刷抖音时，总会遇到点赞寥寥的视频穿插在热门内容中——可能是某个素人的生活记录，一段小众技能的演示，甚至是一条画质模糊的街拍。这些视频或许点赞数不足百，评论寥寥无几，却频繁出现在你的信息流中，让人不禁疑惑：抖音为什么老是刷到赞少的视频？这并非算法的“失误”，而是平台逻辑、内容生态与用户行为共同编织的结果。从推荐机制的本质到内容价值的重构，从用户行为的隐性反馈到创作者生态的平衡，低赞视频的频繁曝光，藏着抖音内容分发体系的深层逻辑。
算法的“试探性推荐”：低赞视频是流量池的“探路者”
抖音的推荐算法核心是“去中心化流量分配”，其本质是通过数据反馈判断内容质量，进而决定分发层级。但算法并非一开始就将所有内容推向大众，而是遵循“试探性推荐”逻辑——先在小流量池测试内容的基础数据，再根据表现决定是否放大。而低赞视频，往往是这个测试阶段的“常客”。
具体来说，当一个新视频发布后，算法会先推送至500-1000人的初始流量池，通过完播率、互动率（点赞、评论、转发、关注）、用户停留时长等指标评估内容价值。如果这些数据未达到池子的基准线，视频就会被打上“低质”标签，停止进一步分发，自然停留在“低赞”状态。但问题在于，算法的“基准线”并非固定值，而是会根据用户画像、内容类型动态调整。例如，在小众兴趣领域（如手工木工、冷门乐器），用户基数小，互动阈值天然较低，即使点赞数少，只要完播率高于同类内容平均值，算法仍会判定其“具有圈层价值”，继续试探性推荐给更多潜在兴趣用户。
此外，算法还会刻意“打散热门内容的垄断性”。当信息流中长时间充斥高赞视频时，系统会主动插入低赞但“类型多样”的内容，避免用户陷入“信息茧房”。这种“冷热交替”的推荐策略，本质上是为了提升用户的信息流新鲜感——毕竟，永远刷到爆款内容，反而容易引发审美疲劳。
内容价值的“隐形标尺”：低赞视频可能藏着“隐性优质”
我们惯常以“点赞数”衡量内容质量，但这其实是片面的。点赞是“显性互动”，而用户行为中还存在大量“隐性互动”，这些数据对算法的影响往往被忽视。低赞视频频繁出现，正是因为它在某些“隐性指标”上表现突出，触发了算法的“价值重估”。
最典型的指标是“完播率”。一个15秒的短视频，如果用户平均停留12秒，即使点赞只有10个，其完播率也可能超过80%，远高于行业平均的45%。算法会认为“用户对内容有强烈观看意愿”，即使显性互动不足，仍会判定其“有内容吸引力”，继续推荐。比如某些“沉浸式体验”视频（如手工艺制作过程、自然风光延时摄影），用户可能因专注观看而忘记点赞，但高停留时间让算法持续为其输送流量。
其次是“评论互动质量”。低赞视频的评论区往往更“真实”——没有控评、水军，而是用户带着疑问、共鸣或吐槽的真诚表达。例如一条“新手做饭翻车”的视频，点赞可能只有50条，但评论区却有200条“同款翻车”的分享和“避坑指南”，这种“深度互动”会被算法视为“内容引发情感共鸣”，从而提升推荐权重。此外，“长尾兴趣内容”也是低赞视频的“重灾区”。比如某个小众古籍修复师的日常视频，点赞数寥寥，但能精准触达对传统文化感兴趣的极少数用户，算法会将其归类为“高匹配度内容”，持续推送给这类“小众精准用户”。
用户行为的“反哺效应”：你的“无意识操作”在助推低赞视频
用户总以为刷视频是“被动接收”，实则每一次滑动、停留、点击，都在参与算法的“训练”。而低赞视频的频繁出现，往往与用户的“无行为反馈”或“隐性偏好”密切相关。
