视频内容推荐算法与观看习惯
有一次我刷短视频，本来只想看十分钟，结果一抬头两个小时过去了。我愣了半天，然后开始反思——我是怎么被算法"绑架"的？后来我刻意研究了一下这些推荐算法到底在干什么，发现它们精准地利用了人性的弱点，今天就来聊聊这个话题。
推荐算法到底在算些什么
说白了，推荐算法就是一个超级细心的"观察者"。它记录你所有的行为：你看了什么视频、看了多久、有没有点赞、有没有评论、在哪个时间点划走了。这些数据被喂给算法，算法就会给你画一幅"用户画像"。比如它发现你经常看美食视频，而且只看川菜内容，那它就会疯狂给你推川菜视频。
但这里有个很关键的问题：算法只知道你"做了什么"，不知道你"为什么这样做"。比如你点了一个你根本不喜欢的内容，只是因为标题党被吸引了，算法也会认为你对这类内容感兴趣，然后继续给你推。之前我在简书上看到一篇分析，讲推荐算法怎么利用心理学机制来增加用户时长，里面提到了随机奖励、沉没成本、赌徒心理等概念，看完之后对自己为什么上瘾有了更深的理解。
算法是怎么改变我的观看习惯的
说实话，推荐算法对我的影响比我想象的大得多。以前我还会主动搜索想看的内容，现在基本是"算法喂什么我就吃什么"。这其实挺可怕的，因为你看的内容越来越窄，接触的信息越来越单一——这就是所谓的"信息茧房"。我有个做自媒体的朋友跟我说，现在做内容必须迎合算法，不迎合就没流量。标题要带问号、封面要夸张、前三秒必须有爆点。这些规则不是用户定的，是算法定的。
怎么打破信息茧房
要我说，最有效的办法就是主动搜索。不要等算法推给你，而是自己去搜想看的内容。另外可以定期清理观看历史，重置算法对你的认知。有些平台也提供了"不感兴趣"的选项，看到了就点一下，别嫌麻烦。还有个笨办法：换设备或者换账号，比如平板专门用来学习，手机专门用来娱乐，这样两个账号的推荐内容就不会互相干扰了。
在GitHub上甚至有一些开源项目，专门用来分析推荐算法对用户行为的影响，里面有一些数据可视化非常直观，推荐大家去看看。
推荐算法的未来
现在有些平台开始在推荐算法里加入"多样性"参数，故意给用户推一些不在兴趣范围内的内容，避免用户被算法困住。这其实是个好趋势，说明平台自己也意识到了问题。不过话说回来，推荐算法的核心目的还是让用户多停留、多看广告，这个本质不会变。我们能做的，就是保持清醒，把算法当工具，别让它变成你的"支配者"。
推荐算法是双刃剑，用好了能帮你发现更多好内容，用不好就会让你陷入无脑刷视频的循环。如果你对视频解析有什么需求，可以试试全民解析网，多平台支持，解析速度快。有关当前服务，请查看服务说明与使用帮助。