这不是玄学，是方法：新91视频越用越“像”，因为收藏夹整理在收敛

当你发现浏览的新91视频越来越“像”，不是偶然，也不是平台在跟你开玩笑——这是长期反馈与整理习惯共同作用的结果。简单来说，收藏夹和播放列表的整理方式在无形中给算法和个人推荐画了圈，圈越来越小，内容就越来越像。下面分几个层面来拆解这个现象，并给出可操作的应对办法。

现象：你会看到什么

• 推荐里主题变窄、风格趋同，点击率高的同类视频占比上升；
• 创作者的更新方向被数据拉拽，内容逐步集中在“稳产热题”；
• 新用户更快被单一内容风格包围，探索性下降。

为什么会发生（机制解剖）

• 收藏夹/播放列表是强信号：当用户把某类视频反复收藏、分门别类，平台把这些关系看作用户明确偏好，进而放大相关内容的推荐权重。
• 数据收敛效应：每次推荐都基于历史行为，重复偏好会让模型权重向某些特征聚拢，导致多样性下降（收敛）。
• 协同过滤与内容相似度：被同一批用户收藏、观看的视频彼此“靠得更近”，推荐系统倾向把它们推到更多相似用户面前，形成正反馈。
• 元数据和标签一致性：一致的标题、标签、封面风格也会加速相似度上升。

如何验证（给数据人或好奇者的自查）

• 追踪主题分布：统计一段时间内被推荐/播放的视频主题类别比例，看是否出现单向倾斜。
• 计算相似度指标：对近期视频的关键词、标签或向量化特征做两两相似度，判断平均相似度是否上升。
• 做对照实验：发布风格不同的内容，同时在小范围内测试，观察点击率和收藏行为如何影响后续推荐。

创作者可以怎么做（可直接执行）

• 有意识地分组收藏：把“实验”“主线”“边角”三类内容分别放进不同播放列表，引导平台理解多样偏好。
• 制造“桥梁”内容：在主线和实验内容间插入联系强的过渡视频，既保留品牌辨识度又引入新元素。
• 调整元数据：善用差异化的标题、标签和封面，把想扩散的方向打上不同信号。
• 切分发布时间线：把风格迥异的视频错开时间发布，避免短期内所有信号都指向同一风格。
• 鼓励不同类型互动：在视频里用不同的号召（保存到X播放列表、评论回答Y问题等）引导多样化收藏行为。

普通用户能做的（恢复或扩大推荐多样性）

• 主动建立多套收藏夹：情绪、主题、风格分开，给系统更多元化信号。
• 清理或隐藏不想再看的类型：使用“不感兴趣/不再推荐”等功能，减少单一偏好的强化。
• 定期刷新探索：关注新创作者、主动搜索不同领域内容，打破算法闭环。

小案例（快速示例） 某创作者A起初同时做科技测评、办公生活和创作技巧三类视频。粉丝把测评类大量收藏到同一个列表，平台逐渐把测评放大，A后期发布的办公生活和技巧被压缩流量。A把三类内容分别放入不同播放列表，并发布了几支“跨界桥梁”视频，把技巧和测评主题串联了起来。两周后，流量回归平衡，多样观看来源增加。

简短清单（发布前快速自检）

• 收藏夹是否按主题细分？是/否
• 最近10个视频的主题是否高度相似？是/否
• 是否有计划性的“实验”内容？是/否
• 是否鼓励观众把视频保存到不同播放列表？是/否

结语 “越用越像”不是神秘力量作祟，而是信号和反馈在起作用。通过有意识的收藏夹管理、元数据差异化和发布策略调整，既能利用平台的放大效应，也能维持或恢复内容的多样性。想让推荐既靠谱又不失新鲜感，方法比烦恼有效得多。