如果我们终于能弄清楚，为什么有些帖子在 X（前身为推特）上炸开了锅，而另一些几乎立刻就从「为你推荐」信息流里消失了呢？埃隆·马斯克的这个平台刚刚公开了 Phoenix 的源代码，从而揭开了自家推荐算法运作方式的一角——Phoenix 正是负责判定哪些内容可能引起每位用户兴趣的系统。此举被包装成一次透明化的举措，但它最大的作用，是让人非常具体地看清什么能让一条帖子起飞，或者被埋掉。
点赞、评论、转发一下谢谢
与某些人可能想象的不同，这并不是一次泄露或平台被黑：推特（抱歉，我们到今天还是很难改口叫它 X）是主动公开了自己推荐系统的运作方式，从而让人得以观察 Phoenix 如何为每一种互动赋予不同的权重。而需要记住的是，各种互动的分量完全不等价。事实上我们了解到，这套系统首先要预测的，是用户面对一条来自自己并未关注的账号的帖子时会作何反应。为此，Phoenix 会分析他近期的浏览历史，并试图预判他点赞、转发、评论或举报该内容的概率。这些不同的行为随后被加权，用以计算一个推荐分数。
有意思的地方就在这里：根据代码中出现的数值，用户对一条推文的互动在算法眼中并不同分量。一个单纯的点赞只值 0.5 分，而一次转发约为 1 分。一条回复、一次引用或通过私信分享，可得 5 分，新关注该账号则相当于 4 分。但分量远远高出其余的那种互动，是通过复制链接来分享一条帖子——这一项大约可以值 20 分，接近一个点赞的 40 倍。换句话说，X 似乎格外看重那些能让用户愿意离开平台、去别处分享的帖子。比如复制一条帖子的链接并发给某个人，对 Phoenix 而言就构成了一个极强的信号。反过来，单纯堆积点赞或转发，未必足以把一条帖子推进「为你推荐」信息流。
那引战钓鱼呢？
但最有意思的部分，也许在负面互动这一侧。Phoenix 给它们的系数明显高于正面反应。一次举报大约可以重达 -234 分，而一条被隐藏的帖子约为 -59 分。选择「不感兴趣」在 -43 分上下，拉黑则在 -31 分左右。总之，一次举报的分量比一个单纯的点赞重上好几百倍。因此这套系统追求的不只是识别什么能引发互动，还包括什么可能让用户强烈反感。这也让人得以重新审视 X 上一个广为流传的观念：即引战钓鱼是一种特别有效的走红策略。而实际上，Phoenix 所揭示的运作方式表明，这类策略很可能迅速反噬作者本人。一条帖子可以引发大量反应，但如果这些反应伴随着大量举报、拉黑或隐藏请求，它的推荐分数就可能大幅下跌。
Phoenix 的运作方式当然要比这样简单的分数相加复杂得多。系统会把每种互动的概率与各自的系数结合起来，再决定哪些帖子将呈现给哪位用户、以何种顺序呈现。因此这并不是一条能保证推文走红的万能公式。但这份透明度依然给创作者和品牌提供了几条格外宝贵的线索。它尤其表明，一条帖子所引发的互动类型，有时比互动的原始数量更重要。一条拿到 1 万点赞的帖子，未必就比另一条反应少得多、却更能促使用户直接分享或关注的帖子排得更靠前。
另外，推特／X 还展示了一项名为「Under the Hood」的新实验性功能，旨在让部分用户更清楚地了解那些可能影响其内容曝光的潜在限制。目前，这项功能只在测试范围内向一小批被选中的账号开放。不过 X 可能会根据反馈扩大推送范围。埃隆·马斯克的这个平台表示，希望借此让用户更清楚地看到可能影响自身触达的机制。这一举措直接呼应了埃隆·马斯克公开表达过的意愿：让算法更透明，并让公众更好地理解系统所做出的决策。
但这也不是什么灵丹妙药
公开 Phoenix 的代码，当然不意味着 X 交出了一份走红的灵丹妙药。但对内容创作者而言，教训已经相当清楚：与其单纯追求堆积点赞，不如去做那些用户会想分享、评论、引用或直接转给别人的帖子。互动，一如既往，才是任何一条帖子能否病毒式传播的核心。
