TikTok的優(yōu)勢是算法嗎,tiktok推薦算法優(yōu)勢-ESG跨境

TikTok的優(yōu)勢是算法嗎,tiktok推薦算法優(yōu)勢

TikTok的優(yōu)勢是算法嗎

作為一個走出國門的互聯(lián)網(wǎng)平日，它涵蓋了日本、韓國、香港、臺灣、美國、奧地利、印度、印度尼西亞、沙特阿拉伯、泰國、俄羅斯、希臘、阿富汗、阿根廷等多個國家和地區(qū)，對于tiktok用戶來說，這無疑突破地域的局限，從而打破了流量峰值的限制。所以tiktok和抖音本質(zhì)相同但也有很多區(qū)別，這里就不一一展開。那么對于tiktok來說，它的優(yōu)勢僅僅是算法嗎

劃重點：

TikTok的算法本身沒什么不一樣；TikTok的不一樣在于它的app設(shè)計讓算法“看到”有效精確地執(zhí)行匹配工作所需的所有細節(jié)；現(xiàn)代社交網(wǎng)絡(luò)巨頭的傲慢導致自己陷入到錯綜復雜的問題不能自拔；為了讓自己的算法發(fā)揮最大的效用，TikTok成為了自己的訓練數(shù)據(jù)源；以用戶為中心的設(shè)計模式一直占據(jù)主導，但算法友好型設(shè)計正在逆襲；為了最大限度地服務(wù)好用戶，請先服務(wù)好你的算法；TikTok的設(shè)計使得它的視頻、用戶和用戶首選項對For You Page算法清晰可見。

一、《國家的視角》Vs算法的視角

Scott的書的副標題是“那些試圖改善人類狀況的項目是如何失敗的”。

這本書可以提高您對日常生活中意外后果的認識。當我們也有偉人的傲慢時，我們最好保持謙虛的態(tài)度。這個世界比我們想象的要豐富，更復雜。

斯科特的許多討論都與我們現(xiàn)代社交網(wǎng)絡(luò)巨頭的傲慢有關(guān)；這些占主導地位的應(yīng)用程序的目的是提高其用戶群的清晰度，包括促進交互，防止用戶流失以及最終提供針對性的廣告；反過來，這導致他們的母公司陷入復雜的問題，到目前為止還無法擺脫困境。

二、TikTok把自己變成算法的訓練源

近年來，至少在像我這樣的外行眼中，我們已經(jīng)意識到，只有將訓練數(shù)據(jù)量增加幾個數(shù)量級，機器學習才能取得長足的進步。換句話說，即使算法本身在幾年前也沒有太大區(qū)別。人工智能研究人員只有通過在更大的數(shù)據(jù)集上進行培訓，才能實現(xiàn)GPT3之類的突破（GPT3暫時給技術(shù)Twitter帶來了高潮）。

當人們說TikTok的算法是成功的關(guān)鍵時，許多人會將某些神奇的代碼段視為公司的秘密武器。

在某些領(lǐng)域，例如文本，您可以輕松獲取大量訓練有素的數(shù)據(jù)；例如，如果您想訓練像GPT3這樣的AI模型，則可以在Internet，書籍等上找到很多這樣的模型。如果您想訓練視覺AI，可以在Internet和各種數(shù)據(jù)庫上找到很多照片；培訓仍然非常昂貴，但是至少您手頭有足夠的培訓數(shù)據(jù)。

但是對于TikTok（或Douyin）而言，其擅長向觀眾推薦短片的算法沒有公開提供的如此大規(guī)模的訓練數(shù)據(jù)集。

在哪里可以找到模因，孩子們跳舞，嘴唇同步，可愛的寵物，網(wǎng)絡(luò)名人推廣品牌，訓練士兵克服障礙，孩子模仿品牌等的短片即使您有這樣的視頻，您也應(yīng)該在哪里找到有關(guān)公眾對此類視頻的感覺的可比數(shù)據(jù)除了Musical.ly數(shù)據(jù)集（主要是美國的喜歡玩口型同步的青少年）之外，此類數(shù)據(jù)不存在。

這是產(chǎn)卵或產(chǎn)卵的獨特問題。如果沒有此應(yīng)用的攝像頭工具和濾鏡以及受版權(quán)保護的音樂剪輯，則需要對TikTok的算法進行訓練。這種視頻很難制作。

然后，這就是TikTok設(shè)計的魔力：應(yīng)用程序?qū)⒋碳げ⒋龠M視頻的創(chuàng)建和瀏覽，然后算法將使用這些視頻進行訓練，進而刺激并促進視頻的創(chuàng)建和瀏覽形成反饋回路。

為了最大程度地發(fā)揮其算法的有效性，TikTok成為了他們的訓練源。

三、以用戶中心Vs對算法友好

要了解TikTok是如何做出這么強大的學習飛輪，我們需要對它的設(shè)計進行深入研究。

關(guān)于科技的UI設(shè)計，主導的思想流派（至少是我成長的過去二十年里）關(guān)注的重點是消除用戶所做事情的摩擦，并讓他們在此過程中感到愉悅；其設(shè)計目標是優(yōu)雅，什么是優(yōu)雅：優(yōu)雅就是直觀、巧妙，甚至時尚。

也許沒有一家公司比蘋果把這種設(shè)計風格體現(xiàn)得更加淋漓盡致，巔峰狀態(tài)下的蘋果總能把自己的軟硬件做出優(yōu)雅的感覺——“就是這么好用（it just works）”，但同時又很迷人，讓用戶覺得很雅致。

