例研究TikTok之所以那么的迷人而且異類，還有最后一個原因。這跟軟件和算法的關(guān)系不大，而跟我孜孜不倦的文化決定論關(guān)系更大：那就是創(chuàng)意的網(wǎng)絡(luò)效應。這會是本TikTok系列第三部分，也是最后一部分要討論的主題。

譯者：boxi

特別聲明：以上文章內(nèi)容僅代表作者本人觀點，不代表ESG跨境電商觀點或立場。如有關(guān)于作品內(nèi)容、版權(quán)或其它問題請于作品發(fā)表后的30日內(nèi)與ESG跨境電商聯(lián)系。