AI正在重塑我们对上瘾机制的认知。抖音通过精密设计的Hooked模型，将『可变奖励』提升至前所未有的精准度——它不仅能预测你的偏好，更能调控你的情绪节奏。本文将深度解析这套被AI优化的上瘾系统如何运作，并为你提供四步拆解工具，让你既能看透热门产品的设计逻辑，又能避免在自己的产品中陷入伦理陷阱。
——AI时代，一个产品人必须看懂的上瘾机制
一、你有没有经历过这种时刻本来只是饭后想刷两分钟放松一下。
一抬头，四十分钟过去了。
你知道该关了，手指也举起来了，但下一条视频的开头让你又停住了——就这一条，看完就睡。
然后又是下一条。
这种体验，你肯定有过，不止一次。大多数人的解释是：「我就是自制力差。」
但我想告诉你，这个解释是错的。
你停不下来，不是因为你意志力不够，而是因为你正在和一套被AI持续优化了将近十年的精密系统博弈。这套系统的唯一目标，就是让你再刷一条。
它对你了解的程度，可能已经超过了你对自己的了解。
这篇文章，我想把这套系统讲清楚。不是为了让你从此戒掉抖音，而是因为——你今天分析的是别人的产品，你明天做的是自己负责的产品。看懂了抖音怎么让用户上瘾，你就掌握了一套可以用在任何产品上的底层设计逻辑。
读完这篇，你会带走：一个拆解上瘾机制的认知框架，以及一套明天就能用在工作里的四步分析工具。
二、先说清楚：「上瘾」到底是怎么运作的
在讲抖音之前，先讲一个很多产品人「听说过但没真正理解」的模型——Hooked，也叫上瘾模型。
这个模型是Nir Eyal在《上瘾》这本书里提出的，说的是让用户形成使用习惯的产品，都在重复做四件事：
触发 → 行动 → 可变奖励 → 投入
逐个解释：
触发，是让用户打开产品的那个瞬间。可以是外部的（一条推送通知），也可以是内部的（你感到无聊，条件反射地打开抖音）。
行动，是用户在产品里完成的最小单元动作。对抖音来说，就是看完一条视频，或者往上划一下。门槛越低越好，最好低到「不需要思考就能完成」。
可变奖励，是这个模型里最关键的一个环节，也是最容易被人理解错的地方。「可变」两个字是核心——不是每次都给你好内容，而是你不知道下一条是好是坏。正是这种不确定性，让人停不下来。老虎机让人上瘾的原理是一样的：不是因为每次都能赢，正是因为你不知道什么时候会赢。
投入，是你在产品里留下的痕迹：点赞、收藏、关注、评论。这些行为让系统更了解你，让你和产品之间的连接更深，让你下次更难离开。
说到这里，很多产品人会想：YouTube、微博、B站，这些产品也在用这套逻辑，为什么抖音的效果比它们强得多？
这是一个好问题，答案不是「抖音的内容更好」。
答案是：抖音用AI把「可变奖励」这个环节，做到了前所未有的精准。
以前的「可变奖励」靠的是随机性——平台不知道你具体喜欢什么，所以靠大量内容碰运气，十条里有三条你喜欢，就算不错了。
抖音的「可变奖励」靠的是定向精准——AI知道你现在的情绪状态，知道你最近在关注什么，知道你在哪类内容上会停留，然后在合适的时机推合适的内容，把「惊喜感」的命中率提升到另一个量级。
这一个差距，造成了截然不同的上瘾深度。
三、AI重塑了上瘾路径的三个关键环节你第一次打开抖音，账号是新的，什么信息都没有。系统怎么知道推什么给你？
它用的方法叫「探测性内容分发」。
前6到10条视频，不是随机推的，而是经过精心设计的内容矩阵——覆盖尽可能多的内容类别：搞笑、美食、科普、情感、游戏、运动……然后系统盯着你看每一条视频时的行为：
哪条你停留超过了3秒？哪条你直接划走了？哪条你往回翻了一下？哪条你看完了但没有点赞？3秒，是抖音内部最重要的内容质量信号之一。
