图片来源@视觉中国
文|熔，作者|离离
一个平时的工作日白天，筱佳和往常一样打开抖音，准备好好放松一下心情。过了几分钟，因为所看视频的背景音乐都是那几首热门“神曲”，越刷越烦的筱佳很快就关闭了APP。
流量大的去上面
这并不是筱佳第一次被持续重复播放的洗脑配乐成功劝退了。随着使用时间加长，筱佳渐渐发觉抖音视频配乐同质化越来越高，连原先会精挑细选一些冷门歌曲当成背景音乐的几个同学及好友，近来也开始使用“平台新品”作为录制电影的BGM。
“像我很喜欢看影片推荐类的短视频，先前那些视频的配乐还比较多样，如今却十分一致，都是这些节奏相像的洗脑曲调，听多了真的头痛。”筱佳有点无奈。
从春分、野狼disco到镜花水月、踏山河，这种不断重复出现的配乐让筱佳被迫单曲循环，对歌曲本身的想法也从一开始的无倍感后来一听见片断就非常厌恶，甚至影响了筱佳观看视频的兴致。
致使筱佳困惑的“抖音神曲”来自于抖音平台所使用的信息流漏斗算法。用户上传视频并通过抖音平台初审后，系统将因此视频进行冷启动，分配一个内含200-1000个在线用户的初始流量池。
平台会按照这1000次爆光所产出的完播率、点赞、关注、评论、转发、转粉、游览深度等数据，结合使用者帐号的分值进行数据剖析，决定是否给与加权。其中，点赞、评论、转发、点击率、完播率等指标决定是否进行第二轮的加强流量推荐与推荐力度。
抖音平台将数据好的短视频进行更大的加权后，会依据用户群体的标签推送不同视频，让内容分发愈发精准。类似“猜你喜欢”的打标，根据视频本身的标签和用户标签，在二者之间进行匹配、决定是否推送。
从抖音运用算法推荐视频的整个过程可见，视频内容与标签对于播放量的影响至关重要。以流量为基础的推荐算法激化了帐号的“马太效应”，为热门视频及热门音乐扩大推荐，使它们的受众愈加广泛。
许多主播为了降低粉丝与视频传播度，以“蹭热点”的形式直接模仿、使用自带流量与标签、受众覆盖面广的热门内容和背景音乐。这么一来，热门音乐被多次引用后愈发火热，“抖音神曲”随之诞生，相像的节奏与曲调参杂着整个抖音平台。困惑着像筱佳这类对背景音乐较为敏感且“观看口味”较多元的用户。
“这样真的很烦，始终都是那几首歌重复播放。短视频又不像音乐APP会显示歌名，你不打开听，还不晓得都是一样的歌；一打开就被算法标记了，又把类似的视频推荐给我，简直恶性循环。”筱佳不遍地说。
标签一致的去上面
无独有偶，若纭在音乐平台上也有过类似的遭受。被算法“得知”她具有关注古风歌曲的习惯后，首页的推荐歌单便总是出现曲调、唱腔类似的古风歌单，多次点选“换一批”也挥之不去。其中还包含多首她已收藏、下载的乐曲，让本来爱好古风歌曲的若纭彻底听腻几乎退圈。
“其实平台要是推荐不同风格的古风歌倒还好，虽然古风也分委婉抒情的小曲、雄壮奔放的战歌等许多不同类型。但推荐的歌单里总是同一个类型的歌曲，听多了就很容易腻。”若纭表示。
不同于短视频平台流量为王的推荐方法，音乐APP主要是根据用户偏好来进行歌单推荐。以QQ音乐的推荐系统RS（QQMusicRecommendationSystem）为例，RS会记录每个使用者的听歌行为数据，将其贴上标签，进行统计剖析，勾画出独一无二的用户画像。
不仅能单纯借助音乐平台获取的语言、歌手、流派等内容偏好；排名榜、歌单、本地歌曲等听歌场景偏好；以及使用APP听歌的时间段偏好之外，社交属性标签便是通过腾讯成熟的社交生态链，获得用户的年纪、性别、职业、所在地区等资讯。
相应的，平台也会为所提供的音乐标记歌手讯息；音频讯号特点；点播量、下载量、收藏量、分享量等热度数据；民谣、爵士、蓝调等音乐流派；音乐情绪以及独奏钢琴等标签。
为用户和音乐分别勾画画像后，按照各自的标签，运用大数据统计剖析，在用户与歌曲间构建标签向量、在不同用户间构建偏好矩阵。仰赖相互匹配音乐属性，在庞大的歌曲数据库中找到用户比较可能会喜欢的这些音乐。
这样一种基于用户画像的歌单推荐，原意其实是根据使用者习惯与偏好，推荐更多用户青睐的曲调类型，进而降低使用体验。但在像若纭这类使用者头上，却反倒有些“弄巧成拙”。
