亚马逊产品经理：TikTok 的真正优势，从来都不是算法（下）编辑导语：在上篇文章中

编辑导语：在上篇文章中，作者介绍了TikTok的算法是如何充当了一种匹配机制，详情：亚马逊产品经理：TikTok 的真正优势，从来都不是算法（上）；本文作者详细分析了TikTok对算法友好的设计理念，我们一起来了解一下。
文章插图
字节跳动往往被说成是一家算法公司，很多人认为，TikTok是靠算法的黑科技才取得成功的。
事实真的是这样吗？
eugenewei认为不是：TikTok的算法跟其他公司使用的并没有太大的不同；TikTok最大的优势是它采取了对算法友好的设计模式，在自己内部建立了一个飞轮，帮助其机器学习算法看到了优化自己所需要看到的东西。
原文发表在其个人博客上，标题是：Seeing Like an Algorithm；篇幅关系，我们分两部分刊出，此为下半部分。
划重点：

TikTok的真正魔力在于设计和流程里面的每一个元素是怎么互相关联到一起，从而创建出一个数据集，再通过这个数据集，把算法训练达到最佳性能的；
大型社交网络默认的UI是无限垂直滚动的动态消息，对于算法来说用户的情绪信号不干净；
社交网络已经做出了自己的取舍：为用户提供阻力更少的扫描，而牺牲掉对更精确的负面信号的读取；
TikTok有很多手段可以推断你是否对某条视频不感兴趣；
对算法友好最终是为了服务好用户；
任何设计的目标都不是让摩擦最小化，而是帮助用户达到一定的目的；
在这个软件时代，真正的竞争优势或护城河已经变得越来越虚幻；
如果说市场给人的感觉是越来越赢家通吃的话，那是因为在一个日益紧密相连的世界里，赢家的确能通吃。

一、TikTok的算法能看到很多东西我们不妨再回到在你在手机上打开TikTok观看该视频的那一刻， FYP算法现在可以让所有的反馈回环形成闭环了——它会研究你对这一视频采取的每一项操作，并根据你的品味，以及视频的所有属性来猜测你对视频的感受。
上述所有的步骤都不是像火箭科学那样的硬核技术，尤其是对于任何从事算法性社会化动态消息的人来说这些并不新鲜。
我在之前那篇文章里面注意到，其实TikTok并没有一个很强的社交图谱；这款app之所以那么有效，原因之一是它不会假装自己不是的东西；也就是说——大家在其他地方已经有了大量的社交图谱以及跟自己认识的人分享的手段了。
他们没有强迫大家在TikTok app里面也这样做，而是让下载视频或通过这些外部渠道分享视频变得非常简单；不过TikTok要保留的是你选择了分享视频的这个信号，这个数据就能（也只能）满足他们的算法了；由于视频会带有水印，所以分享就相当于给他们免费宣传。
实际上， TikTok已发表了一篇描述其FYP算法工作机制的博客文章，只要是从事技术业的，我相信大家看过之后都知道没什么新鲜的。
但是，把TikTok的FYP算法所看到的东西，跟其他大多数社交网络动态消息的推荐算法所看到的东西对比一下，你就会发现它们不一样在哪里。

文章插图
在今天，我们最大型的社交网络默认的UI是无限垂直滚动的feed（比方说，我本来可以很容易地使用上面的Facebook屏幕截图）；这些app不是一次提供一个故事，而是一次在屏幕上显示多个条目；当你滚动浏览多个故事时，算法是没法“看清楚”你的眼睛停留在哪个故事上面的；就算能看到，如果用户没有按“点赞”之类的反馈按钮的话，他们对这个故事的看法还是正面的还是负面的呢？——用户情绪的信号并不干净。
如果你赞成UI应该消除摩擦这个想法的话，那么无限滚动的feed应该就是理想选择；它提供了一种不受约束的消费节奏控制感，用拇指点一下某个feed ，然后看着它像《价格竞猜》（Price is Right Showcase Showdown）节目里面的 “大滚轮”的鼓点一样滚动；你的初始手势速度决定了它的滚动速度，看着软件的滚轮仿佛遇到了恒定的物理摩擦一样慢慢停止下来——这种模拟的物理过程是触屏时代最令人愉悦的用户交互之一，一下子你就能滚动浏览了5、6条推特或者Facebook的动态消息，多爽！
分页式设计，一次只能看到一个故事，而手指每推一次让feed滚动一条，不管是在字面上还是隐喻上都是一种拖累。
另一方面，如果推特更有针对性的话，也许你不会介意一次只看一条推文，而如果Twitter能更好的了解你真正感兴趣的推文类型的话，他们的推送也许就会更具针对性；如果你必须对每条推文给出明确或隐含的肯定或否定的信号的话， Twitter也许就能更好地了解你真正感兴趣的内容。