大批TikTok“難民”湧入小紅書！Meta/X哭暈在廁所，神秘東方演算法技術又贏了！

2025-05-16 16:59 來Offer網

大批美國人，正在組團湧入小紅書！
TikTok的最終命運懸而未決，各位被洋抖拿捏得死死的美國的網友們，提前為自己瞄準了新的網際網路快樂老家。
新聞來自The Guardian，版權歸其所有
當大批美國網友湧入小紅書後，國內使用者立刻展現出了東道主的熱情，熱烈歡迎這些“TikTok Refugees（洋抖難民）”的到來：
截圖來自小紅書，版權歸其所有
從普通的美國大學生到老大爺，在小紅書發個報道帖，就立馬喜提10萬+閱讀量和無數的“Welcome”，這潑天的富貴，誰接了不迷糊？
截圖來自小紅書，版權歸其所有
美國網友們也迅速回應，用他們的“美式中文”展開互動，讓人體會到：原來老外看我說英語是這種感覺呀…
截圖來自小紅書，版權歸其所有
一些原本就有粉絲基礎的洋抖博主也先人一步嗅到商機，在短短的時間就積攢了一波粉絲。
截圖來自小紅書，版權歸其所有
在這股熱潮下，小紅書的下載量在美國區App Store持續攀升。目前，它已經登上社交類應用的第一名，超越了Facebook和Instagram等主流社交平臺。
截圖來自App Store，版權歸其所有
咱們就是說，美國人們放著家門口的社交媒體不用，用翻譯軟體學著中文也得用小紅書，這讓小扎的Meta和馬斯克的X情何以堪啊…
圖片來自網路，版權歸原作者所有
美區洋抖使用者為何
千里迢迢奔赴小紅書？
TikTok和小紅書讓大家用起來”上癮”的幕後推手，當屬二者強大的推薦演算法。
1
TikTok的爽感 VS 小紅書的貼心感
TikTok的演算法之所以讓人刷到停不下來，是因為它給你呈現了爆笑的挑戰賽和魔性的舞蹈等“全球最火”的內容。
那麼，演算法是如何猜中你的心思，持續不斷地把你愛看的內容送到面前呢？
·
行為資料採集與分析技術
TikTok會追蹤使用者的觀看時長、點贊、評論、分享等行為資料，並透過模型分析使用者的興趣偏好。即便是短短幾秒的停留，也可能被記錄並用於調整推薦結果。
·
協同過濾與深度學習技術：
協同過濾可以根據相似使用者的行為進行推薦，而深度學習透過訓練複雜模型，深入挖掘影片內容特徵（如影片型別、標籤、背景音樂）與使用者偏好的關聯。
截圖來自網路，版權歸其所有
小紅書的演算法則走了一條不同的路：它不僅要讓你開心，還要讓你感覺被理解和關注。小紅書的演算法強大之處，在於對長尾內容（niche content）的深挖能力——把使用者的個性化需求細分到極致。
·
內容-使用者雙向標籤匹配
小紅書對內容和使用者都建立了詳細的標籤體系。
例如，內容會標註細緻的分類標籤，而使用者則根據瀏覽歷史、點贊習慣和搜尋行為生成興趣標籤。透過標籤的雙向匹配，讓使用者始終看到與自身興趣相關的內容。
這一套猜你喜歡的“量身定製”的組合拳下來，哪個使用者能不迷糊？
2
社群感十足：從演算法中找到“歸屬感”
小紅書演算法不僅注重推薦內容，還鼓勵使用者之間的互動，尤其是透過評論區、收藏和轉發功能，讓每個使用者都能在社群中找到“歸屬感”，強調“深度和共鳴”。
把有類似背景的使用者聚在一起，自然會形成社群討論。
3
推薦演算法，前景無限
有意思的是，文章開頭出現的在App Store排行第二的Lemon8，也被譽為“海外版小紅書” 。
Lemon8由TikTok母公司字節跳動開發，從UI到內容結構幾乎照搬小紅書，主打同樣的生活方式和種草內容。
很顯然，隨著使用者資料規模的不斷擴大和演算法技術的迭代升級，推薦演算法的應用將不僅會侷限於內容分發，還可能在電商閉環、教育內容推薦以及跨文化交流中發揮更大的價值。
各大美國科技巨頭也正在積極追趕這一演算法領域。
例如，Meta近年來在Facebook和Instagram上引入了更強調興趣導向的內容推薦系統。然而，其推薦演算法目前仍顯得更傾向於傳統的社交關係網路。
新聞來自NBC，版權歸其所有
同時，像Google、Snapchat等公司也在嘗試研發類似的推薦技術，例如YouTube Shorts，但其推薦演算法更多依賴於使用者的長期觀看歷史，缺乏快速適應性。
小紅書出色的演算法背後，離不開人工智慧和機器學習技術的支撐。從內容推薦到使用者行為分析，機器學習正在重塑我們的社交媒體體驗。
如果你想了解更多
資料崗面試中ML的考察重點和應對方法，
美西時間 1月16日 週四 5PM
美國知名能源公司資料科學總監為你解答
掃描上方海報二維碼
或聯絡任一已新增顧問老師報名
講座主題
春招大廠備戰指南：
機器學習面試全攻略
講座時間
美西時間 1月16日 週四 5PM
美東時間 1月16日 週四 8PM
北京時間 1月17日 週五 9AM
主講人
Nathan老師
美國知名能源公司資料科學總監；有近20年的資料分析、商業分析的業界經驗;曾領導過多個能源、金融、IT領域的大型專案。
講座大綱
  • 大廠Data崗位面試重點解讀
  • 機器學習準備策略 & 面試攻略
  • 機器學習在工業界的應用例項
  • 大廠Data崗如何應用機器學習
課程諮詢
新增來Offer課程顧問為好友
直接進行課程報名及求職諮詢

如需電話諮詢，請傳送簡歷至

[email protected]
老師將會在24小時之內與你聯絡
點選下方圖片，檢視更多課程詳情

第446周
最新Offer榜
向上滑動閱覽

檢視完整offer榜，請前往www.laioffer.com
求職，你只需要一門課程。
內容編輯：哎克絲
責任編輯：安逗
你在看嗎？點個贊吧！

相關文章