#贺奕算法测不准定律# 希望内容行业一直以来所犯的最大错误遭到一次精确打击，从此不再以正确自居且被彻底清肃毒害。

算法测不准定律（贺奕）
——爆款必生于算法失算处

一、定律
爆款的本质，不是被算法选中，而是将算法选崩。

人算，机算，皆为算法。机算是人算的指数级，但指数放大的只是已知，从不是未知。

算法测得越准的地方，越生不出爆款；
算法彻底失算之处，才是爆款唯一的产地。

测量即摧毁，预测即稀释，复制即枯竭。

爆款一旦被算法看清，就不再是爆款，而是模板；模板一旦被平台推广，就不再是矿脉，而是矿渣。

所谓爆款公式，是一份在写成的瞬间就已过期的死亡证明。

故定律可设：一个内容模式被算法测准的程度，与它未来成为爆款的概率成反比。

二、谬误
平台根据既往爆款推导未来爆款，犯的是刻舟求剑式的错误——但比刻舟求剑更荒谬。

刻舟者只是不知道船在动；平台是明知船在动，还要把刻痕做成导航系统推销给所有乘客。

数据只能记录已然发生，而爆款的定义恰恰是未被预期。

用历史数据预测爆款，等于用讣告寻找新生儿。

算法不是预测了爆款，而是预防了爆款。

它把所有人引向同一片已开采殆尽的矿区，然后把无效的拥挤本身包装成繁荣。

三、推论
推论一：爆款矿脉即算法盲区。

算法有三大盲：
语料之盲——尚无样本的新形态；
归因之盲——它看得见火，看不懂为何火；
观念之盲——它被训练规避的人性灰暗地带，恰恰是真实人性的聚集地。

像捍卫人性的光明面一样，坚守人性的阴暗面——后者是算法永恒的盲区，也是创作者永恒的富矿。

推论二：机器把已知推到极致，反而把全部未知留给了人。
这不是人类的劣势，这是人类最后也是最大的护城河。算法越强悍，盲区越整体。AI的每一次进化，都是在替人类抬高算法失算之地的地价。
推论三：跟随算法者得均值，背离算法者得方差。

爆款从不住在均值里。爆款只住在方差的右尾——那个所有报表上都标注为"异常值"的地方。

被算法判为异常、脱节、失控，正是爆款的出生证明。

四、步骤
第一步：反向情报。
不要研究平台在推什么然后追什么，要研究平台在推什么然后弃什么。被主推的，是已勘探区；被公式化的，是已消耗区。

算法的热力图，反着看才是藏宝图。

判断一个矿是否枯竭，不看数据，看评论区——当"又是这个套路"出现，矿脉已死，讣文已生。

第二步：人工采样。
算法读数据，创作者读人。

爆款的前体信号，永远先行出现在数据之外。

或是小圈层的黑话；
或是评论区被高赞却不被正视的歪楼；
或是所有人都在经历却没人说出口的情绪。

选题三无标准：无对标账号，无现成模板，无法向算法解释——但有让你自己心头一震的实感。

三无齐备，即是高潜力矿点。

好选题的特征，是它在立项时看起来像个错误。

第三步：试点探矿。
小成本试探，切记关键指标不是播放量，而是非典型互动——长评论、私信、截图转发。

播放量是算法制造的，共鸣是算法制造不了的。

能被刷出来的数据都不是信号，刷不出来的反应才是。

第四步：及时收割。
盲区一旦被攻破，算法和同行会迅速涌入。

收割要彻底，但同时预设撤离线：当第一批高质量模仿者出现，立即启程勘探下一点位。

永远比算法快一个身位。不是因为跑得快，而是因为知道往哪里跑——往算法不敢去的地方。

第五步：效能转移。
爆款流量是借来的，必须在归还前兑换成算法测不走的资产：
人格——粉丝认的是人，不是模式；
审美——算法能拆解结构，拆解不了气质；
渠道——脱离分发的能力，才是真正的分发能力。

流量是平台的，留下来的才是你的；
算法能给你的，也能随时收走；
算法给不了的，必然也夺不走。

五、宣言
当前内容业的根本错配，一言以蔽之：用确定性的机器，管理不确定性的创造。

平台压缩方差，MCN压缩方差，AI压缩方差——而方差，才是爆款唯一的母体。

整个行业在用消灭爆款的方式寻找爆款，再用找不到爆款的焦虑购买更多消灭爆款的工具。

正确的分工只有一种：
机器负责均值——保底、提效、优化分发；
人负责方差——洞察盲区、冒险表达、制造意外。

算法是永恒的立法者，创意是永恒的破法者。

六、总结
算法预测得到的，不必靠你来做；
算法预测不到的，才轮得到你赢。

不要问算法喜欢什么——算法喜欢的，是它已经消耗完的；要问算法害怕什么——算法害怕的，是它尚无法归类的。

做内容不是讨好算法，而是给算法出一道它做不出的题。

爆款不是算出来的。爆款是在算法的失算处长出来的。

当所有人都盯着算法的地图时，你应该盯着地图的空白；
当所有人在复制成功时，你应该在勘探失败。

因为下一个爆款的坐标，永远写在这一个行业还不敢犯的那个错误里。

测不准，即是定律。失算处，即是矿脉。

算法永远追求测准，爆款永远生于失算。

是为贺奕算法测不准定律。 http://t.cn/8slHd4K