在短視頻推薦系統技術日益成熟的當下，行業正面臨新的挑戰：如何突破現有框架，尋找新的增長點？清華大學經濟管理學院的研究團隊與快手消費策略算法部攜手，通過一項創新實驗，為這一問題提供了新的思路——從視頻傳遞的價值觀角度切入，重新理解用戶行為與心理變化。

傳統推薦系統多依賴協同過濾、序列推薦等技術，但隨著模型結構優化和特征開發的邊際效益遞減，行業亟需開辟新路徑。此次聯合實驗的核心突破在于，將社會學與心理學領域的價值觀理論引入推薦排序策略，并通過大規模在線實驗驗證其有效性。實驗覆蓋快手主站多個業務場景，包括用戶時長、電商、直播、社交和搜索等，結果顯示，價值觀導向的推薦策略在多個維度上實現了同步增長。

技術實現上，研究團隊構建了“視頻價值大模型推理”與“輕量蒸餾模型線上生效”的雙階段框架。首先，利用大語言模型模擬短視頻受眾，推理不同類型用戶觀看視頻后的行為與心理變化，進而推斷視頻傳遞的價值觀。這一過程針對6個月內超過650萬條視頻進行，覆蓋全品類內容。隨后，為應對實時推薦需求，團隊訓練了輕量級蒸餾模型，以快手自研的視頻嵌入特征為基礎，將大模型的推理能力遷移至可在線服務的小模型中。離線測試顯示，蒸餾模型準確率超過85%，與大模型結果無顯著差異，滿足線上部署條件。

然而，將價值觀標簽應用于推薦系統并非一帆風順。線上環境中，用戶反饋信號（如時長、點贊、打賞）與視頻價值的關聯性難以預知，且不同業務場景下價值內容需求差異顯著。為此，團隊在快手主站精選頁的重排階段設計了A/B實驗，以億級用戶規模驗證效果。實驗中，每組覆蓋約5%流量，持續觀察超過一個月，通過提升特定價值觀視頻的分發權重，分析其對業務指標的影響。

實驗結果令人矚目：價值觀調控對多業務板塊產生正向拉動。例如，“個人安全”類視頻顯著提升了用戶APP使用時長與留存率；“傳統”與“仁慈-關懷”類視頻對直播送禮金額有積極影響；“享樂主義”與“社會安全”類視頻則推動了電商GMV與買家數增長。多數實驗組用戶的社交互動與主動搜索行為也有所增加，其中“刺激”類視頻對搜索次數的提升尤為突出。

這一成果的背后，是供需平衡與價值觀驅動力的雙重作用。傳統推薦策略以主題為內容表征維度，忽視了價值觀屬性的顯式考量，導致某些價值觀視頻的供給長期低于用戶需求。當這類內容分發權重提升時，用戶的正向反饋隨之涌現。同時，實驗表明，特定價值觀內容在大盤層面更容易激發觀看、互動與轉化行為，為社會心理學中的價值觀理論提供了大規模真實場景下的經驗證據——不同價值觀類型對人類行為的影響存在因果性差異，這是傳統問卷或小樣本實驗難以觸及的領域。

從技術到業務，從理論到實踐，這項研究為推薦系統開辟了新的可能性。當算法開始理解價值觀，用戶需求不再局限于內容本身，而是延伸至更深層的行為驅動邏輯。這一探索不僅為行業提供了新的增長范式，也為數字內容消費與人類行為研究搭建了橋梁。