imdb编号 通过imdb编号查演员

一个新的功能可能正成为短视频分发的主流方式之一。

2019 年 4 月，QQ 看点团队推出了一个独立的短视频应用——看点视频，主打 1- 3 分钟的横版 PGC 视频。除了个性化推荐，看点视频还推出了一个叫「栏目」的功能，用户可以根据自己的兴趣创建「栏目」，并将平台上的视频聚合在不同的栏目下，如「全球热点刷屏大事」、「今天网上在热议什么」、「评论比视频好看系列」等。

无独有偶，8 月 24 日，抖音在第一届创作者大会上宣布了一个即将上线的新功能——合集，创作者可以把相关的视频有结构、按顺序发布在同一个合集下，用户可以通过感兴趣的视频进入合集，从而系统性的去观看相关内容。

除了短视频，在图文、音乐、长视频等内容领域，都有类似的由用户参与进来，对信息进行再次创作或重新组织的机制，它的背后是用户的兴趣、见解和态度，能弥补算法在内容分发中存在的缺陷。这可能也代表在人工智能时代，算法和人的相处方式。

豆瓣豆列：重组标准化信息的「用户兴趣清单」

2005 年豆瓣上线时，Web 2.0 的概念刚刚兴起，由用户主导生产内容的方式为互联网生态的繁荣奠定了基础。

通过用户的添加、创建，书籍、影视、音乐这些标准化的信息借助 ISBN 编码、IMDb 编号或唱片条形码，让豆瓣成为了中国最大的书影音在线数据库，也成了很多人查找信息、彼此交流的在线社区。

除了这一套标准化的体系，豆瓣还有一套由用户创建的主观的信息分类和组织体系——豆列。

豆列可以被理解为一组清单，由用户根据某个特定的主题创建，集合书籍、影视、音乐。例如，电影《上海堡垒》，会被某位用户添加到「中国科幻」的豆列中，也会被其他用户添加到「上海（1950-20__）」、「科幻小说改编」、「评价人数超过 10 万的电影」、「烂片中的奇葩」……等豆列中。

现在，除了豆瓣站内的信息，站外的网站、软件、攻略、游戏也都可以根据特定的主题，被添加到合适的豆列中。

豆瓣创始人杨勃（阿北）曾经在《用豆列看世界》的博文中介绍，豆瓣第一个用户豆列，「思维的乐趣推荐书目」，创建于 2005 年 8 月 17 日。以后几年里，书影音、社区和东西下衍生出七八种豆列，相册也经常被大家当作变种的图片豆列在用。上千万个豆列是豆瓣用户发现好东西之后分享「精选」的工具，它覆盖了林林总总的个人兴趣，汇集着豆瓣里历年沉积的干货。

他还引用了一位豆瓣网友的话，「在豆瓣的宇宙里一切都是豆列的不同现象。」更有人将豆列称为「采集用户兴趣的基本单位」。

对于资深文艺青年之外的普通用户来说，豆列是他们可以在规整、有序的标准信息下发现更有趣的世界的捷径。在转型移动互联网的过程中，豆瓣还曾把豆列作为豆瓣 App 2.0 的主打功能之一。

这种由用户参与进来，对平台已有信息进行再次创作或重新组织的产品机制，也深深地影响了后来的移动互联网产品。

从网易云音乐歌单到抖音合集：算法加持下的用户再创造

2013 年网易云音乐的上线颇有点横空出世的样子。

这个以黑胶唱片作为设计灵感，并有网易创始人丁磊高调站台的音乐 app，迅速抓住了一批核心的音乐用户。同时在核心用户的带动下，网易云音乐得以迅速增长。

除了 UI 设计，网易云音乐还有两个当时让人耳目一新的核心功能：个性化推荐和歌单。甚至，网易云音乐将「歌单」作为了基本的歌曲组织形式，过去集合在一张张专辑中的歌曲被重新打散，由用户根据自己的品位和喜爱，收录到自己创建的一张张歌单中。

▲ 网易云音乐 2013 年上线时的 UI. 图片来自：Lofter 官方

我们听音乐的方式，也从过去的按歌手、专辑、排行榜查找，变成了「那些只听前奏就中毒的英文歌」、「《新倩女幽魂》游戏原声」、「bilibili 镇站之宝」、「在 KTV 唱什么粤语歌可以秒杀全场」……

歌单功能其实源于瑞典的流媒体音乐应用 Spotify。如果说乔布斯用 iTunes 革新了唱片行业，将专辑售卖的模式改成单曲售卖；Spotify 就是音乐行业的又一次革新，把售卖歌曲变成了流媒体形式：用户不需要再购买和拥有一首歌曲，而是通过在线播放的形式，获得一个超大的音乐库的使用权。

Spotify 的商业模式建立在用户付费获得扩展功能以及免费模式下的广告，后者取决于用户听音乐的时长，用户创建的歌单和个性化推荐的结合，最大程度地达到了这个目标。

