抖音短视频平台视频推荐模式研究(二)

　　与算法的研究日益成为热点类似，流量池也是近段时间以来频繁出现的热门词汇。此前，在新媒体研究领域里，流量思维是较为集中的研究热点，甚至有学者指出，“得流量者得天下”。流量池思维则是要获取流量并通过存储、运营和发掘等手段，进行信息的再传播，以期获得更多的流量。流量思维和流量池思维最大的区别就是流量获取之后的下一步社会行为，后者更强调如何用一批老用户找到更多新的用户，而流量思维更多的是首轮传播的效果评价。通常来讲，在内容流量池表现较好的视频内容往往会进入叠加推荐的行列，从而获得更多的阅读量和点赞。叠加推荐是以内容的综合权重做评估标准，综合权重的关键指标有完播率、点赞量、评论量、转发量，且每个元素所具有的影响权重又互不相同，当达到一定量级，平台就会以大数据算法和人工运营相结合的机制进行不断的推荐。比如，当用户发布一条视频时，平台会自动将其分配到一个流量池当中，分发到一定数量级的用户的推荐界面，然后通过统计该视频的播放效果，形成一个加权分数，转发量、评论量、点赞量的权重依次递减，分数越高则获得叠加推荐的机会越大，播放效果好的视频会再次加入流量池进行更大范围的分发，而表现较差的视频则失去了被推荐的机会，沉淀至流量池底部。第二次推荐又获得比较好的反馈则进入下一轮的推荐，从而获得更大规模的推荐。流量池推荐带来了更加明显的“马太效应”，优质的视频被反复推荐，获得更大的积累优势，而在第一波流量池推送中“逊色”的视频则失去了更大规模被推荐的机会。同时，由于这类算法更加基于多重用户受众的实际行为分析，所以经常会有大量级播放次数的视频出现。与前两个算法推荐相比，流量池推荐的视频随机性更强，其推荐的法则并非主要着眼于视频内容，而更多的是通过用户的反馈进行推荐。换言之，流量池推荐更注重视频传播效果的评价而非内容生产的优劣。这也使得一些内容并不那么优质的视频利用算法推荐的漏洞或不足，能够取得很高的评价分数，从而被大量级推荐，迅速“蹿红”。

四、建议与对策

　　依靠强大的算法推荐，抖音已经在目前短视频白热化的角逐中逐渐占据上风。但是，完全依靠协同过滤和精准分发的单纯算法推荐不能够充分适应目前快速发展的受众需求，平台需要进一步完善更多维度的算法推荐系统。采用更加多元和开放的算法，将会更加合理地促进优质视频内容的传播。因此，可以进一步加强对抖音用户使用行为的数据挖掘工作，引入满意度、有用性等其他考量维度，优化其产品内容评价体系分层分类，避免加剧“茧房效应”，适当调整兴趣内容与其他内容的分发比例；进一步提高平台的识别能力，对所谓的“网红”短视频内容加强甄别，提高原创视频的推广力度，加强对相似或较为雷同的视频进行过滤审核，避免“同质化”内容高频出现；积极引入或增加人工审核的机制，在审核过程中提高人工排查的参与程度，逐渐树立传播审核过程中“人”的参与意识；积极鼓励“PGC”的产品生产，对于具有优质视频生产能力的用户给予鼓励，通过身份认证、延长视频时限等方式给予支持，提升全平台的视频制作水平；始终坚持“内容为王”的运营和管理理念，依靠优质的平台内容增加用户黏度和吸引新用户，就一些具有明显“哗众取宠”和恶搞的内容，引入投诉和其他负面评价机制，进一步净化网络空间。