“除了推荐的歌曲太像了，我最不喜欢的一点是，它推荐的歌单中常常包含我听过、已收藏或甚至拉黑的乐曲!有时侯网易云推荐的同一个歌单里都会出现两首重复的歌！即使这些歌再如何受欢迎也不用这样重复推嘛。”
“听歌单就是由于想听没听过的歌，希望发觉一些新的好听的歌曲。总是出现听过的歌根本丧失了选听新曲单的意义，还得仍然跳过，有点麻烦。要是想听我喜欢的歌，那我就播自建歌单或收藏歌曲不就好了?”若纭告诉“熔财经”。
“现在我甚少听古风歌了，太腻了。宁可自己去搜索不同风格的歌单，改变算法对我的印象。这样能接触到的歌曲类型更多，比较不容易听腻。”
你想听哪些，算法说了算
尽管具体使用的算法规则不同，但通过筱佳和若纭的经历可以发觉，虽然现今的互联网公司与多媒体平台拥有先进的人工智能大数据剖析技术，就能记录并剖析用户使用习惯来推荐内容。但用户的需求并非只有“个性化推荐”那么单一，基于“用户画像”标签的歌单推送，反倒让部分用户追求不同的、更加具有差别化内容的需求却越来越难被满足。
在平台内容更加多元，音乐歌曲传播成本更低更方便的明天，从个别角度来说，我们所能接触到的音乐面其实反倒愈发窄小。对于生活忙碌的现代人而言，在音乐平台或短视频平台自行搜索、挑选观赏内容的次数并不多。多半还是在打开APP后，随便选定平台首页的推荐歌单或电影。那些内容正是经由大数据算法对我们层层剖析以后所选购的那部分。
虽然使用者自行搜救想听的歌曲类型，在搜索之前没有听过的乐曲风格时，算法仍会根据用户画像和标签，找出匹配度较高的歌曲，再根据流量及热门程度排序推荐。我们以为是自己“选择”了要听要看的内容，虽然仍然被算法与流量所阻碍。这样看来，在大数据时代，用户听歌看视频的自主选择性可说是渐渐回升。
“现在就连网易云里面都能经常看到抖音神曲了。”筱佳有些无奈地说。“我怀疑这种平台是不是互通的啊?想好好听歌如何显得那么难?”
“可能热卖歌曲到哪都是热卖吧。像我以前拉黑过之前很红的盗将行，并且在QQ推荐的歌单里还是时常会出现。莫非对算法来说，音乐本身的热度比用户喜好的加权更重?”若纭对此倍感诧异。
无论是短视频平台还是音乐平台的算法，视频或歌曲本身的“热度”都会影响被推荐的次数。从2018年开始，近半数的热卖歌曲是出自短视频平台，而短视频平台的算法最为看重流量。
随着抖音快手等短视频与直播的大受欢迎，近些年这一比重被进一步放大，许多音乐平台的音乐排名榜都出现了短视频音乐排名榜。短视频平台在音乐宣发环节有越来越多话语权的同时，音乐行业也渐渐被算法劫持，开启了流量至上的疯狂时代。
尽管短视频平台为音乐提供了另一个有效的宣传途径，但利用流量的加持与平台算法的主导，最终能被广大用户听到的常常是一些“洗脑神曲”，或是流量粉丝持续刷榜“捧红”的哈喇子歌。那些歌曲的大量流通，在潜移默化中影响着市场的审美取向，最终产生用户审美的单一化。
目前大众对于主流音乐的审美取向的确具有显著的特点，从歌唱类综艺节目历届世锦赛的歌手特点与选曲就可看出。如《我是歌手》历届前三名中，林志炫、杨宗纬、韩磊、邓紫棋、韩红、李玟、张信哲、JessieJ、华晨宇、汪峰、刘欢、吴青峰、徐佳莹、萧敬腾等人的声音都具有能飙低音或饱含爆发力的特征，其中大部分则是两者兼备。但在更早曾经的星光大街和超级女声等歌唱节目中，步入八强的歌手个人声音特色与风格还是各有不同、彼此间的差别愈发明显的。
算法的原意是帮助我们在喜欢的音乐类型中，找到更多喜欢的歌曲。但在算法按照流量决定歌曲推荐次序的同时，也屏蔽了另一些用户想要尝试接触的音乐类型，即便用户本身并未发现自己有这样的需求。
“或许有些人认为这些推荐很便捷找到喜欢的歌曲，但对于我这些听歌比较杂，没有固定类型还非常看心情的人，网易云和QQ音乐的歌单推荐都不是非常确切。”音乐爱好者凯雅告诉笔者。“我还是比较追忆虾米的随机播放吧，起码觉得上是真的随机，不像网易跟QQ的有固定风格类型。要不是虾米的歌越来越少，我就会继续用的。”
对于像筱佳、若纭、凯雅这样的用户而言，她们真正须要的其实不是“个性化推荐”所带来的“推荐歌单”，而是选择是否屏蔽个性化推荐的自由与自主选歌的权力。
(筱佳、若纭、凯雅皆为化名)
熔财经：城市商业新媒体，区域经济链接者，产业趋势发觉地。
