Meta Reels算法升级：用户兴趣匹配度突破70%！

Meta（Facebook的母公司）近日发布了一份关于其短视频产品Reels推荐机制优化方案的概述，重点阐述了如何通过大规模用户响应度调查来更精准地衡量用户兴趣和参与度，从而进一步提升内容推荐的准确性。新媒网跨境获悉，这一举措旨在通过直接的用户反馈，驱动算法迭代，优化用户的观看体验。

相信不少用户在Reels视频流中都曾遇到过类似提示，即在观看完一段视频后，系统会弹出简短的问题，询问用户对刚才观看内容的感受。Meta表示，其已大规模部署了这种反馈收集机制。基于用户提供的反馈，Meta收集了更多信息，以帮助其精炼和改进Reels的推荐算法。

Meta对此解释道：“通过对反馈进行加权处理，以纠正采样偏差和非响应偏差，我们构建了一个能够准确反映真实用户偏好的综合数据集——这使我们超越了传统的隐式互动信号，转而利用直接、实时的用户反馈。”

这意味着，Meta不再仅仅依赖点赞、分享和观看时长等作为判断用户兴趣的单一指标。平台正在积极探索更广阔的维度，以期更全面地提升推荐系统的效能。据Meta公布的数据显示，这一策略已显现出积极成效。

Meta指出，在部署这些调查问卷之前，其推荐系统与“真实用户兴趣”的匹配度仅为48.3%。然而，在整合了基于调查反馈的学习成果后，这一匹配度已提升至70%以上。

Meta进一步阐明：“通过将基于调查的衡量方法与机器学习技术相结合，我们正在创造一个更具吸引力和个性化的用户体验——致力于在Facebook Reels上提供真正为每位用户量身定制的内容，并鼓励他们反复访问。虽然调查驱动的模型已经显著改善了我们的推荐系统，但仍存在重要的改进空间，例如更好地服务那些互动历史稀疏的用户、减少调查采样和分发中的偏差、进一步为不同用户群体提供个性化推荐，以及提升推荐内容的多样性。”

利用用户调查来优化推荐系统并非Meta独创。例如，图像社交平台Pinterest也曾详细介绍过其如何通过类似的调查收集用户反馈，以改进自身的推荐算法。不过，Meta此次公布的改进速度令人印象深刻，这有望在Reels内容的相关性方面带来显著提升。尽管如此，在短视频推荐领域，Meta的Reels目前在用户沉浸度方面，仍被普遍认为落后于TikTok。

TikTok强大的“为你推荐”（For You）算法，在驱动用户持续投入方面，依然是行业的标杆，能够让用户在应用内连续滑动数小时。那么，TikTok的算法究竟有哪些独特之处，使其在吸引用户方面表现更为突出？

从技术层面看，TikTok似乎在视频片段的“实体识别”方面构建了更高效的系统。这种能力为TikTok的推荐系统提供了更多数据维度，以匹配用户的偏好。尽管TikTok对其算法的工作原理，尤其是具体细节，始终保持高度保密，不愿透露过多信息，但行业普遍推测，TikTok的系统能够识别视频片段中非常具体的视觉元素。

外媒在2019年曾披露一份TikTok内容审核的指导原则，其中包含一系列针对特定视觉线索的详细指示。

根据外媒当时的报道，这份指导文件要求审核人员“对平台认定为过于丑陋、贫穷或残疾的用户发布的帖子进行压制”，甚至包括“展示农村贫困、贫民窟、啤酒肚和歪斜笑容的视频。其中一份文件甚至详细指示审核人员审查用户家中是否存在破裂的墙壁和‘不体面的装饰’。”

尽管TikTok方面承认这些参数在某个时期确实存在，但也澄清指出，这些具体的标准从未在国际版TikTok中实施，而是复制自一份早期仅供其中国版本——抖音使用的文件。然而，这些指导原则的存在本身就强烈暗示，TikTok的系统可能具备系统性地检测这些视觉元素的能力。鉴于TikTok和抖音庞大的用户规模（均拥有数亿用户），如果完全依赖人工审核来手动识别并筛选这些视频，将是一项几乎不可能完成的任务，这也使得这些审核指导更可能是基于计算机视觉技术来实现的。

这正是TikTok算法的优势所在：它能够更深入地理解用户正在观看的内容，并将这些信息融入到推荐机制中。例如，如果用户花时间观看了一个金发碧眼的男性视频，那么系统很可能会向其推荐更多拥有类似外貌特征的创作者内容。将这种识别能力扩展到多种身体特征和背景元素，便不难理解TikTok为何能更精准地匹配用户的特定偏好。

因此，尽管TikTok也采用点赞、观看时长等更为常见的匹配方式，但它似乎通过对用户更深层次的、甚至可能是潜意识的倾向进行对齐，来保持用户对手机的黏性。一旦这种深度处理过程的全部细节公之于众，TikTok可能会面临严格的审视，因为它可能正在利用心理偏见和倾向来驱动用户行为，而这些偏见和倾向有时可能涉及一些具有争议性甚至有害的特质。

而这正是Meta目前可能有所不及之处，因为它尚未能在系统深度理解方面实施与TikTok相同水平的策略。理论上，Meta可以利用更多基于心理描绘的衡量标准，结合用户在Facebook上的历史数据，尤其是对于那些上传了更多个人数据的资深用户，这种方法可能更为有效。但在大多数情况下，Meta目前主要依赖更普遍的算法信号，以及现在新增的用户调查，来改进Reels内容推荐。

近期，Reels的推荐内容是否让您感觉更加精准了？这可能正是Meta算法改进的体现。同时，这也意味着您的内容有更大机会被展示给更感兴趣的受众。

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/meta-reels-algo-upgrade-user-match-over-70.html