自從Threads平台推出以來,它在社群媒體領域就以一種特別的「逆向操作」脫穎而出,尤其是在內容推送的演算法設計上。它不像許多主流平台那樣,一味地追求極致的個人化和「你可能喜歡」的內容,而是刻意在用戶的資訊流中,導入一種「刻意的隨機性」和「陌生人推薦」。Threads是如何利用AI演算法,來打破用戶既有的社交慣性和「同溫層」。以及,這種推送模式如何影響我們對「社群」的認知?
Threads的演算法核心,建立在一個名為「混合模型」的推薦系統基礎上,但它的執行方式極具特色。在大多數平台,內容推送的權重金字塔頂端是你的「社交圖譜」(你追蹤的人發了什麼),其次是「興趣圖譜」(你喜歡的內容類型)。Threads雖然也考慮這些因素,但它似乎刻意給予了「廣泛興趣與探索」和「即時熱點」更高的權重。這導致了兩種明顯的用戶體驗差異:
拒絕「鐵板一塊」的同溫層:刻意的陌生人推薦
許多用戶發現,他們的Threads資訊流中,追蹤者(Followers)的內容佔比並沒有想像中高,反而經常出現一些「你完全不認識、但內容本身有趣或熱門」的貼文。這並非演算法失誤,而是一種設計。AI知道,如果它只給你推播你朋友、家人或既有興趣圈的內容,你的視野將會固定化。
Threads的演算法試圖利用AI的分析能力,去偵測那些「具有普世共鳴潛力」的主題、有趣的語氣或高質量的專業意見,即使這些內容來自於一個你從未互動過的帳號。它鼓勵用戶去點擊那些「社交距離遠但內容距離近」的貼文。這是一種刻意的「資訊混亂」,迫使用戶去接觸新的觀點、認識不同領域的專業人士,從而抵抗傳統演算法帶來的「過濾氣泡」效應。這種設計的目標是,讓平台不只是你的「朋友圈」,更是你的「公共討論廣場」。
弱化「老舊連結」的權重:重視貼文的「生命力」
另一個明顯的時事特點是Threads演算法對時間權重的調整。在Threads上,一則發布於12小時前、但仍在持續獲得互動的貼文,可能會比一則剛剛發布、但內容平庸的貼文,獲得更高的推送權重。這表明AI系統更看重內容的「持續生命力」和「討論價值」,而不是簡單地依賴時間軸的先後順序或發布者的地位。
這種設計對內容創作者產生了巨大的影響:它要求內容必須具備足夠的討論深度或廣度,才能在演算法中長久生存。它降低了「老用戶」或「名人」的優勢,使得一個新加入、但發布了深刻或有趣見解的普通用戶,更有機會被廣泛推送。這讓Threads的內容生態相對更為即時、新鮮和去中心化。
對話優先於影像:演算法鼓勵的內容形式
相較於其他以視覺為主的平台,Threads的演算法在設計之初就傾向於文字與「串連」。Threads的內容形式讓用戶可以輕鬆地將多則貼文串聯起來,形成一個完整的論述。AI演算法會優先推薦那些具有清晰「起承轉合」、能夠啟發連續討論的貼文串,這不僅讓長篇思辨成為可能,也鼓勵用戶進行更具深度的對話,而非僅僅是「點讚」或「短暫評論」。這種對文字論述的偏好,也是Threads試圖在當前視覺疲勞的社群媒體環境中,找到自己獨特定位的一個時事策略。
結論:一場關於「社群意義」的實驗
Threads演算法的「逆向操作」哲學,本質上是一場關於「社群」應該是什麼的實驗。它挑戰了「你只在乎你追蹤的人」的慣性假設,試圖證明一個混合了陌生人、新觀點和高質量討論的資訊流,對用戶來說可能更具價值和吸引力。
然而,這種實驗也帶來了挑戰。對某些用戶來說,這種「刻意的隨機性」可能讓人感到資訊流混亂、缺乏歸屬感。這場時事將持續考驗Threads的AI模型,如何在「提供舒適度」和「鼓勵探索性」之間找到一個平衡點。但毫無疑問,Threads的推送策略,已經為整個社群媒體產業帶來了新的思考:AI演算法的終極目標,應該是讓用戶感到舒適,還是讓他們變得更聰明、視野更開闊?Threads似乎正在用實際行動,支持後者的可能性。