不是1秒，不是5秒，是3秒。
为什么是3秒？因为在用户下意识划走的速度里，能让视频在屏幕上停留超过3秒，说明这个内容抓住了用户的注意力——哪怕用户自己没有意识到。
大多数用户在打开抖音的前3分钟内，已经被建立了一套足够精准的初始画像。你以为你在随手刷，系统已经在做一场关于你的测试。
给初级PM的工作洞察：如果你做的是内容类产品，新用户冷启动阶段的内容设计，是整个留存体系里权重最高的环节之一。用户第一次用你的产品时，他们看到什么，决定了他们会不会有第二次。这不是靠运营活动能弥补的，是产品设计层面就要想清楚的问题。
3.2 第二个环节：可变奖励的精准化——AI把「惊喜」变成了一门精密科学
说一个大多数人没注意到的细节：
抖音的AI，推给你的不是「你最喜欢的内容」，而是「让你刚好想继续刷的内容」。
这两件事听起来差不多，实际上完全不同。
想象一个打分系统，每条视频对你的吸引力从1分到10分。如果抖音一直给你推10分的内容，会发生什么？
你的期待值会升高。下次8分的内容，你就觉得一般。9分的，也不够好。最终，你对整个平台的「惊喜感」会消失，因为已经没有意外了。
所以AI的实际策略是：在7分、8分、9分、偶尔来一条10分之间动态调配。它不给你一直最好的，它给你「刚好让你觉得下一条可能更好」的节奏。
你刷抖音时那种「再看一条，说不定有好的」的感觉——那不是偶然出现的心理状态，那是被系统精心制造出来的。
还有一个更细的设计：AI会判断你当前的情绪状态。
你刚连续看了三条让你发笑的视频，情绪处于放松满足的状态，这时候AI会插入一条稍微不同类型的内容——也许是一个让你有点感触的故事，或者一个让你觉得「哦原来如此」的科普。这种情绪切换，在你心情好的时刻出现，产生的正向反馈比平时强得多。
系统在做的，是情绪的动态调节，不只是内容的静态匹配。
给初级PM的工作洞察：「可变奖励」的核心设计原则，不是给用户最好的，而是给用户「刚好让他们期待下一次」的。在你做任何有内容流或者结果展示的产品时，这个原则都适用。如果用户每次使用你的产品都能100%得到预期结果，反而不会上瘾——因为没有悬念了。适度的不确定性，才是持续使用的动力来源。
3.3 第三个环节：摩擦力清除——AI把所有「让你停下来」的阻力都消掉了
这是三个环节里最容易被忽视的一个。
大多数人谈抖音的上瘾机制，都在讲推荐算法有多准。但抖音真正做到极致的，其实是另一件事：把用户在上瘾路径上遇到的每一个摩擦力，系统性地消除掉。
想想你打开抖音之后的使用体验：
不需要点击播放，视频自动开始不需要选择，内容直接出现不需要等待，下一条已经预加载好了不需要找下一条，往上一划就来了没有「到底了」的提示，可以一直往上划每一个「需要用户做一个决定」的环节，都是上瘾路径上的摩擦力。
传统视频平台的逻辑是：我给你一个内容库，你来选。这个「选」的动作，就是摩擦力。
抖音的逻辑是：你不需要选，内容自己来找你。把「选」这个动作完全消除掉。
AI在这个环节做的事情更精细：它会监测你「想划走」的信号——你在某条视频上的滑动速度加快了，完播率下降了，视线移开了——然后在你真正划走之前，让下一条视频的开头出现得足够快、足够有吸引力。
换句话说，AI在预判你即将退出的时机，然后抢先一步把你留住。
给初级PM的工作洞察：这个设计原则有一个可以直接复用的方法——「摩擦力清单」。把用户从打开产品到完成核心行为的路径，每一个需要用户做决定或者需要等待的节点全部列出来。这张清单上的每一项，都是你下一个版本可以优化的方向。减少摩擦力的效果，通常比新增功能的效果更直接。
