公告：YouTube刷粉丝--油管自助下单
去年11月时，YouTube方面以增强文本制作者的自信心为由，推向市场了踩的算数机能，从而引起了一场无休止的的探讨。近日，据国外科技新闻媒体The Verge的有关报道表明，TikTok目前正在试验痛恨按键机能，容许使用者对不讨厌的作品或文章展开而此操作方式。但有别于YouTube的是，TikTok的痛恨按键将不会呈现出给她们，而是只有她们由此可见。
作为SNS互联网的核心理念，转评赞毫无疑问是文本杰出是否的关键评判标准标准之一，同时也是鞭策制作者的关键辅助工具，但若，点踩也是使用者意见反馈她们对有关文本欲求的关键平台。然而我们能辨认出，前些年越来越多的SNS互联网无须给使用者提供更多踩这个机能，即使是有的是互联网平台往往也无须表明具体的数量了。国外市场的YouTube是这种、国内的chan也是如此，未来TikTok或也将这种做。
这只不过原因在于不论是在别的互联网平台上，文本制作者都是自然生态的核心理念，互联网平台须要保护或拢络她们，须要为这些生产UGC文本的使用者提供更多一个良好的音乐创作环境，而踩在某种程度上则会对制作者造成很大的影响。
试问，为什么互联网平台不直接中止踩或是抵制机能呢？这原因在于而此犯罪行为从使用者微观而言，虽然确实没有太小的积极促进作用，但互联网平台却能从使用者犯罪行为中辨认出需求的变化，从而辅导制作者。
此外，踩或是抵制对文本互联网平台而言，还有着必不可少的促进作用。我们何不再说，到底在什么情况下使用者才会选择点踩呢？通常而言，基本上很大是使用者对有关文本持非常两极化正面态度的时候。因为直面不讨厌的文本，除了点踩外，产品经理只不过还提供更多了左上角的X来让使用者彻底摆脱不钟爱的文本，所以使用者会展开附加的操作方式去点踩，基本上很大是此类文本是她们憎恶和憎恶的，并且这也意味着，通过使用者的点踩犯罪行为，互联网平台只不过能辨别使用者偏好的。
对文本互联网平台而言，最关键的一环只不过就是搞清楚具体使用者的具体偏好，只有这种才能因人而异推送文本。要知道，人的思维都是有惰性的，当看到与她们想法相似的观点时，会自然而然地很轻松去接受，而遇到向左的观点时才会展开思考。从使用者的角度出发，讨厌的东西你才会点开看，不讨厌或是没兴趣的东西就会选择忽略。因此通过统计分析你所点开的文本，来推荐同类型的推送消息也是最简单直接的方式，而这就是所谓个性化推荐的理论基础。
基于机器学习的个性化推荐算法优势就在于让使用者变得更懒，在如今这个信息大爆炸的时代，海量的多元化文本已经占据了使用者的视野，因此信息的精确获取也就变得更加的复杂和繁琐，这毫无疑问大幅增加了使用者的机会成本。
换句话而言，使用者主动寻找她们须要的信息变得更难了，而个性化推荐则借助使用者画像和大数据，就能将使用者可能感兴趣的文本直接送到嘴边。
所以个性化推荐这种将互联网平台沉淀的碎片化信息展开再分类、过滤再组织定向输出的技术，自然是很好用的，以至于已经成为了各互联网平台的标配。
然而在经过了时间的洗礼后，使用者不干了。
因为使用者辨认出，个性化推荐这种构建情感纽带，让她们以为懂我的技术只不过是在为她们构建一个信息茧房，或是说使用者她们给她们造了一个过滤器。甚至于她们的每一次点击、每一次点赞，都反过来变成了她们的枷锁后，使用者自然就不乐意看到她们陷于信息茧房了。
基于讨厌或点赞而提高的个性化推荐在已经被使用者厌倦的情况下，互联网平台方却是不可能抛弃个性化推荐的，毕竟这项机能对使用者留存、活跃等指标的贡献实在是太小。
因此TikTok内测的痛恨按键机能能被视为是反其道而行之，它的逻辑不是向使用者推荐讨厌的文本，而不是推送使用者憎恶的文本。而此逻辑咋一看尽管并不合理，毕竟推荐使用者讨厌的文本就等于排除了可能不讨厌的，但就像前文所说，单纯推荐使用者讨厌的文本反而会引起使用者的警惕。
现在TikTok的做法，只不过就是排除了使用者两极化憎恶的错误答案后，剩下的文本就是使用者可能感兴趣的正确答案。与以使用者兴趣为驱动的传统个性化推荐不同，这种排除错误答案的推荐方式自然也就不会引起使用者的警惕了，因为在憎恶的文本之后，不仅有使用者讨厌的文本，还会有使用者持中立态度的无感文本。
所以如果你不想沦为个性化推荐的牺牲品，最好的办法就是在各种互联网平台上隐藏她们的欲求，不要随便点赞、也不要随便点踩。
