摘要：随着社交4.0时代的到来，视频已经成为继文字、语音、图片之后的主要社交手段。在UGC、PGC以及PUGC生产的海量视频共存于网络空间之时，各大视频应用面对庞大的“视频海”采用了完全不同的运营分发方式。近两年，算法推送的出现有效的减轻了视频网站面对海量视频的运营压力并以强势的姿态逐渐取代人工运营的位置，成为视频推送分发的主要模式。但在算法网络还未形成的阶段，根据算法的推送模式极易导致用户接收信息的单一片面化，人工参与运营监管还十分必要。本文以“抖音”、“腾讯视频”为例，分析视频分发模式的变化，并详细分析“算法推送“与“人工分发”两种视频运营模式自身的利弊以此带来新媒体行业内运营岗的职责变迁。同时展现两种不同的算法模式交叉融合对于打破“信息茧房”和信息窄化弊端的重要性。 关键词：视频分发，算法推送，运营模式，信息茧房 四个多世纪前，威廉•莎士比亚说“整个世界是一座舞台”。如今言犹在耳，只是这句话在当下比以往任何时刻都更显真实。如果说3G颠覆了语音，开启了移动终端的先河，那4G则是颠覆了图片，开启了移动视听时代的大门。因为4G技术的发展，视频社交逐渐成为继文字、语音、图片之后大受欢迎的社交形式，视频传播的便捷化也为UGC们打造出更多展示自我的舞台。传统的“优爱腾”纷纷引入大量UGC作品来充实自身的视频平台，更有抖音、快手、梨视频等专门的短视频平台为UGC们提供展示舞台，海量视频时代已经到来。 而现在随着5G时代的来临，就视频网站而言，必将会面对广阔的由UGC、PGC、PUGC等用户们创作出的“视频海”。就在今年，根据卡思数据提供的《2019年短视频行业分析报告》显示，中国短视频的播放总时长首次超过了长视频，而中国短视频平台的视频总时长也首次超过长视频平台。 面对大量视频带来的运营压力，利用算法来进行视频分发的推送模式逐渐成为首选。根据用户的搜索习惯识别用户兴趣点并有针对性的分发已经成为主流，但由于机器识别可能会造成的受众信息接受“窄化”以及机器机械化识别而导致部分“有害视频”通过审核的问题，已经产生了负面的社会影响并引起监管部门以及企业本身的重视。故而，人工审核分发依旧是视频运营中必不可少的一环。 一、算法推送下的视频分发模式 在分析算法推送视频的模式之前，我们要先了解什么是算法推送。算法推送是基于人们可接触到的网络内容过载，信息分发有效性减弱的情况下，利用代码来搭建出一整套算法推送体系。其根本的运营方式是通过对用户大数据的收集，基于不同的个体“WHO”来分发相应的内容“WHAT”。无论是网站还是手机应用都逐渐开始采用算法推送的模式，根据用户的个人信息和历史搜索数据，无限制的储存、分析并搭建出个体兴趣数据库，以此为基础不断增加与个体兴趣点相关的信息的推送量，从而使用户产生对应用的粘性，增强应用的使用量及影响力。 在《机器代替编辑?》一文中，字节跳动的创始人张一鸣曾对算法推荐机制做出说明：“当用户绑定微博登录后的5秒钟内，系统会为用户建立起一个DNA兴趣图谱。这个图谱类似于一个数学模型，主要根据用户SNS账号上的标签，以及用户的手机、位置、使用时间等数据提取而来。”现今，字节跳动旗下的今日头条、抖音等产品都广泛运用算法推送模式，其竞品快手、腾讯视频、百度等也已逐渐应用算法分发模式来实现定点推送。 (一)基于算法的推送逻辑 在大数据时代，庞大的数据带给算法巨大的权利。斯科特•拉什就曾提到：“在一个媒体和代码无处不在的社会，权利越来越存在于算法之中”。大卫•比尔提出来“算法的权利”这一概念。算法的权利不仅指的是算法对分类、筛选、过滤信息上的绝对权利，也包含了算法在规则与人的关系中承担着重要的过渡作用。