（蘋果控制風格的名聲就沒那么光彩了——手機、筆記本電腦不可替換的電池，目前有關(guān)應(yīng)用商店規(guī)則的爭論）在發(fā)布新品的主旨演講時，展示一塊硬邦邦的鋁塊是如何變成嶄新的MacBook Pro機身的視頻的理由是什么

因為聽到工業(yè)激光把那塊鋁雕刻成一體化機身時發(fā)生的聲音很性感然后，當你在咖啡店用那臺筆記本電腦敲擊一封電子郵件時，在你的潛意識里，有關(guān)那段視頻的一點殘留的記憶里面會不會讓你的多巴胺受到一點點的觸動

這種以用戶為中心的設(shè)計模式在這么長時間以來一直占據(jù)著主導地位是有原因的，尤其是在消費類技術(shù)里面。

首先，這的確有用——蘋果的市值最終超過了2萬億美元（還記得假冒的Sean Parker說過十億美元很酷嗎那還是十年前，現(xiàn)在十億美元不再是金牛了，財富的量級在飛速發(fā)展。）

此外，我們生活在大規(guī)模網(wǎng)絡(luò)效應(yīng)時代，應(yīng)用了Ben Thompson的聚合理論并獲得大量用戶群的科技巨頭，可以在他們所參與的市場當中發(fā)揮出不可思議的杠桿作用——要先做到這一點，最佳的辦法之一就是設(shè)計出能比競爭對手更好地滿足用戶需求的產(chǎn)品和服務(wù)。

長期以來，這種設(shè)計流派一直占據(jù)著主導地位，以至于我?guī)缀跬浟诉^去時代慣常采用過的一些蠻不講理的軟件設(shè)計了。（不要把它跟野獸派設(shè)計混為一談，后者其實就像它在建筑方面的表親一樣，在設(shè)計上是相當美的。）

但是，如果要想最大限度地服務(wù)好用戶的關(guān)鍵要取決于對機器學習算法的訓練呢如果這個ML算法需要龐大的訓練數(shù)據(jù)集該怎么辦在機器學習方興未艾的時代，這日益成為關(guān)鍵的設(shè)計目標。

在考慮如何設(shè)計app時，你日益必須考慮怎么才能最好地幫助算法去“看”——為了最大限度地服務(wù)好用戶，請先服務(wù)好你的算法。

TikTok讓我著迷，因為不管是意外還是有意而為之，這都是一個為了盡可能多地給自己的算法提供有用信號的現(xiàn)代app的典范——這就是我所謂的算法友好型設(shè)計的范本。（我曾經(jīng)想過把它叫做以算法為中心的設(shè)計，但覺得這種說法有點過頭了；一個幫助算法看見東西的設(shè)計到頭來仍然是為了給用戶提供盡可能好的體驗。）

我們?nèi)匀豢梢哉J為這只是以用戶為中心的設(shè)計的一種變體，但是對于那些大量采用機器學習算法組件進行產(chǎn)品開發(fā)的團隊來說，明確地承認這一點也許有用；畢竟，當產(chǎn)品經(jīng)理，設(shè)計師和工程師開會討論app設(shè)計時，算法是不會出席的；但是，對算法的訓練需求必須得到體現(xiàn)。

James Scott在談到《國家的視角》，談到了城市設(shè)計等領(lǐng)域的巨大變化，比如讓土地面積和業(yè)主數(shù)量對征稅者“清晰可見”；TikTok的設(shè)計使得它的視頻、用戶和用戶首選項對For You Page算法清晰可見；這種app設(shè)計履行了它的主要職責之一：“像算法一樣看東西”。

我們不妨仔細看看，TikTok打開后就是“For You Page”頁面，然后直接進入視頻。這就是它的樣子。

這個是到目前為止有史以來最熱門的TikTok視頻，截止到我發(fā)布這篇文章時，它的34.1M個點贊可能已經(jīng)不止了；你可以看看有關(guān)這條TikTok是如何誕生的故事，看過之后你仍然會覺得這是一個充滿悖論的文化難題，但是你看過后會喜歡的。

我把這個給我侄女看了，然后我們一起循環(huán)播放了好幾十次，然后我們一起開始大喊“從M到B，從M到B”，然后一起笑了起來，這是我在這場疫情當中真正的感受不是絕望的少數(shù)幾次之一。

整個屏幕被一個視頻填滿。只有一個視頻，視頻用豎屏全屏顯示；注意，這是不能滾動的，而是分頁。視頻幾乎是立即自動播放（接下來的幾個視頻被加載到后臺，所以輪到的時候可以很快播放出來）。

這種設(shè)計讓用戶要面對一個緊迫的問題：你對這個短視頻的感覺如何就這個短視頻。

這個視頻是跟跳舞有關(guān)的嗎是對口型還是視頻游戲有小貓嗎還是花栗鼠是搞笑的嗎主體是男的還是女的大概幾歲是群視頻嗎背景在哪里用的是什么濾鏡或視覺效果如果里面包括有食物，是什么食物等等，所有這些標簽都成為了算法現(xiàn)在可以看到的功能。

視頻還要在視覺AI這里處理一下，并為自己能看到的東西做出貢獻；TikTok有些攝像頭濾鏡能夠跟蹤人臉、手或者手勢，所以視覺AI往往在視頻被創(chuàng)建出來之前就被調(diào)用過了。

這個算法還可以看到TikTok所了解到的有關(guān)你的信息，你過去喜歡什么類型的視頻有關(guān)你的人口統(tǒng)計學信息或心理學信息有哪些你是在哪里看這個視頻的你用的是什么類型的設(shè)備等等，除此之外，還有哪些其他用戶跟你相似

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。