上周，X平台发布了关于其信息流算法运作方式的新洞察，旨在进一步提升系统如何决定每位用户所看到内容的透明度。该平台列出了影响帖子触达范围的多种正向与负向信号。

Business Insider记者Truman Dickerson对这些信号进行了深入分析，以帮助用户更清晰地了解在应用内发布内容时，哪些行为值得鼓励、哪些行为应当避免。

据Dickerson介绍，X的Phoenix算法旨在根据用户过往行为，围绕其可能参与互动的预测，向每位用户展示帖子。在权重分配上，Phoenix算法目前主要聚焦于驱动分享行为，而关注和点赞作为用户感知价值的指标，其重要性已有所下降。

Dickerson表示，根据X的公开源代码显示：

  • 用户复制帖子链接进行分享的行为，约值20分，相当于点赞价值的40倍。
  • 回复、引用以及通过站内私信进行的分享，每次操作约加权5分。
  • 一次关注约加权4分，是点赞价值的8倍。
  • 一次转帖约加权1分。
  • 点赞在X的互动指标中仅计0.5分，属于用户正向参与度中较低的一项指标。

基于上述量化指标，并结合X的其他数学因素（如用户关注对象、内容新鲜度等），算法会在用户每次登录应用时，为所有可能展示的帖子计算出一个排名数值，进而决定其在信息流中的呈现顺序。

X希望激励用户以其他格式重新分享平台内容，尤其是通过复制并转发帖子链接的方式。换言之，最大化帖子触达的最佳策略，是围绕“促进二次分享”进行优化。

在负向指标方面，Dickerson指出，Phoenix算法会惩罚那些被预测可能引发用户举报、屏蔽或点击“不感兴趣”按钮的帖子。值得注意的是，这些操作的数值惩罚力度远大于用户屏蔽某人的影响。

  • 一次举报的权重为-234分
  • 一次屏蔽的权重为-59分
  • 一次“不感兴趣”的权重为-43分
  • 一次拉黑的权重为-31分

因此，虽然发布具有争议性的评论以激发更多回应仍然有效，但这是一种高风险策略——因为一旦用户开始举报或拉黑某个账号，该账号将面临显著的触达惩罚。

不过，算法是针对每位用户进行个性化定制的。上述惩罚仅适用于该特定观看者，并不会反映到更广泛的触达和互动数据中。举报和拉黑确实携带负面信号，但X似乎已降低了其对其他用户的影响，使其更多表现为对单个用户的孤立影响。

这些洞察并未揭示平台策略的重大转变，但确实提供了一些线索，说明X正在如何努力向用户展示更多其想看的内容，同时减少其不想看的内容。

在据此制定策略时，品牌的主要关注点应放在受众研究上，深入理解目标受众更可能对哪些内容产生回应，并愿意在平台内外与自己的社交圈分享哪些内容。