算法推荐下的注意力分配困境：以 TikTok 为例 目前的手机屏幕就像个庞大的聚光灯，把用户往某个方向硬拽。

这状态挺新，但本质就是注意力经济在赤裸裸地变现。你刷视频时，系统不是在给你推荐“我喜爱”，它只是在算：你最近刷的、跟刚刚的、你的点赞量高的，哪个能把你留在页面上？这就是算法推荐的核心逻辑——它把注意力当成了最硬的通货，而用户就是那个暂时持有通货的买家。 大量人认定这是“信息茧房”，我压根没那个概念。

在我看来，这更像是一种“反馈循环”，只不过是由黑盒算法代替了人眼去跳舞。

你看 TikTok 要么抖音那种短视频平台，每一帧都在秀肌肉。它给了一个视频 0.6 秒后播放完，紧接着就是下一个更有可能吸引你停留的。

这种机制挺像赌博，只不过庄家不是赌场老板，而是算法本身。它通过精准计算你的停留时长和点击率，给你推那一波你爱看的，再给你推一波，直到你的习惯被彻底定义好。 这就害得了个有意思的现象：你喜爱啥，系统就疯狂强化啥，出于系统不在乎你的品味，它只在乎你的留存。

比如某网红发的一个视频，开头是美女跳舞，中间穿插搞笑段子，最终突然切到一个升华的片段。

要是你是在刷这个，前 45 秒你刷 3 秒没停，系统会认定你是个“长停留用户”，便把视频标题改成“必看”，并推给你。结局呢？你越刷越认定刺激，越刷越上瘾，最终你连视频标题都自己改成了“看置顶”。

这就是典型的“短平快”游戏，平台不需求你动脑，只要你能玩，就能把你锁死在屏幕前。 我在研究过一个案例，当时我正在写论文，偶然翻到了 TikTok 的后台数据分析报告。数据显示，只要某个创作者的粉丝在 1000 到 5000 之间，其内容的平均完播率就高达 68%，而要是是百万粉丝的大 V，完播率反而跌到 45%。

这反直觉的结局挺让人费解的。

按理说，大 V 有流量，大家自然更爱看，为啥流量反而成了负担？ 仔细一想才懂其中的门道。当粉丝量达到一定规模，社交网络效应启动激活，人的注意力不再稀缺。

这时候，算法的权重就变了。它不再是单纯求长停留，而是求“互动”和“分发”。对于大 V 来说，被千万人盯着，本身就是一种庞大的注意力奢侈品。别看大 V 的内容质量普遍更高，但算法知道，再高的完播率也劝不动那些只想划走的游客。

反之，那些拥有精准细分领域粉丝的小号，他们的内容别看短，但出于“精准”，贼好办被系统判定为高质量内容，进而拿到更大的曝光量。

这就好比，在拥挤的菜市场里，卖菜最牛的大王好办被城管抓，而在路边摊里，卖最脆甜瓜的小贩却能卖爆，出于他的产品最符合特定人群的口味。 再看具体数据，2023 年某研究指出，在短视频平台，前 5% 的内容占比却覆盖了 40% 的用户观看时长。

这说明算法已经搞定了高度的定向分发。它不再信任用户能自己过滤垃圾信息，而是直接给你塞最准的货。

这种机制别看提升了效率，但也牺牲了多样性。你刷一年，可能只看过一千种风格，却能体验过世界 99% 的精华。

这种“极度舒适”的体验，恰恰是算法最精通的地方。它用极高的精准度，换取了用户极低的认知负荷。 自然，这种模式也不是没有代价。当信息环境被高度重构，个体拿到的信息量别看极大，但深度思索的空间就被压缩了。我们在算法的牢笼里，变成了数据点，变成了点击率，变成了停留时长。我们不再关心内容背后的逻辑，也不再愿意去探索未知的边界，出于探索需求“浪费”工夫，而算法最喜爱的是“零损失”的消耗。 最终总结一下，算法推荐本质上是一场零和博弈。平台要最大化用户的注意力成本，用户要最大化自己的娱乐工夫。在这场博弈中，哪位掌握了信息分发权，哪位就掌握了注意力。我们或许一辈子无法逃离算法，但我们能够试着在算法的缝隙里，找些别的东西来寄托自己的灵魂。

毕竟，人活着，不就是为了看世界吗？哪怕是被算法选中的那一眼，大约仍算是一种恩赐。