一個新的功能可能正成為短視頻分發的主流方式之一。

2019 年 4 月，QQ 看點團隊推出了一個獨立的短視頻應用——看點視頻，主打 1- 3 分鐘的橫版 PGC 視頻。除了個性化推薦，看點視頻還推出了一個叫「欄目」的功能，用戶可以根據自己的興趣創建「欄目」，并将平台上的視頻聚合在不同的欄目下，如「全球熱點刷屏大事」、「今天網上在熱議什麼」、「評論比視頻好看系列」等。

無獨有偶，8 月 24 日，抖音在第一屆創作者大會上宣布了一個即将上線的新功能——合集，創作者可以把相關的視頻有結構、按順序發布在同一個合集下，用戶可以通過感興趣的視頻進入合集，從而系統性的去觀看相關内容。

除了短視頻，在圖文、音樂、長視頻等内容領域，都有類似的由用戶參與進來，對信息進行再次創作或重新組織的機制，它的背後是用戶的興趣、見解和态度，能彌補算法在内容分發中存在的缺陷。這可能也代表在人工智能時代，算法和人的相處方式。

豆瓣豆列：重組标準化信息的「用戶興趣清單」

2005 年豆瓣上線時，Web 2.0 的概念剛剛興起，由用戶主導生産内容的方式為互聯網生态的繁榮奠定了基礎。

通過用戶的添加、創建，書籍、影視、音樂這些标準化的信息借助 ISBN 編碼、IMDb 編号或唱片條形碼，讓豆瓣成為了中國最大的書影音在線數據庫，也成了很多人查找信息、彼此交流的在線社區。

除了這一套标準化的體系，豆瓣還有一套由用戶創建的主觀的信息分類和組織體系——豆列。

豆列可以被理解為一組清單，由用戶根據某個特定的主題創建，集合書籍、影視、音樂。例如，電影《上海堡壘》，會被某位用戶添加到「中國科幻」的豆列中，也會被其他用戶添加到「上海（1950-20__）」、「科幻小說改編」、「評價人數超過 10 萬的電影」、「爛片中的奇葩」……等豆列中。

現在，除了豆瓣站内的信息，站外的網站、軟件、攻略、遊戲也都可以根據特定的主題，被添加到合适的豆列中。

豆瓣創始人楊勃（阿北）曾經在《用豆列看世界》的博文中介紹，豆瓣第一個用戶豆列，「思維的樂趣推薦書目」，創建于 2005 年 8 月 17 日。以後幾年裡，書影音、社區和東西下衍生出七八種豆列，相冊也經常被大家當作變種的圖片豆列在用。上千萬個豆列是豆瓣用戶發現好東西之後分享「精選」的工具，它覆蓋了林林總總的個人興趣，彙集着豆瓣裡曆年沉積的幹貨。

他還引用了一位豆瓣網友的話，「在豆瓣的宇宙裡一切都是豆列的不同現象。」更有人将豆列稱為「采集用戶興趣的基本單位」。

對于資深文藝青年之外的普通用戶來說，豆列是他們可以在規整、有序的标準信息下發現更有趣的世界的捷徑。在轉型移動互聯網的過程中，豆瓣還曾把豆列作為豆瓣 App 2.0 的主打功能之一。

這種由用戶參與進來，對平台已有信息進行再次創作或重新組織的産品機制，也深深地影響了後來的移動互聯網産品。

從網易雲音樂歌單到抖音合集：算法加持下的用戶再創造

2013 年網易雲音樂的上線頗有點橫空出世的樣子。

這個以黑膠唱片作為設計靈感，并有網易創始人丁磊高調站台的音樂 app，迅速抓住了一批核心的音樂用戶。同時在核心用戶的帶動下，網易雲音樂得以迅速增長。

除了 UI 設計，網易雲音樂還有兩個當時讓人耳目一新的核心功能：個性化推薦和歌單。甚至，網易雲音樂将「歌單」作為了基本的歌曲組織形式，過去集合在一張張專輯中的歌曲被重新打散，由用戶根據自己的品位和喜愛，收錄到自己創建的一張張歌單中。

▲ 網易雲音樂 2013 年上線時的 UI. 圖片來自：Lofter 官方

我們聽音樂的方式，也從過去的按歌手、專輯、排行榜查找，變成了「那些隻聽前奏就中毒的英文歌」、「《新倩女幽魂》遊戲原聲」、「bilibili 鎮站之寶」、「在 KTV 唱什麼粵語歌可以秒殺全場」……

歌單功能其實源于瑞典的流媒體音樂應用 Spotify。如果說喬布斯用 iTunes 革新了唱片行業，将專輯售賣的模式改成單曲售賣；Spotify 就是音樂行業的又一次革新，把售賣歌曲變成了流媒體形式：用戶不需要再購買和擁有一首歌曲，而是通過在線播放的形式，獲得一個超大的音樂庫的使用權。

Spotify 的商業模式建立在用戶付費獲得擴展功能以及免費模式下的廣告，後者取決于用戶聽音樂的時長，用戶創建的歌單和個性化推薦的結合，最大程度地達到了這個目标。