在面对互联网时代下数据的不断增大，算法的权利与日俱增。利用算法进行精准信息推送的前提是平台能够准确获取用户数据。 2015年1月，字节跳动创始人张一鸣在极客公园创新大会上透漏，其算法逻辑是基于用户的动作特征(包括点击、停留、转发、滑动、评论、分享)、环境特征(GPS定位、是否WIFI环境、是否节假日)和社交特征(微博关注关系、历史微博内容等)来进行信息推送的。 在视频平台上，通过捕捉用户在浏览过程中选择点击的信息类型、观看信息的时间长短、是否有评论、点赞、转发等行为特征来获取用户的兴趣点信息。同时，根据用户所处的地理位置、使用平台的时间是否处于节假日以及所处网络环境（使用WIFI还是移动数据流量）来判断对用户而言更有接近性、实用性的信息。此外，通过提取用户本身所关注的博主类型、用户好友的兴趣类型、用户在使用平台时所发微博的内容类型来扩充兴趣点避免信息窄化。这种算法模式将用户的行为习惯转化为数据，为每个用户建立起相应的个人兴趣库，能够有效帮助平台实现有效的信息推送。 自2016年至今，国内短视频平台对于个性化推送和算法分发愈加重视，随着把关权利从人工运营向算法分发的过渡，传统的流量计算模式也发生了巨大的改变。在运营领域，场景、内容、用户偏好和平台优先级逐渐成为衡量产品的重要标准，运营策略也在不断优化升级。 (二)基于算法分发的运营策略 在新媒体运营中，流量思维是一个重要的研究方向，甚至有学者提出“得流量者得天下”的理论。流量思维是指以获取用户流量为主要运营目标的思维方式，包括捕捉兴趣点、提升用户粘性等多种运营手段。在近几年，视域更广的“流量池思维”成为研究热点。流量池思维是指获取流量并通过储存、运营和挖掘等手段，进行信息的再传播，以期获得更多的流量，是流量获取之后的下一步社会行为。 通过算法对视频流量情况的监控，将带量视频放到更大级别的流量池中不断重点推荐。在抖音中，短视频在内容流量池中获得一定的量级后，平台会使用算法机制将其放到二级流量池中进行更大的范围的推荐，流量越大，推荐的次数越多，达到一定量级后会再次放到下一个更大量级的流量池中进行推荐。 以这种方式，优秀的视频被不断被放大从而获得更大的流量。同时，以这种方式也能够过滤掉一些不受欢迎的视频，这种根据用户的反馈来进行推送的模式更能反映出视频的实际传播效果。在腾讯视频中，对流量池的概念还较弱，大流量的展现是算法推送与人工运营合力作用的结果。 面对宣传期的影片或重点事件，腾讯视频实施了不同的重点等级策略。对于重要事件，通过人工将内容放置在重点页面并采用S级推荐，同时在频道页和主页面进行推广，以打造现象级事件。对于UGC（用户生成内容）作品，腾讯视频会将高质量、时效性强、影响力大的视频置顶展示，并在爱看频道中设置一刷到五刷不同强度的推荐，以此吸引流量。然而，大部分UGC内容仍以算法分发为主，根据用户兴趣推荐相似内容以实现流量变现。尽管抖音与腾讯视频定位不同，其流量池形成模式也有所差异，但不可否认的是，算法运营已成为视频推送的主流。 (三) 视频平台的算法推送模式 无论是基于数据推送的基本“抖音”，还是传统的腾讯视频网站，都投入大量研发基金开发多功能化视频分发算法，以减轻人工运营压力。抖音的算法推送模式较为成熟，在建立用户数据库时会根据用户定位信息推送接近性较强的视频内容。 以学生为例，获取用户位置信息后，学校官方抖音账号及同校师生的作品会成为首要推送内容，其次还会推送附近美食、游玩场所以及附近院校的视频，以扩充兴趣信息库。同城和推荐两个板块是建立用户数据库的重要来源。 此外，用户还可以选择是否同意平台读取联系人等信息，如果同意，平台可以捕捉用户的社交关系。