書荒的背後：推薦機制的“紅與黑”

圖片來源@視覺中國

文 | 港股研究社

你有過書荒的體驗嗎？

最近有朋友對港股研究社傾訴：現在網路小說質量越來越差，一些網文平臺的推薦、導讀已經快要變成“導毒”了，她已經書荒很久了。

抱著懷疑的心態，港股研究社在網上查了一些資料，並對認識的網路小說作家及讀者進行了相應的採訪。

每日導讀真的能導讀嗎？

作為2010年以後中國網文界龍頭，起點在眾多線上閱讀網站中騰飛的“起點”正是一批大神作家帶來的優質作品。為了瞭解網文平臺小說質量，港股研究社統計了起點精品頻道作品數量。

自2020年5月4日——2020年12月31日為止，起點精品頻道（均訂三千以上的作品）共計有340餘部網路小說作品。而2019年同期起點精品頻道總計收錄近370餘部精品小說。

從數量上看，起點精品頻道出現了下滑趨勢，但這個差距並不是數量級上的差距，也不會讓讀者有明顯的感受。

既然如此，問題出在哪裡呢？

“每日導讀裡的小說質量越來越差，飛盧風格越來越多。加上番茄（免費小說）的之類的APP免費模式出現，付費讀者在萎縮，資本傾向於炒作IP，既然一個漫威宇宙就值幾百億美元，資本自然不在乎精品小說了，有頭部IP就可以。”起點資深讀者馬明告訴港股研究社。

經過採訪，港股研究社發現以下幾個現象：

1）飛盧風格逐漸侵入各大網文平臺，正在取代日漸式微的傳統玄幻文，成為中低層主流風向。

2）熱門題材霸佔榜單，每日導讀大部分作品內容風格相近，跟風現象大行其道。

3）推薦演算法不完善。重複性的型別小說阻塞了讀者獲取新書資訊的渠道，推薦反而增加了挑選優質小說的時間成本。

越來越多讀者覺得小說質量下降，

第一個原因就是飛盧風擴散到各個小說平臺。

眾所周知，飛盧的網文作者寫書就像工業流水線。一個新穎的題材剛出現不久，就會出現大量仿寫的網文，很多飛盧作者在寫下一篇網文的開頭後，會找槍手續寫，自己再開新書，這也就導致了同一本書，文章質量逐漸下滑。

飛盧風小說變多，一方面是因為行業“內卷”嚴重。根據官網資料，光是閱文幾個平臺上的作家數量就達到了940萬人，作品超過1450萬部。除了知名作家，大多數作家寫一本“好作品”想要突出重圍，難度不言而喻。

另一方面，面臨這個問題的幾乎是所有小說平臺，但免費模式的小說軟體更加明顯，相對而言起點的簽約難度更大，而新興平臺對作品的渴望更高，導致了飛盧作品“大舉入侵”。

其次，跟風現象大行其道。

“感覺看推薦，全是一種風格的書，更過分的是看完幾十章去看下一本，連內容都只做了‘微創’。”另一個小說愛好者王衡說道。

並非這種風格的小說讀者不愛看，而是因為同類作品數量太多，內容重複度較高，新鮮感降低速度較快。

深層次的探討這個問題，一方面是隨著中國網路文學近二十年的發展，小說型別逐漸完善，情節設計對腦洞需求也越來越大。

在分類上，港股研究社參考了最全面的起點中文網分類。從下圖可以看到，截至2022年3月1日哪怕是最小眾的體育類下也有9109本作品。

這種情況下，寫出新奇內容的難度逐漸加大，對作者的想象力和寫作能力的要求越來越高。

另一方面，好作品不一定符合大眾網文讀者偏好。讀者喜好某一型別的小說，或者說市場驗證了這一型別存在大量讀者，作者跟風創作比構思新型別新內容節省精力，風險成本低。一旦冥思苦想的新作品不受市場歡迎，創新熱情自然下降。

最後，不完善的推薦演算法無法為讀者篩選出優質的小說。

問到為什麼不看每日導讀裡推薦的小說，馬明這樣說：“每日導讀推薦的書質量很差，找書我還是從排行榜由上往下翻看，或者去百度。”

每日導讀功能每天零點會重新整理推薦書籍，點進去置頂的第一本書是［編輯推薦］，之後的書都是［猜你喜歡］，就是演算法推薦。

跟過去知名的小說，諸如《遮天》、《莽荒紀》、《斗羅大陸》等3-4字的書名不同，現在每日導讀中的書籍名字普遍較長（多於6個字），大多是XX：XXXXX的格式，“幾乎看標題就能猜到全文。”馬明補充道。

“每日導讀推薦的書質量普遍很差，看起來槽點滿滿，不是跟風的灌水文，就是老白文。”王衡告訴港股研究社道。

這種推薦通常是讀者閱讀了某一本書，就會大量出現同類型或者同題材的書籍。但是這裡有一個問題，那就是讀者選書時可能點了一本並不喜歡看的書或者發現這一類書不在偏好範圍內，但之後的智慧推薦全變成了這一類書籍。

