隨著短影片市場競爭進入白熱化階段，Meta官方在本週宣布了一項重大的演算法更新。這次更新針對 Facebook Reels 的推薦系統，引入了全新的 「使用者真實興趣調查（User True Interest Survey, UTIS）」 模型。

這次改版的核心目標在於解決傳統演算法「只看數據不看人心」的盲點。對於品牌而言，這標誌著社群流量的分配邏輯，正從單純的「互動率導向」轉向更深層的「興趣匹配」。

過去，推薦系統主要依賴使用者的行為訊號（如按讚、分享、觀看時間）來推測用戶喜好。然而，Facebook 的研究發現，這些訊號往往存在雜訊——用戶看完整個影片可能只是因為標題聳動，並不代表他們真的對內容感興趣。數據顯示，僅依靠這些傳統指標，系統預測用戶真實興趣的準確率僅有 48.3%。

為了解決這個落差，Facebook 開發了 UTIS 模型。系統現在會隨機向用戶發出問卷，直接詢問：「這支影片多符合你的興趣？（How well does this video match your interests?）」。

這意味著「騙點擊（Clickbait）」或「憤怒流量（Rage-bait）」的操作空間將被大幅壓縮。即使影片獲得了高觀看數，若用戶在調查中給予負面回饋，該內容的後續擴散將受到抑制。內容創作者需更注重觀眾的「滿意度」而非單純的「停留時間」。

這次更新並非只是新增一個問卷功能，而是將 UTIS 模型的預測結果深度整合進整個推薦流程中：

-初選階段（Retrieval）： 系統利用調查數據重建用戶的興趣檔案，從茫茫片海中挖掘出更符合用戶「潛在興趣」的小眾內容，而不僅僅是推播大眾化的熱門影片。

-最終排名（Ranking）： 在決定影片出現順序時，預測的「興趣匹配度」成為關鍵加分項。被預測為高興趣的影片將獲得流量加權，反之則會被降權。

對於經營分眾市場的品牌來說，這是一大利多。新演算法傾向於將「小眾但高品質」的內容推送給真正感興趣的受眾，而非讓所有流量都被泛娛樂類型的熱門影片壟斷。精準的垂直領域內容將獲得更好的自然觸及。

根據 Facebook 公布的大規模 A/B 測試結果（涵蓋超過 1000 萬名用戶），引入新模型後取得了顯著成效：

-精準度提升： 系統識別用戶真實興趣的準確率從 59.5% 提升至 71.5%。

-正面回饋增加： 用戶給予高度評價的比例增加了 5.4%。

-負面內容減少： 低品質或違規內容的違規率下降了 0.34%。

本次 Facebook Reels 的演算法更新，釋放出一個明確的訊號：平台正試圖擺脫「流量至上」的舊思維，轉而追求「價值匹配」。

對於希望透過網路進行推廣的品牌或個人來說，未來的內容策略應從「如何讓更多人看到」轉變為「如何讓對的人滿意」。過度追求短期的觀看數據而犧牲內容品質，在新的演算法下將不再吃香；反之，能夠引發受眾共鳴、提供實質價值的內容，將在新一波的流量紅利中佔據優勢。