在短视频推荐系统技术日益成熟的当下，行业正面临新的挑战：如何突破现有框架，寻找新的增长点？清华大学经济管理学院的研究团队与快手消费策略算法部携手，通过一项创新实验，为这一问题提供了新的思路——从视频传递的价值观角度切入，重新理解用户行为与心理变化。
传统推荐系统多依赖协同过滤、序列推荐等技术，但随着模型结构优化和特征开发的边际效益递减，行业亟需开辟新路径。此次联合实验的核心突破在于，将社会学与心理学领域的价值观理论引入推荐排序策略，并通过大规模在线实验验证其有效性。实验覆盖快手主站多个业务场景，包括用户时长、电商、直播、社交和搜索等，结果显示，价值观导向的推荐策略在多个维度上实现了同步增长。
技术实现上，研究团队构建了“视频价值大模型推理”与“轻量蒸馏模型线上生效”的双阶段框架。首先，利用大语言模型模拟短视频受众，推理不同类型用户观看视频后的行为与心理变化，进而推断视频传递的价值观。这一过程针对6个月内超过650万条视频进行，覆盖全品类内容。随后，为应对实时推荐需求，团队训练了轻量级蒸馏模型，以快手自研的视频嵌入特征为基础，将大模型的推理能力迁移至可在线服务的小模型中。离线测试显示，蒸馏模型准确率超过85%，与大模型结果无显著差异，满足线上部署条件。
然而，将价值观标签应用于推荐系统并非一帆风顺。线上环境中，用户反馈信号（如时长、点赞、打赏）与视频价值的关联性难以预知，且不同业务场景下价值内容需求差异显著。为此，团队在快手主站精选页的重排阶段设计了A/B实验，以亿级用户规模验证效果。实验中，每组覆盖约5%流量，持续观察超过一个月，通过提升特定价值观视频的分发权重，分析其对业务指标的影响。
实验结果令人瞩目：价值观调控对多业务板块产生正向拉动。例如，“个人安全”类视频显著提升了用户APP使用时长与留存率；“传统”与“仁慈-关怀”类视频对直播送礼金额有积极影响；“享乐主义”与“社会安全”类视频则推动了电商GMV与买家数增长。多数实验组用户的社交互动与主动搜索行为也有所增加，其中“刺激”类视频对搜索次数的提升尤为突出。
这一成果的背后，是供需平衡与价值观驱动力的双重作用。传统推荐策略以主题为内容表征维度，忽视了价值观属性的显式考量，导致某些价值观视频的供给长期低于用户需求。当这类内容分发权重提升时，用户的正向反馈随之涌现。同时，实验表明，特定价值观内容在大盘层面更容易激发观看、互动与转化行为，为社会心理学中的价值观理论提供了大规模真实场景下的经验证据——不同价值观类型对人类行为的影响存在因果性差异，这是传统问卷或小样本实验难以触及的领域。
从技术到业务，从理论到实践，这项研究为推荐系统开辟了新的可能性。当算法开始理解价值观，用户需求不再局限于内容本身，而是延伸至更深层的行为驱动逻辑。这一探索不仅为行业提供了新的增长范式，也为数字内容消费与人类行为研究搭建了桥梁。