最重要的是，書的質量比不上排行榜上靠前的小說。關鍵是，讀者點開的多了，推薦就大多變成了這一類小說。

也許對於小說平臺來說，這是為了推廣中腰部的不知名作品或者新作品，但是推薦的小說內容質量確實堪憂。

顯然，讀者並不喜歡這樣的推薦，“覺得這個置頂的導讀功能沒什麼用。”王衡說。

對於每日導讀，作家是怎麼看的呢？

港股研究社採訪了一位有超過四年創作網文經驗，專注寫仙俠分類的兼職作家胡宇。

關於起點的推薦機制，他告訴港股研究社：“起點中文網的推薦是由編輯安排的，一般來說，簽約了正常更新的書籍，都會有一兩個推薦，然後再根據讀者的閱讀情況，決定後續的推薦，相比其他平臺，起點的推薦機制已經是較合理的了。”

據瞭解，起點的推薦分為網站推薦和APP推薦，網站推薦就是會出現在起點中文網，APP推薦則是會出現在起點讀書APP上，總體來說，APP推薦的效果比網站推薦更好。

“我拿過網站的熱門分類、APP上的編輯精選、APP上的限時免費。限時免費的效果是最好的，一天時間漲了5000收藏，但是訂閱增長不多。每日導讀算是最好的推薦了，但感覺（每日導讀）編輯推薦的書質量確實一般。”

總結一下，每日導讀［猜你喜歡］顯然用了演算法推薦，但是過於簡單，或許有利於讀者偏好型別中靠後的作品或者新書，但容易讓讀者產生厭煩心理，也不一定真實反映了讀者偏好。而

[編輯推薦]這一欄目，雖然不知道稽核標準，但顯然門檻有待提高。

最後，說到閱讀體驗，“使用過番茄、七貓的小說閱讀APP，使用體驗非常差，隔三差五就有廣告，我更喜歡付費閱讀以獲得更好的閱讀體驗。”胡宇告訴港股研究社。

免費閱讀模式下，平臺的盈利主要來自廣告業務，對於追求高閱讀品質的讀者來說，一定程度上犧牲了閱讀體驗。

付費模式對於追求更好閱讀環境的讀者來說仍然是首選。對此，王衡表示：“推薦對於書荒的人來說是一個參考，希望編輯能多推薦一些不在排行榜前列，但很用心的小說。”

那麼，小說平臺該如何完善推薦機制呢？

深耕存量，精細化服務讀者與作家兩端

首先，針對推薦演算法，港股研究社認為可以參考今日頭條的演算法。

在中國人民大學高瓴人工智慧學院舉辦的“推薦演算法社會價值與可持續發展”研討會發布了《演算法向善與個性化推薦發展研究報告》。

其中提高了基於內容的推薦方法：根據項的相關資訊（描述資訊、標籤等）、使用者相關資訊及使用者對項的操作行為（評論、收藏、點贊、觀看、瀏覽、點選等），來構建推薦演算法模型。

［猜你喜歡］的問題在於，觀看或者瀏覽以及讀者自己的偏好設定很可能影響過大，導致了推薦過於“精準”，以至於被侷限在某個題材內。

而今日頭條的推薦演算法考慮的因素更多更全面，它為“使用者對內容滿意度的函式”設定了三個維度的變數。

第一個維度是內容，每種內容有很多自己的特徵，需要考慮怎樣提取不同內容型別的特徵做好推薦；第二個維度是使用者特徵，包括各種興趣標籤，職業、年齡、性別等，還有很多模型刻劃出的使用者興趣等；第三個維度是環境特徵，這是移動網際網路時代推薦的特點，使用者隨時隨地移動，在工作場合、通勤、旅遊等不同的場景，資訊偏好有所偏移。

結合三方面的維度，模型會給出一個預估，即推測推薦內容在這一場景下對這一使用者是否合適。

起點可能要為它的演算法設定更多變數，同時根據網路文學的特點為不同變數設定不同權重，以追求達到一個大致的讀者偏愛範圍。

這個範圍不能太大也不能太精準，投資界有這樣一句話“精準的錯誤不如模糊的正確”，同樣適用於此。太過精確的推薦未必是正確的，也可能會讓讀者產生厭煩心理。

有時候，給讀者提供一個有邊界的模糊範圍，既能讓讀者找到喜歡的型別，也保留了讀者嘗試其他類別的可能。

其次，［編輯推薦］作品質量一般反映了很多小說平臺推薦的共同問題。

20多年前，網路小說的出現對資深編輯把持著話語權的“傳統文學”造成了巨大顛覆，這是網際網路的力量：沒有稽核門檻，書籍影響力由讀者決定。

但是當下，隨著網路文學環境的規範化，三大頭部集團：閱文、掌閱、中文線上加上其他網際網路巨頭下的網路文學平臺形成了頭部效應，稽核的權利與責任再次來到編輯手中。

網路文學網站的編輯和稽核自身肯定有著一定的網文鑑賞能力，在這個前提下，推薦的作品質量好與不好，一定是有著最基本的判斷。那麼，［編輯推薦］的作品質量如何應該是編輯的職業責任。

重要的是，近年來由於短影片、遊戲等應用的快速發展，佔據了網民大量娛樂休閒時間，網路文學使用者規模增長開始乏力。

據《第48次中國網際網路絡發展狀況統計報告》統計，截至2021年6月，我國手機網民規模達10。07億，較2020年12月增長2092萬，網民使用手機上網的比例為99。6%，與2020年12月基本持平。

其中，網路文學應用使用者數量為4。61億，較2020年的4。60億僅增長了0。2%，網民使用率更是從2020年的46。5%下降到45。6%。