我做了个小实验：新91视频为什么你总刷到同一类内容？多半是人群匹配没弄明白（真的不夸张）
刷短视频时有没有过这样的体验：刚开始随手点进去几个视频，下一秒推荐栏就被同一类内容占领——无论你想不想看，似乎平台已经“认定”了你的口味。为了解开这个谜团，我做了一个小实验，观察新91视频的推荐逻辑和人群匹配机制，下面把过程、结论和实用建议都写清楚，方便读者（尤其是想优化账号或想打破信息茧房的人）参考。
实验设计（简单明了）
- 时间：连续一周，每天在新91上操作不同账号或同一账号做不同动作。
- 变量控制：
- 账号A：只看美食类短视频，连续三天不互动（不点赞、不评论、不关注）。
- 账号B：看美食+健身两类视频，并在健身类做点赞与关注。
- 账号C：清除观看历史后，从零开始看科技类视频并点关注。
- 观察指标：首页推荐类别、推荐视频的停留时长、被推送的创作者是否相同、是否出现“相关推荐”循环。
关键发现（直截了当）
- 人群标签很快就被打上：大约看了3—5个同类视频后，平台会把你归为该类“兴趣人群”，随后大量同类内容涌入首页。
- 互动权重高于被动观看：点赞、关注、收藏的行为比单纯滑过更能强化人群匹配；账号B在点了健身视频后，健身类内容迅速占据主导地位，即便同时看了其他类型。
- 冷启动期间信息稀释：账号C在清除历史后需要更长时间才能形成稳定推荐，人群匹配会在一段“探索期”里频繁变动。
- 推荐有“放大器”效应：当你对某类内容表现出高完播率或多次互动，平台会把你归入一个更精细的子人群（例：减脂训练 vs 健身器械教学），导致推荐越来越窄。
- 创作者标签化明显：同一批创作者内容风格近似时，平台倾向把他们归入同一内容池，给相似受众反复推荐。
为什么会这样？（人群匹配的本质）
- 平台目标是提高用户留存和单次使用时长。把用户快速分配到“高可能喜欢”的人群，能立刻提高点击和完播率。
- 用户信号包含显性（点赞、关注、收藏）和隐性（完播率、滑动速度、停留时长、重复观看）。这些信号被用来构造多维兴趣向量，然后匹配到已有的受众群画像。
- 冷启动和探索策略会先做宽泛试探，随后以高权重信号收窄匹配范围，形成“回音室”效应。
给普通用户的实用操作（想换口味或打破固定推荐）
- 主动互动：多点赞、评论、关注你想看到领域的内容；单纯滑过意义有限。
- 清理与重置：若想彻底改变推荐，可以清除观看历史或新建账号做“重启”，但需要耐心等待新的画像形成。
- 换搜索与订阅路径：主动搜索关键词、订阅期望类型的账号、关注专题或标签，比被动等待更快改变推荐。
- 暂时屏蔽/不感兴趣：对重复出现但不想看的内容点“不感兴趣”或屏蔽相应创作者，能快速降低这类内容占比。
- 多样化入口：通过收藏、播放列表、外部分享链接等方式主动拉入新领域的视频，让系统观测到多元信号。
给内容创作者的策略（想触达更准确人群或扩大受众）
- 前3秒决定是否进入目标人群：开头要有强烈标签化元素（视觉+话题），方便系统识别内容属性并分配到合适人群。
- 提高信号密度：鼓励点赞、关注、收藏，提高完播率和复看率；短尾CTA（比如“关注看完整版”）也能显著提升后续分发。
- 制作微变体：把同一主题做不同切入（教学型、故事型、数据型）投放，打破平台把你只归为单一子人群的局限。
- 合作与互推：与其他小众创作者合作，借助他们不同的受众为自己带来新的群体标签。
- 标题、标签与封面一致性：保持元数据与内容风格一致，避免被系统误判而分配到不相关人群。
一个简单的复现实验（两分钟上手）
- 清除一个账号的观看记录。
- 连续观看并完成5个“完全不同类别”视频（比如美妆、科技、旅行、财经、宠物），不要点赞或关注任何账号。
- 接着在同一账号连续完整看10个“目标类别”视频（比如你真的想看到的科技类），并点赞3个、关注1个、评论1条。
- 观察接下来24小时首页推荐的变化：如果科技占比上升，说明人群匹配在起作用；如果仍旧混乱，说明系统需要更长的信号累积期。
结论（直接了当）
你刷到同一类内容，绝大多数情况不是“平台故意限你眼界”，而是平台根据你的行为快速把你划到某个兴趣人群，并以提高留存为目标不断放大这些信号。这既是推荐算法的效率，也可能带来信息单一的问题。要改变这种状态，关键在于改变你给平台的信号：主动互动、清理历史、使用多样入口，或作为创作者用更多策略去“重塑”受众画像。
如果你想，我可以把上面给用户和创作者的清单做成一步步的操作表，或者为创作者写一篇针对新91的视频优化指南，包含示例开头文案和封面设计建议。想继续深入哪一部分？
本文标签：#做了#个小#实验
版权说明：如非注明，本站文章均为 蘑菇视频官网 - 海量影视随心看 原创，转载请注明出处和附带本文链接。
请在这里放置你的在线分享代码
