算法推动下新大众文艺发展研究报告

算法推动下新大众文艺发展研究报告目录 CONTENTS引言01 从“旁观”到“共建”——推荐算法如何开启新大众文艺时代1.1 三重演进：推荐算法如何链接大众、走向全民、持续向善1.2 新大众文艺蓬勃，反哺算法向善的价值坐标1.3 小结：动态共生的新大众文艺生态闭环02 新大众文艺在抖音的内容样态与价值呈现2.1 十大赛道：新大众文艺的现实展开2.2 算法与新大众文艺生态共生的四类价值：ECHO价值模型的实践归纳03 算法助力新大众文艺繁荣的长期愿景 0103071011132431互联网和人工智能技术的深度渗透，正在推动中国文艺格局发生历史性的结构性重组。以大众为创作主体、以网络为主要载体、以多元形态呈现的新大众文艺，已不再是自发涌现的民间现象，而是成为国家文化战略的重要组成部分。“十五五”规划与2026年政府工作报告相继将“广泛开展群众性文化活动、繁荣互联网条件下新大众文艺”写入重点工作，在顶层设计层面为这一新兴文艺形态的发展方向作出明确定位。这一政策转向既是对数字时代大众文化创造力的肯定，也意味着新大众文艺的发展路径，正在从自在生长走向有序引导与系统培育。推荐算法，是理解这一转变的核心机制之一。它一端连接海量创作者的表达需求，另一端连接广大用户的观看、互动与参与意愿，使普通人的经验、才艺、知识与情感，能够在真实的大众反馈中获得公共可见性。推荐算法与新大众文艺的关系，不能简单理解为“技术分发内容”。随着新大众文艺内容的持续丰富，用户行为也在持续反向推动推荐机制优化进而产生更好的综合传播效益——推荐内容从即时热度推荐，到分发机制长期追踪，让具有深度情感共鸣与文化传承价值的内容被持续看见。算法是普通人参与文化创作的技术基础，让普通人的生活转变为公共文化的素材库，抖音等基于算法推荐的平台正在形成线上虚拟的“公共文化空间”。在算法赋能之下，素人才艺、乡土记忆、劳动经验、传统文化等各类内容在主动涌现，转变为这个公共文化空间里持续供给的时代印迹。“算法之新，为文艺之新提供技术底座；文艺之新，为时代精神提供全民表达；算法向善，为文艺新潮识别价值坐标；文艺向善，为全民生活涵养审美根基。”正是在这种生成、反哺与共生的关系中，推荐算法成为新大众文艺发展的核心动力机制。其底层运行逻辑天然具有大众性：依托真实用户反馈连接内容与受众，为普通人的表达打开公共传播空间；新大众文艺的多元内容实践又持续反哺算法，推动其从单一流量判断走向更综合的价值升维；算法、创作者、用户与平台机制在长期互动中进一步形成生态闭环。新大众文艺既面临流量异化、内容同质化、生态失序等挑战，也正在通过推荐机制的持续迭代与政策引导的协同发力，推动个人志业、文化事业与创意产业的有机融合。新大众文艺的繁荣，是全民创造力与算法向善协同演化的结果，算法向善正从价值主张转化为工程机制。这种协同并非停留在理念或价值倡导层面，多目标推荐体系、Wide&Deep模型、优质内容独立赛道等一系列具体的工程实践，正在把“算法向善”从一句价值主张，转化为可以被验证、可以被度量、可以被持续优化的工程机制。要理解这一机制如何运作，需要先回到推荐算法本身——它究竟是什么，又是如何一步步从连接内容与用户的工具，演进为助力新大众文艺生态的重要引擎。引言从“旁观”到“共建”推荐算法如何开启新大众文艺时代02大众链接——推荐算法的底层基因推荐算法的出现，从结构上打破了传统媒介逻辑。过去，内容找对的人靠撒播；现在，内容找对的人靠算法。这一机制在传播学意义上完成了一次重要的流程重构：内容能否进入公共视野的裁决权，从机构编辑的选题判断、社交圈层的关系背书，转移至亿万普通用户的真实行为反馈之中。