四、这套机制带来了什么新问题刷完抖音之后，你有没有过这种感觉——
刷的时候很爽，停下来之后有点空，说不上哪里不对，就是感觉时间好像白花了，但你也说不上自己到底想要什么。
这种感觉不是偶然的，是这套上瘾机制的必然产物。
AI的目标是让你继续刷，所以它给你的满足感，被精准地控制在「足够满足所以继续，但又不够满足所以停不下来」的区间。这就意味着，你永远处于一种「有点爽但没爽透」的状态。
当你停下来，这种没有完全释放的张力，会以「空洞感」或者「轻微后悔」的形式出现。
这不是你的问题，这是系统设计的结果。
对产品人来说，这是一个值得认真对待的信号：当你的用户大量反馈「用完有点后悔」，不要把这个当作正常现象忽视。这说明你的产品在用留存数据透支用户的真实体验，这种透支是有上限的。
4.2 平台端：AI上瘾机制精密到触碰了监管红线2021年开始，国家密集出台了针对短视频平台的监管政策——青少年模式强制上线、单日使用时长限制、算法推荐必须提供关闭选项……
这些政策针对的核心，不是内容本身，而是AI驱动的上瘾机制。
监管机构发现：当推荐算法足够精准，它实际上在用技术手段系统性地压缩用户的行为自主权。用户以为自己在自由地选择看什么，但实际上是在按照系统预设的路径行动。
这件事在成年人身上是一个灰色地带，在未成年人身上，监管认为已经越过了一条线。
对产品人的启示是：AI能力到了一定程度，产品的伦理问题就不再是可以暂时不想的问题，而是必须提前想清楚的问题。
等到监管来了再说，代价往往比你预期的大得多。
4.3 一个绕不开的问题：让用户上瘾，和让用户受益，这两件事什么时候会冲突
这里我想讲清楚一件事，不是说抖音坏，它提供的娱乐价值是真实的，让很多人在无聊和疲惫的时候有了去处，这件事本身没有问题。
但如果你在做产品，有一个问题你需要想清楚：
你的产品让用户「上瘾」，是因为它真的让用户的生活变得更好了，还是因为它很擅长让用户无法停止使用？
这两件事不是同一件事。
一个判断工具：用户在使用你的产品之后，整体上感觉「值了」还是「又被吸进去了」？
如果是前者，你的上瘾机制是健康的——用户选择继续使用，是因为产品真的在给他们带来价值。
如果是后者，你的产品在透支信任。留存数据可能很好看，但用户对产品的真实评价在慢慢变差，这种背离迟早会体现在流失率上。
五、一套你明天就能用上的拆解工具前面三章讲的是「发生了什么」，这一章讲「你能用什么工具分析这件事」。
这套四步工具，你可以用来拆解任何一款产品的上瘾机制——包括你自己正在负责的产品。
第一步：找到你产品的「触发设计」触发分两种，大多数产品只认真做了其中一种：
立刻可以做的动作：
拿出你负责的产品，把所有的外部触发入口列一个清单（App通知、短信、邮件、应用内弹窗……）。
然后问自己一个问题：用户在什么情绪状态下会主动打开这个产品，不需要任何外部提醒？
如果你答不上来，说明你的产品还没有和用户的内部情绪状态形成稳定绑定。这是一个比「留存率低」更根本的问题。
第二步：拆解你产品的「可变奖励」用这个句式，把你产品的可变奖励写出来：
用户在使用「[产品名称]」时，每次期待的惊喜是「____」，这个惊喜的不确定性来源是「____」，目前这个惊喜的命中率大概是「____%」。
写完之后，问三个问题：
命中率太高了吗？（超过80%就值得警惕——用户很快会觉得「每次都差不多」，失去惊喜感）
命中率太低了吗？（低于30%说明用户大多数时候在失望，会放弃）
