TikTok FYP 撳 Not Interested 有用，但唔係一次搞掂
研究指負面 feedback 會見效，不過停咗就可能返轉頭
Not Interested 有用，但唔係魔法掣
如果你試過喺 TikTok 長撳一條片、撳 Not Interested，然後隔幾個 scroll 又見返同類內容，唔一定係你錯覺。Ars Technica 今次拎出 Northwestern University 團隊嘅 ICWSM 2026 論文講，FYP 會聽明示 feedback，同時又好倚重你嘅停留時間、睇完率、skip 呢啲隱性訊號。結果就係：你講一次「唔想睇」有用，但只要之後行為似重新有興趣，系統好快又會推返同一類片。
圖片：TikTok / Google Play
研究點做：用機械帳號模擬你點滑
呢份研究唔係問卷感覺題。團隊改裝 TikTok mobile app，用 emulator 同 sock-puppet 帳號做受控實驗，topic 揀咗 cooking、fitness 同體育博彩。每個 topic 跑五次實驗，三個階段，每階段掃 200 條 FYP 片；先用搜尋睇 25 條相關片種興趣，然後用 cloned account 分開測 skip 同 Not Interested。呢個做法好有用，因為佢可以比較同一段歷史底下，唔同行為會點改 feed；但都要記住，機械帳號唔等於真人，研究跑喺 2025 年 3 至 4 月，TikTok 演算法之後可能改過。
個人化快，負面 feedback 慢
喺起始個人化階段，研究帳號先睇 25 條某 topic 搜尋結果，再掃 200 條 FYP。結果 cooking 同體育博彩各有 89 條相關片，即 44.5%；fitness 就 76 條，即 38%。同期 baseline 帳號一路 skip，cooking 只有 17 條，fitness 同體育博彩各 3 條。講白啲，FYP 學你鍾意咩好快，快到 200 條片入面已經可以由零散推薦變成半條 feed 都係嗰類內容。
到叫佢收手就難少少。研究第一個 cooking 測試入面，繼續睇 cooking 嘅帳號，FYP 有 30.5% 相關片；只係 skip 相關片，比例跌到 16%；撳 Not Interested 再跌到 4.75%，接近 baseline。呢個結果幫 Not Interested 平反咗少少：佢唔係完全冇用，而且多數有力過單純 skip。不過全套 15 次實驗入面，skip 有時都可以做到同 Not Interested 差唔多，代表 TikTok 唔係只睇你撳邊個掣，佢仲睇你下一秒點滑。
點解會返轉頭
最麻煩係第三階段。研究畀一半帳號繼續負面 feedback，另一半停止負面 feedback，改返做睇相關片。只靠 skip 嗰組，cooking 五次都返轉頭，fitness 五次入面四次，體育博彩五次入面兩次。就算用 Not Interested，cooking 同 fitness 各兩次返轉頭，體育博彩一次。呢度嘅意思好直接：Not Interested 唔係假，但佢只係推薦模型其中一個訊號；你之後停低睇、睇到尾、再搜尋或者互動，系統可以當你重新有興趣。
TikTok 官方支援頁都列明，FYP 會參考 like、share、comment、睇完或 skip、聲音、hashtag、語言、位置、時區同裝置類型，互動訊號對多數人權重較高。官方亦講會加入新創作者同內容，幫你探索新興趣，所以你明明講過唔想睇，系統都可能試探性咁塞返一兩條入嚟。呢套設計對平台留住用戶好合理，但對想避開某類內容嘅人就幾煩。
實用講：你要教多過一次
想少見某類內容，最實際係唔好畀混亂訊號。見到唔想要嘅片，唔好停低睇字幕、唔好入 comment、唔好 share 畀朋友笑，直接 skip，見得多就連續撳 Not Interested。想大幅重整，TikTok 官方有 Refresh your For You feed；想細調，Manage topics 同 keyword filter 都係官方有列嘅工具。至於清 watch history，可以當成整理紀錄；但研究睇到嘅重點係，即時停留同重複 feedback 先最影響 FYP，清紀錄唔好當萬能 reset。
喺香港用 TikTok 嘅人，暫時唔好太寄望一個「關咗個人化」總掣，官方支援頁寫非個人化 feed setting 只限 EU 同 Kazakhstan。對家長、老師，或者想減少博彩、身材焦慮、購物衝動內容嘅人，重點應該放喺反覆回饋同少互動嘅習慣。下一步要睇 TikTok 會唔會將 Not Interested 放到顯眼啲，又會唔會畀用家睇到某類內容點解返嚟。
參考來源
- Ars Technica — TikTok users don't have as much agency over their FYPs as they think — original report
- When ‘For You’ Isn’t for You: Measuring User Agency in TikTok’s Algorithmic Feed — ICWSM 2026 論文，核對研究方法、數據、限制同作者機構。
- How TikTok recommends content — TikTok 官方解釋 FYP 參考咩訊號，同列出 Not interested、Refresh、Manage topics、keyword filter 等工具。
- Refresh your For You feed - TikTok Support — TikTok 官方重設 For You feed 嘅說明頁。
- Manage topics - TikTok Support — TikTok 官方 topic 偏好管理說明，用嚟補實用段落。
- TikTok - Apps on Google Play — TikTok 官方 app 產品頁，用作 app 介面配圖來源。
本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。
