讨论推荐机制时，常见的两种极端是「算法在控制我们」和「算法只是照镜子」。这两种说法都省略了中间环节。真实情况是：算法根据一组可观测量化的行为信号来做判断，而创作者会根据这些信号去调整内容。理解这组信号是什么，比争论算法好坏更有用。
算法实际看到的几个信号
- 是否被完整看完：完成度是最直接的注意力指标。
- 是否产生互动：评论、转发、收藏、点赞的权重不同。
- 是否被快速划走：早期的跳出行为会显著降低后续推荐。
- 是否被重复观看：重复播放通常意味着内容有粘性。
被奖励的三类内容
第一类：开头三秒信息量大的内容
因为早期跳出率直接影响后续推荐，把最有信息量的部分放在开头，几乎是最有效的策略。这也解释了为什么越来越多的内容开头就是结论。
第二类：能引发讨论的内容
评论区的活跃会带来二次分发。有争议但仍可讨论的话题，往往比四平八稳的表述获得更多曝光。
第三类：结构清晰、可被快速理解的内容
信息层级清楚的内容，观众理解成本低，完成度高。晦涩或需要反复理解的表达，即使内容扎实，也容易在早期被划走。
算法奖励的不是「好内容」，而是「能被快速消费完的内容」。这两者经常重叠，但并不总是同一件事。
这对读者意味着什么
当你发现首页反复出现同类内容时，不必急着归因于「平台在推」。更准确的解释是：这类内容的完成率和互动率数据更好，因而在分发竞争中占优。想跳出这个循环，可以主动去点击那些不太常见、需要花时间理解的内容，你的行为本身也是信号。