Episode Details

本期《胡讲 8讲》从山姆·奥特曼删除TikTok的经历谈起。山姆·奥特曼原本想研究TikTok及短视频产品，却发现自己从睡前只看几分钟逐渐变成持续滑动，最后只能选择删除应用。三位发言人以此为起点，讨论推荐算法为什么能够让普通用户乃至科技行业精英沉迷。

蓝华峰Frank从算法和机器学习角度解释，平台会同时分析内容特征与用户行为。用户每一次点击、滑动、停留和退出都可能成为反馈信号，系统再利用这些信号不断调整预测。李大象则从平台运营经验出发，介绍完播率、收藏、回看、评论、转发、兴趣标签、流量池、二八原则和重排机制等概念，说明短视频平台如何在熟悉内容与新奇内容之间保持平衡。

节目进一步讨论了多巴胺与不确定奖励。用户不知道下一条内容是什么，因此总会期待“下一条可能更好”。无限滑动、自动播放和提前缓存又减少了停止节点，让用户更容易进入连续观看状态。

针对“懂算法是否就能掌握流量密码”，三位发言人认为，理解基本规律可以提升内容创作效率和成功概率，却无法保证每条作品成为爆款。算法本身不断变化，用户与内容之间也存在大量随机性。

节目最后提供了一系列防沉迷方法，包括设置应用使用时间、打开专注模式、采用番茄钟、避免停留在推荐页、把短视频平台当成搜索工具、删除应用、设置禁止使用场景、建立替代动作、把手机放在卧室之外、启用黑白模式，以及使用定时手机锁盒。整期节目既拆解算法，也提醒听众：与其把沉迷完全归咎于意志薄弱，不如主动改变使用环境，增加打开应用的行动成本。

【时间线】

00:00-03:25 山姆·奥特曼为何删除TikTok：短视频如何让科技精英沉迷
03:25-08:54 推荐算法如何分析内容标签和用户行为
08:54-12:42 多巴胺、自由意志与短视频的“化学攻击”
12:42-20:50 抖音双塔算法：完播率、收藏、回看与用户画像
20:50-28:59 上滑、二八原则与重排机制如何延长观看时间
28:59-35:38 算法持续进化：为什么单靠自控力很难对抗
35:38-41:29 随机奖励、期待机制与无限滑动设计
41:29-47:30 懂算法就能掌握流量密码吗
47:30-51:52 新媒体课程的真实价值：提升概率，而非保证爆款
51:52-59:15 屏幕限额、专注模式、搜索式使用与物理移除
59:15-01:03:25 手机不进卧室、黑白模式与定时锁盒等防沉迷方法

【摘要】

山姆·奥特曼为什么删除TikTok

本期《胡讲八讲》从山姆·奥特曼使用TikTok的经历切入。公开报道显示，山姆·奥特曼为了研究短视频产品而使用TikTok，原本只想在睡前看五到十分钟，却发现自己容易持续滑动，最后选择删除应用。

这件事引发了一个重要问题：如果熟悉人工智能和产品设计的科技行业领袖，也会受到短视频推荐机制影响，普通用户是否真的可以只靠自控力避免沉迷？

节目认为，短视频沉迷并不完全等于个人意志薄弱。推荐算法、无限滑动、自动播放、随机奖励和个性化内容共同构成了一个持续反馈系统。用户越频繁使用，平台就越能理解其兴趣和行为模式。

TikTok推荐算法如何工作

TikTok官方公开资料显示，推荐系统会综合用户互动、内容信息以及部分账户和设备设置判断用户可能喜欢什么。

用户互动包括完整观看或跳过视频、点赞、分享、评论、关注和搜索等行为。内容信息包括字幕、声音、标签、播放情况和发布地区等。不同信号会按照预测价值获得不同权重，再影响内容的排序和推荐。

节目用“双塔算法”解释内容端与用户端的联动：一边分析视频主题、人物和表现形式，另一边根据用户的观看行为建立兴趣画像，再寻找内容与用户之间的匹配关系。

“双塔算法、13级标签和多层流量池”等具体说法主要来自嘉宾的教学和从业经验，并不代表TikTok或抖音对内部系统的完整官方披露。实际推荐模型会持续调整，也比任何单一模型复杂。

