譯者 | 李睿

審校 | 重樓

X（前身為Twitter）近期公布了其推薦系統的核心細節，首次向公眾開放了驅動“For You”信息流（Feed）的40多萬行代碼。這不僅是一次技術層面的更新，更為創作者和用戶提供了一個真正理解平臺內容分發內在邏輯的契機。這些規則揭示了推文一夜爆紅或沉寂無聲背后的機制，也解釋了某些賬號能夠持續獲得高曝光度，而其他帳號卻難以吸引粉絲的原因。對于希望擴大影響力的創作者來說，理解算法規則已經不再是一種選擇，而是獲得成功的必備能力。

聲譽評分：用戶帳號的隱形排名

在X平臺上，每個賬號都擁有一個隱藏的“聲譽評分”，這一評分直接決定了用戶所發內容的傳播范圍。它不僅影響推文能否出現在用戶的時間線中，也掌控著回復的排序與可見性。

其具體規則如下：

• 新賬號初始評分為-128，在起步階段幾乎難以接觸到廣泛的受眾。
• 藍標訂閱用戶的評分可以立即提升至+100，獲得顯著的優勢；
• 早先認證賬號（在X推出訂閱模式之前獲得認證的賬號）具有更高的加成。
• 表現出色的熱門賬號將持續獲得算法的優先推薦。

創作者可以將聲譽評分視為其在X平臺上的“內容信用分”。評分越高，代表推薦系統越信任其賬號，推文也會得到更多推送；與其相反，如果評分較低，即使內容優質，也容易淹沒于信息流中。

TweetCred系統（持續有效）

TweetCred：仍在影響內容傳播

盡管X曾公開表示將逐步淘汰舊有系統，但事實上，TweetCred機制至今仍在后臺運行，持續對內容的推薦與傳播發揮作用。這一隱藏評分體系從多個維度評估用戶行為，主要包括：

• 賬號的注冊時長和活躍度。
• 粉絲質量和真實互動情況。
• 粉絲與關注者的比例。
• 設備使用和登錄模式。

實際上，未認證賬號往往需要獲得相當于認證賬號10倍的互動量，才有可能觸達同等的受眾規模。許多創作者在不知情的情況下，受制于這一隱形機制，使其粉絲增長持續受限。

代碼片段說明：

以下代碼片段摘自Twitter/X的算法代碼庫，展示了系統如何識別和記錄用戶對某些內容或賬戶的負面反饋信號。

實際上，這意味著未認證賬號需要獲得比認證賬號多10倍的互動量，才能獲得相同的覆蓋面。許多創作者發現自己陷入困境，卻不知道他們受到這一隱藏規則的阻礙。

def getLastNegativeFeedbackTime(userId: Long): Stitch[Option[Time]] = {
 val enabledNegativeSignalTypes = Seq(
 SignalType.AccountBlock,
 SignalType.AccountMute,
 SignalType.TweetSeeFewer,
 SignalType.TweetReport,
 SignalType.TweetDontLike
 )
 // negative signals
 val maybeNegativeSignals =
 enabledNegativeSignalTypes.map { negativeSignal =>
 SignalRequest(
 maxResults = Some(1), // Only most recent needed
 signalType = negativeSignal
 )
 }
}
def getLastNegativeFeedbackTime(userId: Long): Stitch[Option[Time]] = {
 val enabledNegativeSignalTypes = Seq(
 SignalType.AccountBlock,
 SignalType.AccountMute,
 SignalType.TweetSeeFewer,
 SignalType.TweetReport,
 SignalType.TweetDontLike
 )
 // negative signals
}

點擊這里了解更多。

限制內容傳播的隱藏標簽

除了聲譽評分之外，X平臺還會為部分內容自動添加一系列隱形標簽，這些標簽會顯著限制內容的推薦與傳播范圍。常見的限制性標簽包括：

• 不推薦（DoNotAmplify）：如果賬號評分過低，其內容傳播范圍將被縮小90%以上；
• 高度加密垃圾信息評分（HighCryptoSpamScore）：主要針對頻繁發布加密貨幣相關內容的賬號；
• 垃圾回復降級（DownrankSpamReply）：對過度回復行為進行算法降權，社區管理員類賬號尤其易受影響；
• 復制粘貼垃圾內容（CopyPastaSpam）：用于識別并限制重復發布熱門表情包或短語的低質量推文；
• 內容重復（DuplicateContent）：自動標記重復或高度相似的帖子，限制其流量增長。

