tiktok lite 破解，美国在意TikTok（抖音）的算法吗

大家好,今天小编来为大家解答以下的问题，关于tiktok lite 破解，美国在意TikTok（抖音）的算法吗这个很多人还不知道，现在让我们一起来看看吧！

TikTok（抖音）眼下是一笔烂账。中国与美国对股权、运营权、源代码与数据分配都僵持不下。不过有一点大家都同意，就是TikTok的算法很珍贵。特朗普跟中国都说TikTok的算法会影响国家安全。

真的吗？熟悉机器学习的人不会相信TikTok真的发展出什么独门密技，是硅谷无法破解或模仿的。

然而同时TikTok的成就也摆在眼前。它是第一个从中国“反攻”美国的网络服务。不仅席卷美国，在印度、中东、东南亚都以奇迹般的速度崛起。TikTok是过去10年第一个新的全球社交媒体，突破了由YouTube、脸书、Instagram等美国“上一代”社交媒体的控制。

媒体要打入陌生的文化圈非常困难。中国也不是强势文化输出国。如果TikTok不是靠算法，那是靠什么？——靠整个产品设计围绕着算法。

EugeneWei曾在亚马逊、Flipboard与Hulu带领过产品团队。同时他也是电影导演，因此对于媒体常有独到见解。我之前介绍过他写的《地位即服务》（StatusasaService）架构。最近他写了两篇文章分析TikTok的优势，分别是《TikTok与分类帽》（TikTokandtheSortingHat）与《像算法一样的看》（SeeinglikeanAlgorithm）。

他指出社交媒体最重要的资料叫兴趣图谱（interestgraph）。也就是用户的喜好。知道用户喜欢看什么，平台才能推送适合的内容，以及适合的广告。

然而传统社交媒体都是通过间接的资料建立兴趣图谱：社交图谱（socialgraph）。传统平台鼓励用户加好友、点赞、关注等，建立社交关系。接着平台再根据社交关系推论用户的兴趣：“你的朋友都喜欢这个，你可能也喜欢？”

这种做法至少有三个问题。

第一，不精确。例如你关注我的微博，可能想看我的科技评论。但我有时也会聊文学、游戏、生活，对他们来说就是噪声。

第二，无法规模化。可规模化是指量体增加仍维持同样的品质。可是在传统社交媒体上，当朋友与关注对象突破数百，甚至数千人时，动态就变得一团混乱。小学同学、同事、父母、应酬上只聊过一次的“朋友”、不认识的意见领袖等，全部的言论挤在一起。这是为什么好友多了以后看朋友圈让人疲惫，因为还是要花力气拨开迷雾。

另外，大杂烩也导致社会的对立。我解释过，传统社交媒体笃信自由主义，认为平台应该让多元想法激荡、竞争。现实却是人类无法处理这么多信息，反而倾向党同伐异，从共同的敌人来寻求归属感。

第三，不公平。先行者在传统社交媒体有优势。平台为了鼓励创作者积累粉丝，会优先导引流量给那些已经积累粉丝的人。这导致贫者益贫，富者益富。“新人”难以追上先行者，没有兴趣在平台上发表创作。

合在一起，最坏的结果是“脉络崩塌”（contextcollapse）。即用户觉得平台上的内容太乱、不有趣、充满对立与愤怒，于是一个一个的离开，启动递减的飞轮效应。

如果说传统社交平台是资本主义（有很多流量的人能“赚”到更多流量），那么TikTok就是列宁主义，由“中央”决定流量的去向。TikTok的核心是“推荐”墙，每个用户看到的推荐内容都由算法决定。