用户画像为什么可能比本人更了解自己

用户每一次点击、滑动、停留、回看和退出，都可能成为平台判断兴趣的信号。单个动作表达的信息有限，但大量行为积累之后，系统就可以预测用户更可能观看什么。

用户画像并不一定需要知道一个人的真实姓名或完整身份。平台只需要发现稳定的行为模式，就能判断某类内容对该用户的吸引力。

节目认为，推荐系统还会根据时间、地点、设备和使用场景动态调整内容。早晨通勤、午间休息和睡前使用时，用户可能表现出不同兴趣。因此，用户看到的推荐结果并不是一份固定列表，而是持续更新的动态信息流。

完播率、收藏与回看代表什么

节目把完播率、收藏、回看、评论、转发和关注称为正向行为信号，把快速划走和点击“不感兴趣”称为负向信号。

完整观看通常意味着内容对用户具有一定吸引力。收藏可能表示内容未来仍有用途，回看则可能说明内容值得再次理解或使用。

不过，行为数据也可能产生误判。例如，视频循环播放不一定表示用户主动回看，也可能是用户离开了手机。因此，推荐模型需要结合更多信号，而不能仅凭一个数据作出判断。

为什么“下一条可能更好”让人停不下来

节目把多巴胺解释为与期待和动机密切相关的神经递质。用户滑动屏幕之前，并不知道下一条视频是搞笑内容、新闻、知识还是漂亮画面，这种不确定性本身就会产生期待。

随机奖励通常比固定奖励更容易维持行为。当精彩内容并非每次出现，而是不定期出现时，用户可能不断滑动，希望下一条带来更好的体验。

节目将这种机制类比为老虎机：用户无法确定下一次是否获得奖励，所以更容易重复动作。短视频平台又通过无限滑动、自动播放和提前缓存减少等待时间，让观看过程缺少自然停止点。

二八原则与内容重排机制

节目提出一种经验性解释：平台可能把大量已经验证为用户喜欢的内容，与一部分用于探索新兴趣的内容混合推荐。

熟悉内容能够保持基本满意度，陌生内容则提供新奇感并帮助系统拓展用户标签。如果连续推荐完全相同的内容，用户容易疲劳；因此，平台可能在相似视频之间插入美食、风景、新闻或搞笑内容，打散节奏。

TikTok官方也表示，推荐系统会在用户已经喜欢的内容之外穿插多样化内容，避免信息流过度单一。但具体比例和重排方式属于平台内部机制，不应把节目中的“二八原则”视为固定不变的官方公式。

了解算法能否掌握流量密码

三位发言人对这个问题的答案基本一致：了解推荐算法有用，但不能保证爆款。

学习标题设计、内容结构、用户需求、观看时长和数据分析，可以减少明显错误，提高作品与目标用户匹配的概率。但算法持续变化，用户兴趣也具有不确定性，任何起号步骤或爆款公式都不可能长期保证结果。

如果有人声称能够稳定预测每一条作品的流量，或者承诺按照固定步骤就能成功，需要保持警惕。新媒体培训更合理的价值，是帮助学习者理解基础规律、提高创作效率和少走弯路，而不是出售确定性幻想。

创作者与消费者的双重困境

内容创作者希望提高点击率、完播率和用户停留时间，因此会设计标题、悬念和表达节奏，让观众继续消费内容。

但同一个人作为内容消费者时，又希望保持清醒、控制时间并避免沉迷。这构成节目所说的“双重困境”：我们一边研究如何吸引别人的注意力，一边又试图保护自己的注意力。

真正负责任的内容创作，不应只追求用户停留时间，还应该关注内容质量、用户价值和使用者福祉。平台也需要在商业增长、算法推荐和数字健康之间寻找平衡。

如何减少短视频沉迷

第一种方法是设置应用使用时间。苹果和安卓手机都提供屏幕时间、应用限额、专注模式或数字健康功能。用户可以为抖音、TikTok、小红书和视频号设置每日时长。

第二种方法是从被动推荐转向主动搜索。不要漫无目的地停留在推荐页，而是先明确要解决的问题，再把平台当成搜索工具。完成搜索任务后及时退出。

第三种方法是增加打开应用的行动成本。可以把应用放进多层文件夹、移出首页、关闭通知或直接删除。需要使用时再重新下载，可以打断下意识打开应用的习惯。

第四种方法是设置禁止场景。睡前、吃饭、通勤或工作时不使用短视频，让手机离开卧室，并在需要专注时使用番茄钟。

第五种方法是建立替代动作。想打开短视频时，可以先喝水、走动、翻阅实体书或完成一个小任务，逐渐改变“感到无聊就刷视频”的条件反射。

手机黑白模式和定时锁盒是否有效

把手机屏幕变成黑白，可以减少颜色和视觉刺激，使应用图标和短视频画面的吸引力下降。它