我把流程拆开后发现：91大事件为什么你总刷到同一类内容？多半是体验差异没弄明白
前言 很多人抱怨：明明我没有只关注某类型内容，为什么每次打开都像被“定型”了一样——同样的话题、同样的封面风格、同样的节奏。把推荐流程逐步拆开后会发现，问题并不是某一个算法出错，而是在用户、内容、产品三者之间的体验差异没有被看清楚，结果形成了强烈的放大和自我强化效应。
把流程拆开：五个关键环节 1) 信号采集（输入） 平台收集的“信号”包括你看了什么、停留时长、滑动速度、搜索词、点赞、分享、停留环境（夜间/白天）、设备类型等。大多数信号是行为级的瞬时反应，很容易被几次相似行为放大。
2) 表示与特征（如何看内容） 内容被转换成可比较的“向量”或标签：主题、情绪、时长、镜头风格、封面色彩、作者关系、发布时间等。不同平台侧重的特征不同，有的重视觉（短视频平台），有的重语义（文章平台）。
3) 排序与策略（如何决定展示） 排序器综合多个目标：留存、时长、广告价值、新用户适配、内容多样性等。通常首要目标是短期互动（点击/观看时长），因此容易偏向同一类“高互动”内容。
4) 展示位与界面（如何被看到） 界面位（主页推荐、订阅、消息、热搜）有不同的暴露频率和形式。某些位更容易放大热门模式（例如循环播放、自动下一条），形成“你总看到同类”的感受。
5) 反馈回路（强化学习） 用户对展示的每次互动都会被迅速回填到模型里，短期反应多的话，模型会迅速放大这类内容。创作者看到数据后也会调整产出，进一步同质化。
为什么你会一直看到同类内容：四条常见机制
- 热门放大：高互动内容被反复推荐，形成长尾以外的“头部集中”。
- 行为噪声放大：少量重复行为（比如连续点了两条同类型的视频）就会被当作强偏好。
- 界面促发：自动播放、相关推荐、标题风格引导你继续消费相同类型。
- 创作趋同：创作者在观察到“有效”的标题/封面/节奏后大量复制，平台把这种高互动样式持续推给更多人。
你可以做什么（用户层面的六条实操） 1) 主动互动想要的内容：对你想看的内容进行明确的“赞”“收藏”“关注”，比仅靠停留更有效。 2) 清理或重置信号：适当清除历史、关闭相关推荐、使用新账号或不同设备做探测。 3) 改变触发点：通过搜索、浏览不同频道、点击不同的话题标签给系统新的起点。 4) 利用“不感兴趣”与屏蔽：明确标注不想看的内容，给系统负反馈。 5) 多做长时观看：长时观看比短时点击更能表达偏好，能导向更稳定、多样的推荐。 6) 关注多样化源：关注不同风格的创作者，主动收藏不同主题的内容，打破单一信号。
创作者该怎么做（让作品不被同化或更容易被发现）
- 梳理内容差异化要素：在封面、开头10秒、标题和叙事角度上做实验，避免只复制“高CTR模板”。
- 优化信号组合：除了追求点击率，也要争取完整观看、分享、评论等深度信号。
- 分发策略多元化：跨平台发布、错峰发布时间、与不同圈层合作，减少被同类内容淹没的风险。
- 制定可测试的变体：A/B 封面、标题、节奏，跟踪不只是播放量还有留存和转化。
产品设计的改进建议（给平台的三个方向）
- 把短期互动与长期体验分开衡量：引入多目标优化，避免一味放大短期“吸睛”信号。
- 在推荐器中加入强制探索位：保证每个用户的首页中有一定比例的“探索/冷启动”内容，避免同质化。
- 提供更直观的控制面板：让用户看到为什么会出现某内容，并能通过简单操作调整偏好权重。
如何验证你的猜想（简单的测量方法）
- 计算内容集中度：用观看量的基尼系数或Top10占比，看流量是否被少数内容吞噬。
- 跟踪相似度变化：基于文本/视觉特征计算同一用户会话内内容相似度的均值。
- 对比短期与长期信号：检查高CTR内容是否带来低留存，进而被系统反复推荐的频次。
结语 把流程拆开后能看到：你每次刷到同一类内容，大多数时候不是“算法坏了”，而是信号、界面和创作者行为三方面互相强化，形成了体验差异。用户、创作者和产品各自做出小的改变，就能显著打破或优化这种循环。想要看到不一样的世界，先试着从你的输入和互动方式做出一点小调整，结果往往会超出预期。