許多創作者曾經遇到內容傳播量在幾周內急劇下降的情況，卻始終找不到原因——這些隱形標簽往往是真正的限制因素。

三個月的隱形懲罰機制

如果用戶對某位創作者的內容執行了以下負面操作，該創作者的賬號將在算法層面受到長達三個月的隱形懲罰，例如：

• 點擊“我對這條推文不感興趣”。
• 選擇“減少顯示此類推文”。
• 舉報該創作者的內容（即使是惡意或虛假舉報同樣生效）。
• 屏蔽或靜音其賬號。
• 瀏覽創作者的推文內容時間不足2秒。

def getLastNegativeFeedbackTime(userId: Long): Stitch[Option[Time]] = {
 val enabledNegativeSignalTypes = Seq(
 SignalType.AccountBlock,
 SignalType.AccountMute,
 SignalType.TweetSeeFewer,
 SignalType.TweetReport,
 SignalType.TweetDontLike
 )
 // negative signals
 val maybeNegativeSignals =
 enabledNegativeSignalTypes.map { negativeSignal =>
 SignalRequest(
 maxResults = Some(1), // Only most recent needed
 signalType = negativeSignal
 )
 }
}

關鍵影響：一條引發大量負面操作的惡意推文，可能導致創作者在未來三個月內內容傳播嚴重受限。而X平臺無法識別或區分真實反饋與惡意攻擊之間的差別。

以下為一些常見可能引發賬號被降權或限制的算法規則：

• 發布可能傷害個人或群體情感的冒犯性內容；
• 用戶名中使用冒犯性短語或文字；
• 發布全大寫字母的推文，推薦系統可能將其判定為情緒化宣泄，從而導致推送范圍減少或聲譽評分下降；
• 避免使用受限或被標記的詞語，因為算法會監控特定詞語。

/** Configure from a config file, validate the configuration. */
public TweetTextScorer(String configFile) {
 TweetProcessingConfig.init(configFile);
 // get dampings
 checkWeightRange(offensiveTermDamping = TweetProcessingConfig
 .getDouble("offensive_term_damping", DEFAULT_OFFENSIVE_TERM_DAMPING));
 checkWeightRange(offensiveNameDamping = TweetProcessingConfig
 .getDouble("offensive_name_damping", DEFAULT_OFFENSIVE_NAME_DAMPING));
 // get weights
 checkWeightRange(lengthWeight = TweetProcessingConfig
 .getDouble("length_weight", DEFAULT_LENGTH_WEIGHT));
 checkWeightRange(readabilityWeight = TweetProcessingConfig
 .getDouble("readability_weight", DEFAULT_READABILITY_WEIGHT));
 checkWeightRange(shoutWeight = TweetProcessingConfig
 .getDouble("shout_weight", DEFAULT_SHOUT_WEIGHT));
 checkWeightRange(entropyWeight = TweetProcessingConfig
 .getDouble("entropy_weight", DEFAULT_ENTROPY_WEIGHT));
 checkWeightRange(linkWeight = TweetProcessingConfig
 .getDouble("link_weight", DEFAULT_LINK_WEIGHT));
}

• 內容濫發可能會導致帳號面臨麻煩

算法有自己的一套規則，如果創作者的推文不遵守這些規則，那么其賬戶很有可能會受到懲罰或降低推送權重。

userRules = Seq(
 AbusiveRule,
 LowQualityRule,
 ReadOnlyRule,
 CompromisedRule,
 SpamHighRecallRule,
 DuplicateContentRule,
 AbusiveHighRecallRule,
 EngagementSpammerNonFollowerWithUqfRule,
 EngagementSpammerHighRecallNonFollowerWithUqfRule,
 DownrankSpamReplyNonFollowerWithUqfRule
)

助力推薦系統：算法優勢實現最大化

早期認證的好處

創作者的推特賬號獲得藍標認證可以帶來以下競爭優勢：

• 聲譽評分從-128瞬立即提升至100。
• 社交網絡內部的互動量提升4倍。
• 社交網絡外部的互動量提升2倍。
• 回復內容獲得優先展示權限。
• 在搜索結果中的排名顯著提高。

def recordViralContentStats(
 candidates: Seq[ItemCandidateWithDetails],
 statsReceiver: StatsReceiver,
 clientId: String
): Unit = {
 val viralContentCount = candidates.count { candidate =>
 candidate.features.getOrElse(ViralContentCreatorFeature, false)
 }
 val viralContentInNetworkCount = candidates.count { candidate =>
 candidate.features.getOrElse(ViralContentCreatorFeature, false) &&
 candidate.features.getOrElse(InNetworkFeature, true)
 }
 val viralContentOutOfNetworkCount = candidates.count { candidate =>
 candidate.features.getOrElse(ViralContentCreatorFeature, false) &&
 !candidate.features.getOrElse(InNetworkFeature, true)
 }
}

