專家:TikTok算法非獨一無二 但買家等不及自己開發(fā)

來源:網(wǎng)易科技
作者:辰辰
時間:2020-09-08
1825
消息人士稱,如若無法獲得推薦算法,迅速出售TikTok美國業(yè)務的交易“不太可能發(fā)生”。雖然很多專家并不認為字節(jié)跳動的推薦算法獨一無二,但用戶以及投資者可能不想等待開發(fā)新算法。

tiktok-5323007_1280.jpg

消息人士稱,如若無法獲得推薦算法,迅速出售TikTok美國業(yè)務的交易“不太可能發(fā)生”。雖然很多專家并不認為字節(jié)跳動的推薦算法獨一無二,但用戶以及投資者可能不想等待開發(fā)新算法。

2018年當字節(jié)跳動收購卡拉OK應用Musical.ly并重新打造成TikTok時,業(yè)內普遍認為這只是另一款面向美國青少年的普通短視頻應用。

如今TikTok是全球下載量最大的應用,其受歡迎程度是如此之高,已經(jīng)成為美國政府關注的焦點。

此前美國政府要求字節(jié)跳動剝離TikTok美國業(yè)務。Musical.ly或許讓字節(jié)跳動在美國市場找到了一個立足點,而讓TikTok業(yè)務騰飛的是字節(jié)跳動的人工智能推薦算法,該系統(tǒng)能夠根據(jù)用戶的興趣和活動提供經(jīng)過篩選的相關內容。

自2012年成立以來,字節(jié)跳動一直是內容推薦系統(tǒng)的支持者,并在旗下今日頭條等其他產(chǎn)品上廣泛采用這種算法。根據(jù)字節(jié)跳動在6月份透露的信息,TikTok在開發(fā)推薦算法時主要考量了三個因素:

用戶在應用程序上的互動,比如喜歡某個視頻或關注某個賬號;感興趣的內容包括什么——在短視頻中就是諸如音樂和主題標簽等信息;以及用戶所處的環(huán)境,諸如語言偏好、國家和地區(qū)設置以及設備類型。

與此同時,TikTok應用還會推送一些用戶直接感興趣之外的視頻內容。

消息人士稱,如若無法獲得推薦算法,迅速出售TikTok美國業(yè)務的交易“不太可能發(fā)生”。

為什么這個算法如此重要呢?是因為別人無法模仿嗎?

在字節(jié)跳動收購Musical.ly并將其與TikTok合并之后,其將推薦算法引入平臺,顯著提高了用戶在應用上所花費的時間。產(chǎn)品專家尤金·衛(wèi)(Eugene Wei)在他的個人博客上表示,這種變化“很微妙”。

市場研究公司App Annie的數(shù)據(jù)顯示,去年,Android手機平臺上的TikTok用戶總共在這款應用上花費了680億小時,是前一年的3倍多。根據(jù)字節(jié)跳動在8月底對美國政府提起的法律訴訟,截至2020年6月,TikTok在美國市場的月活躍用戶接近9200萬,是2018年1月的8倍多。

根據(jù)市場分析公司Sensor Tower的數(shù)據(jù),2020年上半年TikTok是世界上下載量最大的非游戲類應用,獲得了超過5.96億的安裝量,其中還不包括抖音。

香港中文大學工程學教授、人工智能專家黃錦輝表示,雖然TikTok使用的基本算法與其他科技公司應用程序中的算法相似,但每家公司都會在人工智能引擎中添加特殊功能,從而有所不同。

黃錦輝并不認為TikTok的人工智能引擎有什么獨到之處。他表示,基于新用戶數(shù)據(jù)為TikTok打造一個全新的推薦系統(tǒng)可能需要一年左右的時間,但失去現(xiàn)有工具將對TikTok目前估值產(chǎn)生“非常大的影響”。

“這項技術只有在算法和用戶數(shù)據(jù)都運行良好的情況下才有效。字節(jié)跳動的應用之所以在競爭中擁有優(yōu)勢,部分原因在于它們的用戶數(shù)據(jù)?!笨萍疾┲骱屡鍙娬f。他曾是一名軟件工程師,現(xiàn)在為企業(yè)提供咨詢服務。

黃錦輝稱,一些用戶以及投資者可能不想等待開發(fā)新算法。他說,“你不能等著TikTok團隊重新開發(fā)算法,因為TikTok已經(jīng)非常流行了?!薄斑@就像你最喜歡的電視節(jié)目因為技術問題而停播……我認為用戶不會接受這種情況?!?/span>

“對于微軟和沃爾瑪這樣的競標者來說,他們想要收購這個應用程序,并讓它立即正常運行,”黃錦輝說?!暗绻麄冃枰纫欢螘r間才能讓它運轉良好,或許他們就不會再想買了。”

“Tiktok如果沒有自家推薦系統(tǒng)就不可能存在,但這并不完全意味著這個系統(tǒng)有什么特別之處,”相關領域研究專家、加州大學圣地亞哥分校副教授朱利安·麥考利(Julian McAuley)說。

“推薦系統(tǒng)的早期采用者還有電子商務公司。例如,亞馬遜使用推薦技術已經(jīng)有近20年的時間了,但早期的系統(tǒng)只是涉及簡單的商品與商品相似度匹配,而不是基于機器學習的任何東西,”麥考利說。

“20世紀頭十年中,Netflix也是推薦技術的一大推動力量,并在2006年設立了Netflix Prize算法大賽,在學術界也引發(fā)了有關推薦技術的興趣和研究,”麥考利說。

然而,在現(xiàn)代智能手機時代,推薦技術被批評存在所謂的“信息繭房”問題,即用戶會將自己關在助長自身偏見的內容中,拒絕所有與自己世界觀不符的信息,從而阻礙人們認識真實的世界。

麥考利說:“公司希望優(yōu)化用戶參與度指標。它們不希望注入多樣化或更平衡的內容,因為這樣做會損害他們的關鍵指標?!彼a充說,公司沒有動力去解決這個問題,“我們生活在一個對首選信息需求空前旺盛的時代?!?/span>

立即登錄,閱讀全文
原文鏈接:點擊前往 >
版權說明:本文內容來自于網(wǎng)易科技,本站不擁有所有權,不承擔相關法律責任。文章內容系作者個人觀點,不代表快出海對觀點贊同或支持。如有侵權,請聯(lián)系管理員(zzx@kchuhai.com)刪除!
掃碼關注
獲取更多出海資訊的相關信息
優(yōu)質服務商推薦
更多
掃碼登錄
打開掃一掃, 關注公眾號后即可登錄/注冊
加載中
二維碼已失效 請重試
刷新
賬號登錄/注冊
個人VIP
小程序
快出海小程序
公眾號
快出海公眾號
商務合作
商務合作
投稿采訪
投稿采訪
出海管家
出海管家