一个常见的现象是“选择性忽略”。当信息流中出现低赞视频时，许多用户会直接划走，既不点赞也不评论，甚至不会点“不感兴趣”。这种“无操作”在算法看来，等同于“内容与用户兴趣无关”，但算法不会立即放弃，而是会尝试调整推荐场景——比如将该视频推荐给更匹配的“兴趣标签用户”。例如一条“方言搞笑短剧”，在年轻用户群体中点赞少，但算法发现中老年用户的完播率较高，就会将其推送给这部分人群，最终实现“跨圈层破圈”。
另一种情况是“好奇心驱动”。低赞视频往往标题平淡、封面普通，反而容易激发用户的“探索欲”——“为什么这么多人不点赞？点进去看看是不是‘雷区’”。这种“反向点击”会提升视频的“点击率”，而点击率是算法推荐的强信号。算法会认为“封面与内容存在反差感”，能吸引用户主动探索，从而增加这类低赞视频的曝光。此外，用户的“收藏行为”也常被低估。一条“实用教程类”低赞视频，虽然点赞少，但大量用户会点击收藏（隐性认可“内容有价值”），算法会通过“收藏率”判定其“长期复用价值”，继续推荐给有相关需求的新用户。
创作者生态的“冷启动刚需”：低赞视频是新人的“生存试炼场”
抖音的内容生态离不开创作者的持续产出，而低赞视频，恰恰是新人创作者打破“流量垄断”的必经之路。平台需要通过“低赞曝光”机制，为新创作者提供“冷启动”机会，避免头部创作者垄断流量，导致生态僵化。
对于新人而言，前10条视频的“初始数据”至关重要。算法会根据这些数据给创作者打上“内容标签”（如“美食”“剧情”“知识”），并匹配对应的兴趣用户群。如果新人的前几条视频因内容不成熟而低赞，算法不会直接“放弃”，而是会降低推荐频率，但仍会给予少量“试探性流量”，直到其内容质量稳定后，再根据数据表现决定是否放大。这种“低赞试错”机制，本质是给新人“容错空间”——即使初期数据不佳，也能通过持续优化内容逐步找到受众。
此外，低赞视频还承担着“内容测试”的功能。创作者会通过发布不同类型的低赞视频，测试用户偏好：比如“宠物搞笑”和“宠物治愈”哪个完播率更高？“职场干货”用口播还是动画形式更受欢迎？这些低赞视频的数据，虽然短期不亮眼，却能为创作者提供“精准的用户反馈”，帮助其调整内容方向，最终孵化出爆款内容。可以说，没有低赞视频的“试错积累”，就没有后续爆款内容的“厚积薄发”。
生态平衡的“调节阀”：低赞视频避免“内容同质化”
抖音作为内容平台，最怕的是“千篇一律”。如果信息流中全是高赞的“爆款模板”（如剧情反转、颜值滤镜、热门BGM），用户很快会产生审美疲劳，导致平台活跃度下降。而低赞视频的频繁出现，正是平台主动“调节内容生态”的手段。
低赞视频往往具有“非标性”——内容更小众、形式更实验、视角更独特。比如某个创作者用“第一人称视角”拍摄地铁通勤日常，没有剧情、没有美颜，只有真实的车厢声音和乘客画面，点赞数可能不足百，却能引发部分用户的“生活共鸣”。这种“非标内容”虽然难以成为爆款，却能丰富平台的内容多样性，满足用户的“个性化需求”。算法通过持续推荐这类低赞视频，本质上是在告诉用户：“抖音不只有爆款，还有属于你的小众内容。”
从长远看，这种“冷热平衡”的推荐策略，能吸引更广泛的创作者群体——既有追求爆量的“流量型创作者”，也有坚持小众表达的“兴趣型创作者”。而多元化的创作者生态，反过来又能吸引更多元化的用户，形成“内容-用户-创作者”的正向循环。
回到最初的问题：抖音为什么老是刷到赞少的视频？答案藏在算法的“试探逻辑”里，藏在“隐性优质”的内容价值里，藏在用户的“无意识反馈”里，更藏在创作者生态的“平衡需求”里。低赞视频不是平台的“bug”，而是内容生态的“必要组成部分”——它既是新人的“生存试炼场”，也是算法的“兴趣探测器”，更是用户“打破茧房”的窗口。理解这一点，或许能让我们在刷到低赞视频时多一份耐心：下一次划动时，不妨停留10秒，或许就能发现那些藏在“低赞”背后的、未被看见的“小众价值”。