本文讨论的是这类推荐系统的常见做法,不针对任何具体应用的实际实现;涉及平台的说法只作机制层面的解释,不代表官方说明。
收窄通常分四步走
第一步是从“什么都看”退到几个大题材,比如从泛娱乐退到某几类视频。第二步是在大题材内部形成偏好,比如固定看某类解说、某类剪辑。第三步是细到风格与作者,同一题材里只认某几种表达方式。第四步是只剩少数几个账号或极窄的细分方向。这四步不是必然走完,但每走一步,候选范围都会缩小一截,而缩小是渐进的,当事人往往在第三步才察觉。
哪些动作在加速收窄
连续完播同题材、主动搜索具体词、反复回看同一条、集中点赞同一类作者,这四种动作的指向性最强。它们共同的特点是“明确且重复”,系统很容易从中提炼出稳定偏好。相反,随机点开、看一半就走、跨题材浏览,这些行为提供的信号模糊,对收窄的推动有限。换句话说,收窄不是被“偷看”出来的,多半是自己一次次明确选择累积出来的。
哪些做法能把范围重新拉开
有效的做法有三类:主动搜索自己平时不看的方向,用搜索行为直接指定候选;对推荐流里偶尔出现的陌生素材保持完播,给系统一个反向样本;定期清理已不感兴趣的题材记录。三类做法都需要持续几天才见效,因为旧偏好的权重不会因为一次操作就归零,它需要新样本慢慢稀释。指望点一次“换一批”就改变长期结构,通常会失望。
可执行检查单
- 01每周留一次“主动搜索”,搜一个平时不看的题材,并完整看完其中一条。
- 02察觉题材重复时,先看自己最近一周的完播集中在哪,通常能找到原因。
- 03清理记录只作辅助,不做主力;主力仍然是持续提供新的、明确的行为样本。
两个常见问题
信息茧房是被算法关进去的吗?
算法是加速器,不是唯一原因。人本来就会倾向选择熟悉的内容,算法只是把这个倾向的执行成本降到很低。所以同样的推荐机制,给不同的人会得到不同程度的收窄。把责任全归于算法,会忽略自己每天那几十次选择的作用。
只看一个作者的内容,算不算收窄?
算,但未必是问题。收窄本身是中性的,关键在于是否有替代来源。如果这个作者是你主动选的、并且你还有其他渠道获取同类信息,那是偏好;如果只是因为刷不到别的,那就是收窄。区别在于“有没有选择权”。
收窄是可以被观察的
不需要工具,也能看出自己是否在收窄:把一周内刷到的内容按题材分类,看前三个题材占了多少比例;再回忆这些题材里,有多少是你主动搜索过的。比例高、主动搜索少,说明候选正在被历史行为主导。这个观察每季度做一次就够,频繁检查反而会被短期波动干扰。重要的是接受一个事实:收窄是机制的常态,不是故障,能做的只是定期给它输入新的方向,而不是期待它自动变宽。