通过对关注好友类型及兴趣的读取，推送观念和兴趣一致的视频内容，使用户不断强化自身观念，逐渐在抖音上建立起拟态社交环境，增强对抖音的依赖性。腾讯视频也在尝试算法代替人工，在爱看频道使用算法模式进行小视频推送。 腾讯的短视频平台，以电影和电视剧片段为主，同时引入了大量用户生成内容（UGC）。在“爱看”频道中，当用户观看一条影视片段超过视频时长的三分之一时，系统会自动推荐与该片段相关的其他影片或剧中明星的其他作品。这种通过动作捕捉增强用户黏性的策略，标志着腾讯视频从人工运营向算法推送运营的转变，并不断寻求新的算法推送模式来适应其受众定位。 随着2019年6月6日5G牌照的发放，短视频成为人们获取信息、展示自我和社交生活的主要方式。自2014年起，美拍、秒拍等专业短视频应用进入公众视野，至2017年，抖音、快手、梨视频等专业类短视频应用相继出现，短视频市场迎来了爆发期。根据QuestMobile报告，截至2019年，中国已有8.2亿用户使用各类短视频平台，使用率高达78%。特别是以抖音、快手为代表的平台，DAU和MAU数据持续攀升。艾瑞咨询公司统计显示，短视频市场已进入商业化成熟期，预计到2020年市场规模将达到2110.3亿元，成为互联网红利消失时代唯一增长的流量池。伴随着5G技术的普及，短视频市场将迎来新的增长。 面对视频数量剧增带来的挑战，传统的人工运营模式逐渐失效。大数据算法时代的到来为解决这一问题提供了新思路。基于算法的智能推送在信息有效性上优于传统人工分发。传统人工分发依赖于运营者根据后台数据分析判断，通过大致画像和记录用户使用习惯及时长来进行内容分发，目的是实现有效传播和流量转化。而强大的算法逻辑可以根据大数据读取用户行为特征，建立个性化的信息库，实现内容的精准推送。例如，抖音便是一个建立在算法逻辑基础上的产品，它能够根据用户的观看习惯和喜好推荐相关视频，提高用户粘性。 根据抖音发布的《2019年短视频营销通案》，我们可以看出，在抖音中，流量层被分为公域流量、商域流量和私域流量三个层面，从而打造出品效合一的营销闭环。在商域流量中，抖音的人工运营主要集中在商业广告以及网红运营方面。通过对用户个人信息的分析，广告商们可以根据用户的年龄、喜好等信息，将相应的产品投放其中，达到广告的精准投放，实现有效的商业变现。 以美妆产品为例，抖音中对于美妆类产品的商业化营销方案主要包括网红主播推荐产品、针对产品适应的年龄段有针对性的进行广告推送等方面，根据客户对广告力度需求的不同，还可以对广告本身在抖音中出现的频次进行限定。腾讯视频作为老牌的视频媒体，正处于人工运营向算法推送的转型期。除商用层面视频推送以及视频监管需要人工运营之外，其他频道内容已经逐步由算法分发推送来代替，feed流成为评判的重要标准。以算法来替代人工选择视频的低效率、低达到性让腾讯短视频在以电影电视片段、UGC视频为主的短视频领域展现了较快的用户吸引力。 自算法时代到来以后，对视频的监管日渐成为运营者的工作重心。媒体作为传播的是窗口，需要承担自身的社会责任，而绝大部分UGC用户的短视频则是利用算法push来进行分发。算法现阶段对于视频的过滤主要停留在关键词、画面、字幕的筛选上，人工监管依旧是保证媒体纯净的必要手段。但不可否认的是，无论是老牌的“优爱腾”还是新兴的抖音、快手等都已经将算法推送作为主要的分发模式，人工运营的需求量正在逐步减少。 在中国，2000年以前，新媒体运营处在以用户运营为核心的早期阶段，这一时期阿里巴巴、百度、新浪、腾讯等第一批互联网公司开始注重用户体验，将运营的概念逐渐应用到新媒体领域。