早期認證獲得額外獎勵

如果創作者曾在原平臺（即改版前）獲得認證身份，除了享有現有藍標認證的各項權益之外，還可額外獲得算法層面的特別獎勵，包括但不限于內容傳播范圍加成及違規處罰減免等優勢。

內容類型與算法加成機制

一般而言，X平臺的算法對不同內容類型的處理方式差異顯著：

視頻內容占據主導地位

符合“10秒規則”的視頻可以獲得最高級別的算法加成——即觀眾觀看時長超過10秒的視頻將獲得以下加成效果：

• 視頻內容比推文的點擊率高出340%；
• 可以提交轉發內容，使其展示在視頻輪播圖中；
• 視頻內容更有可能被同步分發至其他平臺，擴大傳播范圍；
• 降低賬號因其他內容違規而被處罰的風險。

視頻可以通過以下方式進行優化：

• 利用視頻前三秒和精彩內容吸引觀眾；
• 添加字幕，提升觀看完成率和信息接收效果；
• 確保視頻在移動端具有良好兼容性與觀看體驗；
• 設計明確的結尾引導或互動環節，以保持觀眾的參與度。

文本優化策略

盡管文本的傳播力通常低于視頻，但X平臺設有“2秒停留觸發機制”——即用戶停留在文本帖文超過2秒，即可觸發算法的流量助推。通過以下方法可優化文本內容效果：

互動價值分層

X平臺的推薦算法對不同互動行為賦予不同權重，按價值從高至低分布如下：

高價值互動

• 收藏（5倍加成）：用戶認為內容極具保存價值，是獲得最高認可的信號。
• 帶評轉發（4倍加成））：表明內容引發足夠的興趣，促使他人發表評論。
• 高質量回復（3倍加成）：超過10個詞語且有實質內容的回復，能夠引發對話主題的延伸探討。

中價值互動：

• 轉發（2倍加成）：具備一定傳播價值，但影響力低于帶評轉發。
• 鏈接點擊：會被推薦系統記錄，但權重低于高價值互動。

低價值互動：

• 點贊（1倍加成）：屬于基礎互動行為，對算法推薦影響較弱。

多樣性過濾機制：防止內容泛濫

X平臺通過多樣性過濾機制避免單一賬號或話題壟斷信息流，主要包括：

作者多樣性：

禁止同一賬號的帖子連續出現。

限制單個用戶每日接收同一創作者內容的頻率。

最佳實踐：采用間隔發布策略，每2-3小時發布一次，避免集中推送。

主題多樣性：

對熱門話題的重復討論會受到“低質內容系數”懲罰。

原創性強且有深度的觀點將獲得推薦獎勵。

實用優化策略

希望在X平臺上實現流量的持續增長，創作者需制定與算法機制高度契合的內容策略。以下為經過驗證的實用方法：

• 內容規劃：圍繞3～4個核心主題進行輪換創作。在流量高峰時段發布具有爭議性或前瞻性的觀點，并通過系列性內容培養用戶期待感。
• 視頻優先策略：專注于制作具有強大吸引力、字幕和適合移動設備的視頻。
• 文本內容升級：發布一些更長的、更有見地的、旨在鼓勵討論的帖子。
• 互動計劃：確保在2小時內回復評論，鼓勵用戶帶評轉發和收藏。
• 合理安排發布時間：每天發布3～5條優質內容，可以間隔2～3小時分別推送。優先選擇當地流量高峰時段（例如美國東部時間上午9～11點及晚間7～9點），并加強周末內容發布（周末表現通常優于工作日）。

結論

2025年的算法更新徹底改變了X平臺的流量增長規則。聲譽評分、隱藏標簽和互動價值如今已經成為決定賬號崛起或沉寂的關鍵因素。盡管大多數用戶對這些機制一無所知，但理解規則的人將會獲得競爭優勢。

在X平臺上獲得成功，從不依賴于發布的作品數量，而取決于內容的質量。創作者需要專注于創造能夠引發對話、獲得收藏并建立信任的高價值內容。算法將持續獎勵那些保持穩定更新、堅持原創并致力于社區建設的賬號。當創作者的策略符合這些規則時，推薦算法不再是限制流量增長的障礙，而是會成為推動內容創新的核心引擎。

原文標題：Inside X’s Recommendation Algorithm: How the “For You” Feed Really Works，作者：Riya Bansal