对于普通用户而言，他们不再需要找到“正确的关注对象”，也不再受限于所在地域和所处圈层。算法以兴趣匹配为纽带，在彼此素不相识的内容创作者与潜在受众之间建立了大规模的跨圈层连接。非遗传承人的手艺、素人创作者的音乐、乡村生活的日常影像，得以突破地域与圈层的物理边界，触达真正对其感兴趣的受众群体。以抖音为代表的推荐算法，已基本不依赖内容标签或用户画像的先验匹配。它以用户的真实行为作为核心信号，预估每位用户对每条内容产生点赞、评论、收藏、分享等行为的概率，经由多层模型运算，从每天上亿条新上传内容中持续筛选并推送最符合每位用户当下兴趣的内容。内容能否获得传播，取决于它与真实受众之间的行为匹配程度，而非创作者的身份背景或所属机构。正是这一技术结构，为新大众文艺的产生提供了根本性的传播前提。推荐算法依赖用户真实行为反馈进行内容分发，这一工程机制具备链接大众网络互动的能力。它把创作主体从少数机构延伸至亿万普通人，把传播载体从传统媒介延伸至互联网络，为以大众为创作主体、网络为主要载体，广泛开展群众性文化活动提供了底层的技术支撑。借由新媒介范式的传播，打破了传统文艺精英化、专业化、圈层化的壁垒，从题材到内容、从语言到技巧、从生活观察到观念表达，都增添了新的维度，从而也为文艺的主体进行了扩容。这也是推荐算法区别于此前所有媒介范式的重点：它第一次使“普通人的表达能否被看见”这一问题的答案，脱离了社会既有印象的约束，转而由大众的真实偏好来决定。三重演进：推荐算法如何链接大众、走向全民、持续向善1 .1进入互联网时代以来，普通用户获取信息的方式先后经历了三次范式迁移。三种范式的共同逻辑，都是以某种外部条件为前提，普通用户始终处于被动接受的位置。用户被动接受编辑筛选后的内容，所能看到的世界由他人的分类标准划定门户网站时代主动检索成为获取信息的前提，能否找到所需内容，在很大程度上取决于用户自身的检索能力搜索引擎时代信息的质量与边界由关注列表决定，用户能接触到什么，本质上是其社交圈层的映射社交网络时代03算法与新大众文艺论坛PART 01多圈层覆盖——从“部分大众”走向“真正全民”推荐算法匹配能力的成熟，是推荐算法的大众性迈向全民性的关键一步。大型内容平台在长期积累海量用户行为数据的基础上，逐渐形成覆盖多圈层、多层次的内容受众，使算法不再只服务于单一文艺兴趣，而能够同时识别广场舞、非遗手艺、方言评书等差异巨大的内容偏好。对于用户而言，广场舞不再只是中老年人的内容，非遗不再只是传统文化爱好者的内容，方言评书也不再局限于本地听众，而是通过兴趣匹配在更广泛的人群之间流动。在这一过程中，Wide&Deep等深度学习模型的出现发挥了重要作用。以Wide&Deep模型为例，这一模型正如其名，包含Wide和Deep两个部分，其中Deep部分的主要作用是让模型具有“泛化能力”，让那些数据稀少、题材冷门的内容也能被系统“看懂”——它既靠历史数据里已经验证过的规律做出靠谱判断，又能挖掘出内容之间尚未被大量验证、但可能存在的潜在关联，从而让冷门内容也有机会被推荐给可能感兴趣的人。更重要的是多目标推荐体系。抖音推荐系统将用户对内容的多种行为拆解为不同目标——分享、关注、评论、收藏等。而推荐算法带来的变革，并未止步于此。以抖音平台为例，其日活跃用户规模超过6亿，每天有数以亿计覆盖视频、图片、长图文、音乐、文字等体裁的内容被生产出来。这个量级的传播数据，不只是“更多人能看到内容”，而是“更多普通人开始以内容表达自身”：内容生产的主体，从专业机构扩展至亿万普通