Yuhang Zhao, “Analysis of TikTok’s Success Based on Its Algorithm Mechanism”, 2020 International Conference on Big Data and Social Sciences (ICBDSS), IEEE, 2020, pp. 19-23（DOI: 10.1109/ICBDSS51270.2020.00012）。
本页依 PDF 全文（pdftotext 573 行）整理，引文逐字核对自文本层，页码依会议论文页眉（p19-p23）标注。原 PDF 双栏版面经文本抽取后段落次序错乱，本页引文均取自单一页面区块内的连续句子，未跨栏拼接。
论文定位
本文是新大众文艺研究中关于沉浸分发型平台「算法机制技术描述」维度的早期一手文献。它把 TikTok（国际版）的成功拆成三问：为何吸引人、如何做有效的短视频推荐、如何变现，并以「贴标签」流程逐步描述 ByteDance 的个性化推荐机制。其价值在于提供一份 2020 年初的算法机制操作层描述（内容贴标、用户贴标、流量分桶测试），可与后续更理论化的算法公共性研究对照。但本文为技术现象分析而非理论研究，论点较浅，使用时宜取其机制描述，不宜当作理论框架援引。
元数据
- 作者：Yuhang Zhao（四川大学物理系，Department of Physics, Sichuan University, Chengdu）
- 期刊／会议：2020 International Conference on Big Data and Social Sciences (ICBDSS)，IEEE，pp. 19-23
- 年份：2020
- DOI／链接：10.1109/ICBDSS51270.2020.00012
- 方法与样本：无一手数据。全文以 SWOT 分析架构＋二手产业统计（TrustData、Bida Consulting Data Center、GlobalWebIndex 等）＋对 ByteDance／TikTok 推荐流程的文献转述构成。致谢段表明本文为作者本科阶段论文（致谢指导教授 Stephen Coggeshall，自陈所学为 random forest、customer segmentation、customer value 等商业分析方法）。
内核论点
- TikTok 的成功首先创建在推荐算法上：它大量使用算法为用户推荐内容，依用户偏好持续呈现其关注与点赞的类别，使用户持续沉迷（p19）。
- TikTok 在两端依赖 AI。消费端：算法不仅捕捉用户评论，还捕捉用户实际观看每段视频的时长，因短片极短而能快速创建大型数据集；生产端：AI 协助创作者制作病毒式视频，简化剪辑并按类别建议流行音乐、标签、滤镜等（p19）。
- ByteDance 产品的特征是「用户中心」（user-centered），只推送用户喜欢的内容，从初始适配到精准满足用户需求，以达成内容定制化（p20）。同一机制被 TikTok 沿用（p20）。
- TikTok 算法的整套流程分三部分：给内容贴标、给用户贴标、依标签推送智能个性化内容（p21）。用户贴标有四条途径：填写个人数据、关键词搜索记录、点赞与评论数据、通信录圈子（p21）。
- 与传统企业（以 Nike 为例做客户细分以评估客户价值）不同，TikTok 因内容生产与分发无限制、无成本，所有用户价值相同，故不需做客户细分，只需贴标签并推送内容（p21）。
- 变现靠流量分桶测试：作品先经机器审核与贴标，TikTok 为实时在线用户做流量分桶，每桶按总用户 10% 做实验性推送，达到推荐基准则向下一实验组推送（p22）。
- 盈利模式三类：广告营销（开屏广告、信息流广告、植入广告，传统视频网站的贴片广告因短视频时长过短而不适用）、明星直播打赏付费、在线线下交互营销（p21-p22）。
- 结语触及地缘政治：美国以国家安全为由封禁 TikTok，作者转述「有专家称封禁是一种策略」，并提出 TikTok 的快速崛起「动摇了西方原有的话语权体系」，短视频 App 正渗入政治领域（p22-p23）。此段为现象转述，未展开分析。
可引段落
“TikTok relies on AI technology in two ways. First, on the consumer side, its algorithms can quickly learn about individual preferences because they capture not only user comments, but also how long a user actually watches each video. Because these fragments are so short, TikTok’s algorithm can quickly build large data sets. Second, on the producer side, AI helps content creators make viral videos. It simplifies video editing and suggests popular music, tags, filters and other enhancements by category.”（p19）
中译：TikTok 在两方面依赖 AI 技术。第一，在消费端，其算法能快速学习个别偏好，因为它不仅捕捉用户评论，还捕捉用户实际观看每段视频的时长。由于这些片段如此短，TikTok 的算法能快速创建大型数据集。第二，在生产端，AI 协助内容创作者制作病毒式视频，它简化视频剪辑，并按类别建议流行音乐、标签、滤镜及其他增强功能。
“Its characteristic is ‘user-centered’, only pushing the content which users like, from the initial adaptation to accurately meet users’ need, so as to achieve content customization.”（p20）
中译：其特征是「用户中心」，只推送用户喜欢的内容，从初始适配到精准满足用户需求，以达成内容定制化。
“The whole process is divided into three parts, including labeling the content, labeling the customers, and sending the intelligent personalized content according to the label.”（p21）
中译：整个流程分为三部分：给内容贴标、给用户贴标、依标签推送智能个性化内容。
“Since the content production and delivery in TikTok has no limitation and cost, all customers possess the same value.”（p21）
中译：由于 TikTok 的内容生产与分发没有限制与成本，所有用户都具有相同的价值。
内核概念
- 用户中心算法机制（user-centered / use-centered algorithm mechanism）：本文反复出现的内核描述语，指只推送用户喜欢的内容、从初始适配走向精准定制的推荐逻辑。文中用法不一致：关键词栏作「use-centered」（p19），正文作「user-centered」（p20）。本文仅作机制描述，未发展为理论概念，故不连 algorithmic authority（该概念由本平台其他文献发展，本文未涉及「权威」之理论化）。
与本计划对位
- 对应子题：子题三_媒体系统（沉浸分发型平台的算法分发机制操作层描述）。
- 对应议题：（算法机制技术描述）。本文提供 2020 年初的贴标流程与流量分桶测试描述，可作为机制描述的早期一手参照。
- 对应 entity／案例：本文标题用 TikTok，文中明言「TikTok—called DouYin in China」（p19），把国际版 TikTok 与国内版抖音直接等同。实际上两者受不同监管、内容生态与平台治理约束，其算法逻辑可比、平台语境不同。对位时应作此区分，不直接连 抖音，亦不可把本文对 TikTok 国际版的描述直接套用到抖音。
维护纪录
- 2026-06-02 由 papers/INDEX.md（A-23）与 papers/en-fulltext/A-23_zhao_2020_tiktok-algorithm.pdf 全文创建。