当然，除了算法之外，我们也在做很多工作吸引更多的用户。比如增强订阅，我们在做很多与订阅相关的工作，包括引导用户去吸引自己的粉丝，包括有了粉丝之后，我们4月底会上私信的功能，还有商品功能，会开放外链。我们会去做这些跟粉丝、跟订阅直接关联的东西，然后去补我们这块之前的不足，让作者在这里能够跟用户发生更多直接的互动，能够更多的释放价值，能够提供内容以外的东西给他们，确实在做这个工作。

　　36氪：能否再用简单的话描述一下今日头条在短视频上的算法是怎样的？比如一个观看量为0的视频如何冷启动？还有就是这种算法，会不会更多基于用户原有的喜好，而不会挖掘他们潜在的兴趣？

　　吴达：可以。我们有个基本的算法，会分析你的标题，分析你的标签，分析你的简介，也会分析你的视频的图像内容。我根据这个东西去做冷启动，比如说你这里面写了篮球，我就把它推荐给跟体育相关的人群。你写了足球，推给足球相关人群。它会找准最初的这一帮用户，它会去看，最初的这帮用户身上有什么共同的行为特征，j2直播，然后他会找跟这个用户有相同行为特征的人。

　　也就是说，找到前100个人的时候，我用冷启动去看这个内容到底什么分类，找到效果最好的人群，后面就不重要了，后面我用模型泛化，我找出跟这100个人拥有同样标签，拥有同样行为模式的人，我把它推荐给他们。后面我就会去看这个效果的好坏，包括点击率，播放完成度、评论、顶踩、收藏数量，它是一个比较复合的指标。然后如果效果更好我们就扩大推荐，效果不好就降低或者减少推荐。但具体的权重，我也不知道，实际上没有人知道。

　　你说的另外一个问题。实际上不管是社交和算法都会形成这样的情况，可以称之为「信息茧房」或“信息过滤气泡”。但和很多人想的不一样，其实算法设计之中就考虑过这个问题。张一鸣有一次私下说：「他们老说信息茧房，可他们知道什么是模型泛化吗？」算法在这上面叫做“模型泛化”，或者叫协同过滤。他不会说你喜欢足球那种，我推荐就只给你推荐足球那种。它会去看喜欢足球的人，还喜欢什么样其他的内容，它把这些内容也推荐给你，它在一定程度上是可以解决，我们所说的过滤气泡这个问题的。

　　可能和很多人想的不一样的是。我们的算法并不是简单的“你喜欢足球，我拼命给你推足球”，出现这个现象对我们是不利的，因为不能满足用户需求。这叫做过度拟合，意思就是说，我看你历史行为，你看了很多足球视频的内容，所以你喜欢足球视频内容，我就给你总给你足球视频。但实际上并没有满足你变化的动态的需求，你会很烦，这叫过度拟合，也叫泛化不足，这是不好的一个情况。

　　你要说社交在机制上比算法更容易突破「信息茧房」，我不相信。我承认算法现在有很多不完善的地方，但也不能忽略它一直在改进。从公关角度讲，讲「信息茧房」你很容易理解，普及「模型泛化」就太难了。

　　36氪：最后想问一个问题，在内容方面，头部效应究竟存不存在？好像有两种说法：一种是如果流量是10，可能第一名占了8成，第二名只能占一成，剩下的很多人分一成，这是一种说法。还有一种说法就是，内容很难有头部效应，因为内容被进一步细分，每个人可以做到不同的特色。你更加支持哪一种？

　　吴达：我觉得两者都有，头部效应肯定存在，但内容是一个创意产业，拼的是天赋和想象力，如果作品更符合受众的需求，即使是后来者也可以从厮杀中超越出来。先说头部效应，我相信内容肯定是有头部效应的，这个是毫无疑问的，并且IP是真实成立的。我们对于IP的理解就是说，人类的共同想象和记忆。如果你的内容足够有吸引，足够有创造力，你能够形成品牌，或者能够形成超越平台的人格化的形象。我举个例子，比如说papi酱可能在头条上面并没有社交关系，但她仍然在头条上有超过100万的粉丝。相应的，腰部的，和下面的IP，它的变现各方面都会遇到困难。

　　但是这并不是说后面的人就没有前途。这也是我喜欢内容产业的一个原因。

　　比如这次获得金秒奖最佳女主角的短视频项目「办公室小野」，在头条号上只发布了14条视频，每条都有几十万播放量，头条粉丝就突破了12万，微博粉丝破百万。