公众号算法机制剖析：长图文推荐困境与内容生态失衡

过去一年，我的公众号订阅数从4万增长到5万，但在阅读数据层面，却很难直观感受到这一万增长带来的提升。与之相对，阅读量徘徊在两千左右的文章反而变多了。

如果换一个衡量标准——文章转发率——情况则有所不同。我的产品类文章的转发率经常能达到5%-10%，这在一定程度上印证了内容的品质。观察后发现，一些转发率超过10%的文章，其阅读量可能也仅有三千左右。

这种“高转发率、低阅读量”的现象，对我而言已成常态。究其原因，我认为核心在于人工智能驱动的公众号信息流机制：订阅者发布的文章获得的曝光机会被严重挤压，内容在信息流中“一闪而过”，迅速被系统推荐的所谓“高潜力”内容所替代。然而，我创作的硬核产品分析文章，却很难进入推荐算法的“法眼”。因此，推荐内容在信息流中的占比越高，我所获得的自然流量就越低。

从我的个人订阅信息流来看，推荐内容主要遵循“个性化兴趣标签 > 标签下的热点话题”这一逻辑。算法对于兴趣的把握或许准确，推荐的话题也足够热门，但内容质量却一言难尽——十篇推荐中，可能有九点五篇都是缺乏营养的“水帖”。

在公众号全面转向算法推荐后，整体数据上涨几乎是必然。即便是像我这样对内容挑剔的用户，也不免会频繁点击这些热点话题，然后带着失望退出——因为大部分内容不过是观点的重复堆砌，缺乏实质性信息。

但正是这一次点击，为算法贡献了关键的互动数据。当用户在“轱辘话”中下拉寻找重点（尽管常常找不到）时，阅读时长这一指标也被系统成功捕获。最后，当用户“骂骂咧咧”地退出时，由于反馈渠道中缺乏直接的“不感兴趣”选项，算法接收不到任何有效的负向信号，反而会判定这条内容表现“尚可”，数据转化“达标”。这种机制确实令人感到无奈。

这类问题我已持续观察许久。首先，我认为图文推荐算法本身相较于视频推荐算法就更为落后，处理长图文内容的算法尤其不成熟。短图文（如笔记）依托小红书独特的社区生态或许还有一战之力，但公众号的长图文推荐则面临更大挑战。

其次，对于算法背后的内容池而言，公众号的生态供给总体上是贫瘠的：结构上是“少量头部账号 + 海量的低质内容账号”。更关键的问题在于内容品类极为单一，丰富度在各主流内容平台中可能垫底。这导致算法难以洞察用户细腻的内容偏好，同时，平台上也缺乏足够多匹配这些偏好的优质内容。

算法唯一一次给我带来海量推荐的文章，标题是《这是不是第一个刚发布就送所有人半年会员的新APP》……这篇文章获得了十万阅读，但互动转化率极低。算法似乎只是机械地、拼命地塞入流量，这种现象颇令人费解。

总而言之，公众号全面拥抱算法，在某种程度上等同于“调性下沉”，与蹭热点的低质内容形成绑定。落后的长图文算法与贫瘠的内容生态相互影响，形成恶性循环。平台团队对此不可能没有察觉，今年在APP端开设新的发布入口、支持微信端直接发布内容，正是试图刺激内容供给的举措。

但这终究只是“试图”刺激供给。因为丰富且优质的内容无法凭空产生。既然已踏上算法推荐这条路径，便如同开弓没有回头箭，只能继续推进。这就好比一战前启动了“全国总动员”的欧洲列强，战争（或者说“下沉”）的趋势已难以逆转。算法本身并非必然导致质量下滑，但一个设计不佳的算法搭配一个贫瘠的内容生态，其结果很可能就是一路沉没。