策展人荐语
Eugene Wei围绕TikTok先后写了三篇文章，分别从三个角度来阐述他对这个“新物种”的理解： （1）推荐算法实现内容精准分发和用户分层/区隔； （2）单列设计有效收集用户的负面情绪反馈并优化算法； （3）便捷的生产工具和功能操作激活了用户的创造力和模因的病毒性传播。
本文是第二篇《Seeing Like an Algorithm》，作者对比了苹果为代表的古典“用户友好型设计”和TikTok为代表的“算法友好型设计”，Facebook、Twitter的无限滚动信息流和TikTok的全屏单列产品形态等，来肯定TikTok/抖音在产品形态上的单列设计是怎么帮助算法高效识别用户的负面情绪反馈，从而打造出TikTok的算法飞轮。
策展人导读
1.1 苹果为代表的用户友好型设计核心是：顺滑（消除交互摩擦，最基本需求）和感到喜悦（时尚、优雅、有品味等，用户的精神需求） ；
1.2 TikTok为代表的算法友好型设计，先服务/优化算法再更好地服务用户，是打地基、铸造飞轮核心，推动业务可持续发展和实现消费规模。
2.1 Facebook和Twitter为代表的信息流产品的交互设计是无限竖屏滚动流，优点是为用户提供一种不受约束的消费节奏控制感，缺点是难以定位用户对同一条内容的情绪反馈；
2.2 TikTok为代表的短视频产品是单列全屏分页，帮助算法收集来自用户的各种信号和反馈，尤其是帮助判定用户的消极反馈。
3.1 社交图谱（Facebook）基于社交网络构建，会避免使用dislike按钮等直接的负面信号反馈设计来增加交互摩擦；
3.2 兴趣图谱（Reddit）是以（有趣的）内容为基础构建，需要直接的负面信号反馈来保证社区内容的质量与调性；
3.3 社交图谱和兴趣图谱存在偏差，你感兴趣的内容和你认识的人感兴趣的内容可能不一致（比如Twitter，作者将其定义为基于社交图谱构建的兴趣图谱），从时序排列到算法推荐就是解决手段；
3.4 TikTok没有不赞成/不喜欢的降格按钮，但是通过单列设计，以较少的用户交互摩擦（一次只能刷一条）为代价换来算法对用户消极反馈的高效识别，从而强化底层推荐算法，让飞轮跑起来。