TikTok的算法几乎不考虑社交图谱，而是完全偏重用户的使用行为。只要你的视频能吸引一小批人驻足，算法就会推荐给其他可能感兴趣的人。这解决了前述的三个问题。

首先，算法分配更公平。TikTok会根据用户的停留时间，用户是否点赞、浏览创作者首页、点击音乐来源或标签等行为来判断用户的兴趣。这让“新人”更有机会突围。

其次，可以规模化。每个人看到的推荐墙都不一样，也不会各种内容“挤”在一起。EugeneWei将之比喻为《哈利波特》中的“分类帽”（sortinghat），将学生分到格里芬多、斯莱特林等不同学院。用户在TikTok上也“吵”不起来，因为不知道彼此看了什么内容。

第三，算法推荐更精确。TikTok直接建立兴趣图谱，避开了社交图谱内含的噪声。而且显然这种方法在全球都适用。

TikTok创造了自给自足的数据循环（feedbackloop），用数据训练算法，用户就能看到真正有兴趣的内容。而越多用户使用TikTok，就有越多创作者博求关注。

然而，你会问，为何TikTok的算法特别精确？算法本身不特别，关键在于获取大量的训练数据。可是没有社交关系作为诱因，TikTok用什么吸引第一批用户？

很简单，用钱。

字节跳动并购Musical.ly，将之改名为TikTok后，引入了字节跳动的招牌算法。同时字节跳动开始为TikTok狂打广告，据说在2018年就花了10亿美金。

有了用户就有了数据。TikTok最特别的就是其数据是自给自足的，完全来自app内。视频会自动循环播放，直到用户动作为止。换言之，TikTok在逼用户表态：你喜欢这则视频吗？不喜欢？程度多少？这和Tinder的设计类似：“左滑没兴趣，右滑喜欢”。相较之下，传统社交媒体则采“无限卷动”（infinitescroll）机制，用户可以不断的往下滑。

TikTok用起来比较麻烦，因为用户要一直动作；然而却让算法能获取更清楚的信息，知道每个动作对应的视频。相反，传统社交媒体的算法很难判断用户是为了哪一则内容停留。

另一个例子是传统社交媒体中，用户很少主动点“没兴趣”。但TikTok的设计已经内含了“没兴趣”的信号——只要你停留时间够短，就是表示没兴趣。

TikTok的算法也会判断视频中的内容，诸如物件、人物、性别、表情、视频长度、滤镜效果等。当然TikTok也知道观众的喜好数据。

换言之，TikTok最大的创新不是算法，而是整个产品围绕着算法的需求设计。这种“算法友善”（algorithm-friendly）设计和一般的“用户友善”（user-friendly）略为不同。就好像算法也化身为团队成员，在产品会议上发言：“产品需要这样设计，我才能拿到需要的数据。”

我们都知道互联网最重要的特性是网络效应，而TikTok创造了“创意的网络效应”（thenetworkeffectofcreativity）。创作者都知道，创意的核心是抄袭，咳咳，应该说致敬。TikTok上有许多人翻拍同一首歌、跳同一首舞或是用同一个梗，就是一种致敬。TikTok正是鼓励制作致敬与迷因（memes）的专家。

其次，TikTok创造了一种互相连结、开放分享的文化。在算法之下，适者生存。创作者无法单纯依靠粉丝数量，必须时时观察流行趋势，察觉算法的偏好，并参与社群之中。而最快的方式就是合作、“致敬”。

中心的算法、数据的内循环、计划经济式的创作指导……看得出TikTok为何是从中国崛起吗？

TikTok真正值钱的不是算法，而是整个产品设计概念。TikTok指出了一条路，让算法居于核心，用设计来喂养算法。最终规模化地掌握每个人的个别兴趣，而且不需要经过“社交图谱”。

这个设计概念不只适用娱乐——字节跳动第一个“算法”作品是新闻app“今日头条”。可以预计，未来任何需要算法的产业（例如电商、课程、交友等）都会出现采用“算法友善设计”的挑战者。

好了，关于tiktok lite 破解和美国在意TikTok（抖音）的算法吗的问题到这里结束啦，希望可以解决您的问题哈！