海外平台推荐分发逻辑最新解读！Reels“骗停留”走不长了

如果说过去几年短视频平台的推荐逻辑，核心是“谁能让用户多停留一秒”，那么Meta在2026年对Reels推荐系统的这次升级，则明确传递了一个信号：平台开始认真区分：用户是“看了”，还是“真的喜欢”。

那么品牌内容的创作与投放方式，也势必要随之改变。

1.推荐系统不再只相信“行为信号”

在过去的Reels推荐体系中，模型高度依赖隐式行为指标，如观看时长、是否完整看完、点赞、评论、转发、是否反复观看等，这些指标长期被视为“兴趣代理信号”。

但Meta发现了一个问题：用户的行为“不一定等于”真实兴趣。

有些内容靠强刺激、标题党或反转结构“骗”用户看完，用户可能因为无聊、自动播放而停留，而不是出于真正的兴趣。这导致推荐系统在短期内表现很好，但长期用户满意度和内容相关性并不稳定。

2.引入用户真实兴趣反馈（UserFeedbackSurvey）

为了解决这个偏差，Meta在Reels中引入了一种新的核心信号来源：用户主动反馈。

当用户观看完一条Reels后，系统会随机弹出简短调查问题，例如：“你喜欢这条Reels吗？”“你希望看到更多类似内容吗？”

这些反馈低频、随机出现，用来采集“显性兴趣判断”——它绕过了行为推断，直接向用户要答案。

3.UTIS模型：真实兴趣的“校正器”

Meta将这些反馈数据用于训练一个新的模型：UTIS（UserTrueInterestSurvey）模型。

需要注意的是，UTIS并没有取代原有的Reels推荐系统，它被嵌入在现有推荐流程中，用来校正和增强原有模型的判断。当两者结合，推荐结果会更接近用户长期满意度，而不是短期刺激。

4.效果：推荐准确率显著提升

根据Meta工程团队的研究，引入UTIS后，用户对推荐内容的满意度提升，不相关内容的曝光明显下降，用户对Reels推荐“厌倦感”降低。

Reels推送算法的变化意味着：平台正在主动压缩“虚假相关内容”的生存空间。

1.“骗停留”的内容红利正在消退

过去，一些内容依靠强悬念或高强度节奏吸引用户停留，即便并不真正讨喜，也能获得不错的数据表现。但在新机制下，用户观看后的真实反馈会持续影响推荐权重。内容如果长期被看完却评价偏低，曝光机会将逐步减少。

2.泛爆款逻辑弱化，兴趣匹配逻辑增强

相比适合所有人快速消费的内容，平台更倾向于推荐与特定用户兴趣高度契合的视频。内容是否垂直、定位是否清晰，正在成为影响推荐的关键因素。

3.兴趣对口型内容，获得长期推荐

当系统持续确认某类内容与某类用户之间存在稳定正向反馈时，推荐分发会更集中、更持续。这类内容未必条条爆发，但更具长期曝光能力。

在新的推荐逻辑下，品牌内容策略需要做出相应调整。与其试图通过短期技巧博取一次曝光，不如围绕用户长期兴趣，构建更稳定的内容价值。

1.从「制造一次停留」转向「成为长期兴趣选项」

品牌不只要让用户刷完一条内容，更要让用户形成清晰认知，知道这是值得持续关注的内容类型。稳定的主题和风格，有助于算法和用户同时建立预期。

2.减少套路感，提升兴趣匹配度

在真实兴趣被纳入推荐判断后，过度设计的悬念和强刺激并不一定带来正向反馈。相反，主题清楚、节奏自然、观看体验舒适的内容，更容易被用户认可，也更符合平台长期推荐的方向。

3.用反馈信号做内容迭代，而不只看播放量

除了播放量和点赞数之外，评论的情绪和具体程度、用户是否重复观看、是否产生后续互动，都是判断内容是否真正被喜欢的重要依据。通过快速测试不同内容风格，并持续放大能够引发正向反馈的表达方式，品牌可以逐步找到更适合自身和平台推荐机制的内容路径。

Meta正在让推荐系统更“像人”。流量不再只属于会制造刺激的内容，而属于真正尊重用户兴趣的品牌。未来，品牌营销真正的竞争不在于短期吸引注意力，而在于能否长期被用户认可。