2000年-2005年是以产品运营为主导的时期，运营人员的主要工作是通过与客户进行线上线下的反复沟通与反馈，以次来不断的研发和升级新产品。到2012年，互联网公司之间的竞争迫使运营者们开始以活动运营为主来不断推广自身的产品。 自2017年起，新媒体运营的重心逐渐从活动运营转变为以吸睛标题、走心内容、精美图片或H5为主要形式的内容运营。然而，随着算法推送模式的兴起，传统的运营工作如产品运营、用户运营、内容运营和活动运营等已逐渐被机器所替代。在平台内部，运营人员转岗的现象屡见不鲜，甚至出现了人数多达上千人的公司中，运营人员的需求只有十几名的情况。 现今，无论是抖音还是腾讯视频，公众内容运营的部分已经很大程度上交由机器来判断。根据公开内容显示，视频平台中对于视频运营的职责要求已经由对视频进行监管分发转向对优质内容的搜索、个体网红的开发以及商业变现层面。尽管算法推送自身还存在相当的缺陷，但运营人员的逐渐消减已成必然。 三、算法与人工合力打破运营困境 哈佛大学教授凯斯•桑斯坦在《信息乌托邦》中提出了“信息茧房”的概念，他认为在信息传播中，因公众自身的信息需求并非全方位的，公众只注意自己选择的东西和使自己愉悦的通讯领域，久而久之，会将自身桎梏于像蚕茧一般的“茧房”中。这一概念在算法推荐为主的短视频平台上久被弊病。就个体而言，“信息茧房”阻碍了个体与信息环境的全面发展，形成所谓的“回声室”效应，自己喜好的内容和语气的观点得到激励和放大，而其他观点则被排斥。就群体而言，社会成员因“趣缘”而组成团体，强化了内部认同感，同质性的交流使得成员所持有的观点变得极端，加重了群体极化现象的发生。实则算法推荐在“信息茧房”生成后并不能够产生增效作用，但这并不意味着算法推荐是完美的运营手段。在我们实际的分析中，现今的算法推送的方式依旧需要人工运营的协助。 随着5G时代的到来，短视频平台如雨后春笋般涌现，海量的内容不断刷新着观众的视觉体验。在这样的背景下，算法推送模式成为了短视频运营中不可或缺的一环，它通过精确分析用户的观看习惯和偏好，为用户定制个性化内容，极大地提升了用户体验和平台的粘性。然而，算法推送也带来了一系列问题，如用户可能被困在“信息茧房”中，难以接触到多元化的信息。因此，如何在完善算法推荐模式的同时，避免其弊端，同时利用人工监管分发来补充和完善算法推送，成为了短视频平台需要面对的重要课题。 为了规避算法的弊端，短视频平台可以采取多种措施。首先，平台需要加强对算法推荐的监管，确保内容的多样性和公正性。例如，可以通过引入第三方审核机制，对算法推荐的内容进行实时监控和评估，及时发现并纠正偏差。其次，平台可以鼓励用户参与内容的创造和传播，通过互动和反馈机制，让用户的声音成为内容推荐的重要参考。此外，平台还可以与教育机构、媒体等合作，共同开展社会责任项目，引导用户形成正确的价值观和世界观。 在发挥短视频传播的社会功能时，短视频平台还需要采取积极措施让“人工运营”与“算法推送”两种模式相辅相成。一方面，平台可以通过人工审核和筛选机制，确保内容的真实性和准确性，避免虚假信息的传播。另一方面，平台可以利用算法技术优化内容推荐算法，提高内容的精准度和相关性，让用户更容易找到感兴趣的内容。同时，平台还可以通过举办线上线下活动、加强与用户的互动等方式，提升用户的参与度和满意度，进一步巩固平台的核心竞争力。 总之，随着5G时代的发展，短视频平台面临着前所未有的机遇和挑战。只有不断完善算法推荐模式，同时避免其弊端，并采取积极措施让“人工运营”与“算法推送”两种模式相辅相成，才能构建一个完整、健康的短视频生态体系。这不仅有助于提升用户体验和平台的商业价值，更能够推动社会的进步和发展。