▲ Apple Music 逐渐取代 iTunes 成为苹果最重要的音乐平台，也是受了 Spotify 的影响

在网易云音乐引入这样的功能后，也有越来越多的中国音乐 app 将歌单作为基本功能。从某种程度来说，歌单其实也是豆列的另一种表现形式。

不只是音乐领域，在中国蓬勃发展的短视频行业，也出现了类似的现象。

2018 年 11 月，QQ 看点的日活跃用户（DAU）突破了 1 亿。和、百度的信息流产品稍有不同，QQ 看点的用户更年轻，其中接近 70% 是 95 后。

这样的用户结构也影响了 QQ 看点的产品方法论，4 月份，QQ 看点团队在其独立短视频应用「看点视频」上，推出了一个叫「栏目」的功能，用户可以根据自己的兴趣创建栏目，并将平台上的视频聚合在不同的栏目下，如「同一个世界同一个妈」、「演出翻车现场」等，用户可以订阅栏目，并持续收到该栏目下的更新。

QQ 看点早就涉足短视频领域，它会在一个短视频会在播放完毕之后自动播放下一个视频，这个「自动播放」的视频并不是真的随机，而是跟用户播放的前一个视频存在内容上的相关性，这种关联播放的完成度比算法推荐给用户的更高。据悉，这也是看点视频决定要做「栏目」分发的原因。

抖音也打算引入这样的功能。抖音总裁张楠刚刚宣布的「合集」功能和「栏目」很像，用户可以把视频按照一定的主题进行聚合。

不过，抖音的这个功能将首先开放给教育内容创作者，他们有系统化的专业内容，而且有明确的受众，结构化并按照一定的顺序排列的视频，对这类视频的观看者来说是更科学的。

推出合集功能的同时，抖音还向所有用户开放了上传 15 分钟长视频的功能，这也是抖音全面扩充内容形式，丰富平台生态的做法。

在这样的背景下，在算法分发之外的粉丝订阅以及由用户重新组织视频的「合集」功能，就变得更加重要。

算法和人：谁应该是内容分发的主导？

创始人张一鸣曾坚信「算法没有价值观」，言外之意是算法是根据用户的点击、浏览、分享等行为进行的个性化推荐， app 上呈现的内容，代表的是用户自己的选择。

这个看法后来遭遇了激烈的舆论抨击，其中的一个质疑是个性化算法的「信息茧房」效应，「在算法的帮助下，我们可以轻易过滤掉自己不熟悉、不认同的信息，只看我们想看的，只听我们想听的，最终在不断重复和自我证成中强化了固有偏见和喜好。」

这是从个性化推荐的信息的广度上来看问题，还有一个较少被讨论的问题：算法推荐可以让人找到自己感兴趣的话题，但它很难保证该话题下内容的质量，甚至在很多情况下，它会间接带来反作用。

诸如这样的个性化推荐平台，基本都基于两个维度向用户推荐内容：一是在对待分发内容进行文本挖掘后，根据提取到的高维特征和用户兴趣模型进行匹配；二是全网出现最多、最热门的内容，之后算法再根据用户的点击、浏览、收藏、评论等操作进一步调整分发策略。

用户和算法之间的联系，是一个个如「移动互联网」、「区块链」、「小米手机」这样的碎片化特征，以及一个个热搜榜单中的内容。这样的机制也在反过来影响内容创作，算法认为值得推荐的，往往是那些贴合最热的话题、内容简单、生产速度极快的内容。

曾有媒体报道山东北部农村里的一个「爆款文章工厂」，学历并不高的农妇，在批量生产受众包括大城市的年轻用户在内的爆款内容。

▲ 山东某县农村的一个自媒体办公室. 图片来自：刺猬公社

不过，完全摒弃算法，仅依靠人工推荐的内容分发做法也已经绝无可能，传统的出版、传媒行业的衰落也证明了这样做的弊端。内容消费媒介更加易得，内容消费群体大幅增长，都需要更多的内容和更高效的分发手段。

在内容分发中突出人的作用，可能才是人工智能时代，算法和人的正确相处方式。

当然，这看上去像一句正确的废话。在人工智能飞速进步的过程中，有人认为 AI 还在非常初级的阶段，但也有人开始担心 AI 会成为不受人类控制的超意识存在，马斯克就是「AI 威胁论」的代表人物之一。不过，双方都承认的事实是：可能在不远的未来，就会有大量的基础性工作被 AI 取代，只有个性化、创意性、战略性的工作，才难以被机器取代。

在内容分发这个垂直的领域内，这样的思路同样有启发。内容平台面临的不是算法或人谁应该主导的问题，而是能不能至少有两套高效的分发机制，在保证话题精准的个性化算法之外，能够让人的创意、个性体现其中，帮助内容消费者借助其他用户的学识、兴趣和见解，去发现更广阔的世界和更有趣的内容。

用户创建的豆列、歌单、栏目、合集是一类很好的例子，而我相信这不会是唯一的例子，在算法当道的今天，人在内容分发中的作用也会越来越重要。