你有没有在主动管理这个命中率？还是完全依赖内容自然分布，没有任何干预？
大多数产品团队从来没有想过要「管理可变奖励的命中率」这件事，但抖音把这件事做成了一门精密科学。你不需要做到抖音那个程度，但至少要知道你的产品目前在哪个区间。
第三步：建立「摩擦力清单」这是四步里最直接能产出可执行需求的一步。
把用户从打开你的产品，到完成一次核心行为的完整路径，每一个节点都写出来。然后对每个节点打三个分：
按「用户放弃概率」从高到低排序，集中精力先消除前三个。
这张清单，比很多需求文档都更直接地告诉你下一个版本最应该做什么。
第四步：做「用完感受测试」这一步最简单，也是大多数产品团队最容易跳过的。
在用户完成一次核心使用之后，问他们一个问题：
「这次用完，你的整体感受是什么？」
选项只有四个，不能多：
很值，超出我的预期还行，基本满足了我的需求无感，说不上好坏有点后悔，感觉花了时间但没什么收获为什么只有这四个选项？因为太多选项会让用户选不了，也让你分析不了。
怎么看这个测试的结果：
如果「很值」超过40%，你的产品在这个使用场景下是健康的。
如果「有点后悔」超过20%，这是一个严重警告——你的产品正在用上瘾机制透支用户的真实体验，留存数据可能暂时还好看，但用户的口碑和真实满意度在下降。
如果「无感」占大多数，说明你的产品没有在用户心里留下任何记忆，这比「后悔」更危险——用户不是不满，是对你的产品没有任何感觉，这种用户比愤怒的用户流失得更快。
把这四步放在一起，你就有了一套完整的上瘾机制诊断工具：
触发设计——用户为什么会想到打开你的产品可变奖励——用户每次使用，期待和获得的之间的张力是什么摩擦力清单——哪些阻力在阻止用户继续使用用完感受测试——用户离开产品时，带走了什么感受这四个问题，任何一个产品团队都应该能清楚地回答。如果回答不上来，那就是产品设计最需要补的功课。
六、最后说一句真心话那个凌晨刷抖音停不下来的你，正在给一套AI系统贡献训练数据。
你在哪条视频上停了三秒，在哪条视频上划走，在哪个时间段打开App，什么内容让你点赞了却没有关注——这些信号，都在实时反馈给模型，让它下次对你的预测更准一点。
这不是什么阴暗的事情，这是一家互联网公司在做它本来就该做的事——让产品越来越好用。
但「好用」和「对你好」，有时候是一回事，有时候不是。
作为一个学产品的人，你应该同时做到两件事：享受一款产品带给你的体验，同时看穿它背后运作的机制。
这两件事不矛盾。你可以刷抖音，同时知道「是这三个环节让我停不下来」。你可以在使用体验里感到愉快，同时保持一个产品人的清醒视角。
这种清醒，才是做产品真正需要的东西。
因为你今天分析的是别人的产品，你明天做的，是你自己负责的产品。
你不想让用户在用完你的产品后，感觉时间花了但不知道得到了什么。你想让他们觉得：值了。
这和让用户上瘾并不冲突——真正好的产品，是让用户上瘾是因为它真的在给他们创造价值，而不是因为它很擅长让用户无法停止使用。
这条线，值得每一个产品人心里有数。
今天就可以做的一个练习：打开你最常用的一款App，用第五章的四步工具，快速拆解一遍它的上瘾机制。不需要写得多完整，把每一步的关键问题回答出来就够了。然后发在评论区，我们一起看。
作者按：本文所有分析基于公开产品体验及作者从业判断。如果你有不同的观点，欢迎评论区来聊。
本文由 @吴知 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
长宏网配资提示：文章来自网络，不代表本站观点。