▲ Apple Music 逐漸取代 iTunes 成為蘋果最重要的音樂平台，也是受了 Spotify 的影響

在網易雲音樂引入這樣的功能後，也有越來越多的中國音樂 app 将歌單作為基本功能。從某種程度來說，歌單其實也是豆列的另一種表現形式。

不隻是音樂領域，在中國蓬勃發展的短視頻行業，也出現了類似的現象。

2018 年 11 月，QQ 看點的日活躍用戶（DAU）突破了 1 億。和今日頭條、百度的信息流産品稍有不同，QQ 看點的用戶更年輕，其中接近 70% 是 95 後。

這樣的用戶結構也影響了 QQ 看點的産品方法論，4 月份，QQ 看點團隊在其獨立短視頻應用「看點視頻」上，推出了一個叫「欄目」的功能，用戶可以根據自己的興趣創建欄目，并将平台上的視頻聚合在不同的欄目下，如「同一個世界同一個媽」、「演出翻車現場」等，用戶可以訂閱欄目，并持續收到該欄目下的更新。

QQ 看點早就涉足短視頻領域，它會在一個短視頻會在播放完畢之後自動播放下一個視頻，這個「自動播放」的視頻并不是真的随機，而是跟用戶播放的前一個視頻存在内容上的相關性，這種關聯播放的完成度比算法推薦給用戶的更高。據悉，這也是看點視頻決定要做「欄目」分發的原因。

抖音也打算引入這樣的功能。抖音總裁張楠剛剛宣布的「合集」功能和「欄目」很像，用戶可以把視頻按照一定的主題進行聚合。

不過，抖音的這個功能将首先開放給教育内容創作者，他們有系統化的專業内容，而且有明确的受衆，結構化并按照一定的順序排列的視頻，對這類視頻的觀看者來說是更科學的。

推出合集功能的同時，抖音還向所有用戶開放了上傳 15 分鐘長視頻的功能，這也是抖音全面擴充内容形式，豐富平台生态的做法。

在這樣的背景下，在算法分發之外的粉絲訂閱以及由用戶重新組織視頻的「合集」功能，就變得更加重要。

算法和人：誰應該是内容分發的主導？

今日頭條創始人張一鳴曾堅信「算法沒有價值觀」，言外之意是算法是根據用戶的點擊、浏覽、分享等行為進行的個性化推薦，今日頭條 app 上呈現的内容，代表的是用戶自己的選擇。

這個看法後來遭遇了激烈的輿論抨擊，其中的一個質疑是個性化算法的「信息繭房」效應，「在算法的幫助下，我們可以輕易過濾掉自己不熟悉、不認同的信息，隻看我們想看的，隻聽我們想聽的，最終在不斷重複和自我證成中強化了固有偏見和喜好。」

這是從個性化推薦的信息的廣度上來看問題，還有一個較少被讨論的問題：算法推薦可以讓人找到自己感興趣的話題，但它很難保證該話題下内容的質量，甚至在很多情況下，它會間接帶來反作用。

諸如今日頭條這樣的個性化推薦平台，基本都基于兩個維度向用戶推薦内容：一是在對待分發内容進行文本挖掘後，根據提取到的高維特征和用戶興趣模型進行匹配；二是全網出現最多、最熱門的内容，之後算法再根據用戶的點擊、浏覽、收藏、評論等操作進一步調整分發策略。

用戶和算法之間的聯系，是一個個如「移動互聯網」、「區塊鍊」、「小米手機」這樣的碎片化特征，以及一個個熱搜榜單中的内容。這樣的機制也在反過來影響内容創作，算法認為值得推薦的，往往是那些貼合最熱的話題、内容簡單、生産速度極快的内容。

曾有媒體報道山東北部農村裡的一個「爆款文章工廠」，學曆并不高的農婦，在批量生産受衆包括大城市的年輕用戶在内的爆款内容。

▲ 山東某縣農村的一個自媒體辦公室. 圖片來自：刺猬公社

不過，完全摒棄算法，僅依靠人工推薦的内容分發做法也已經絕無可能，傳統的出版、傳媒行業的衰落也證明了這樣做的弊端。内容消費媒介更加易得，内容消費群體大幅增長，都需要更多的内容和更高效的分發手段。

在内容分發中突出人的作用，可能才是人工智能時代，算法和人的正确相處方式。

當然，這看上去像一句正确的廢話。在人工智能飛速進步的過程中，有人認為 AI 還在非常初級的階段，但也有人開始擔心 AI 會成為不受人類控制的超意識存在，馬斯克就是「AI 威脅論」的代表人物之一。不過，雙方都承認的事實是：可能在不遠的未來，就會有大量的基礎性工作被 AI 取代，隻有個性化、創意性、戰略性的工作，才難以被機器取代。

在内容分發這個垂直的領域内，這樣的思路同樣有啟發。内容平台面臨的不是算法或人誰應該主導的問題，而是能不能至少有兩套高效的分發機制，在保證話題精準的個性化算法之外，能夠讓人的創意、個性體現其中，幫助内容消費者借助其他用戶的學識、興趣和見解，去發現更廣闊的世界和更有趣的内容。

用戶創建的豆列、歌單、欄目、合集是一類很好的例子，而我相信這不會是唯一的例子，在算法當道的今天，人在内容分發中的作用也會越來越重要。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!