LinkedIn「AI slop」掣用破百萬次：相關內容瀏覽量跌四成代表啲咩？
負面回饋會影響推薦排序，作者亦可能喺分析頁收到提示
LinkedIn 個「Seems like AI slop」掣推出約兩星期，已經俾用戶撳咗超過一百萬次。公司產品總監 Hari Srinivasan 同時話，平台用自己標準分類做 AI slop 嘅內容，整體瀏覽量較幾星期前少咗 40%。數字睇落幾狠，不過要先拆清楚：呢個係一批內容嘅整體變化，唔代表你篇帖俾人撳一次，流量就即刻扣四成。
個掣其實點影響推薦
用戶可以喺帖子或留言右上角嘅三點選單送出呢項回饋。按 LinkedIn 最新公布 嘅講法，單一下回饋唔會直接決定內容點派，系統會連同其他訊號一齊判斷，亦設有保障，減低有人集中針對某個帳戶嘅風險。當一篇帖子累積到足夠回饋，作者可能會喺 Post Analytics 見到提示，知道其他會員覺得內容太似 AI；暫時冇資料顯示呢個提示會公開掛喺帖子上面。
所以個掣較接近「不感興趣」一類推薦回饋，同違反守則嘅正式舉報有分別。LinkedIn 自己嘅 Feed 排序說明 都講明，系統會睇數以百計嘅訊號，包括內容本身、個人網絡同互動紀錄。帖子就算觸發負面訊號，仍然可以留喺作者頁面，亦可能繼續去到直接聯繫人同追蹤者面前；較易受壓嘅位置，係本來靠演算法送去圈外用戶嗰部分流量。
圖片：LinkedIn
四成跌幅未證明個掣有幾準
Engadget 原文 引述嘅 40%，係 LinkedIn 自行公布嘅整體結果。公司冇交代樣本量、地區、內容類型、實際比較日子，亦冇拆開新按鈕、原有偵測系統同其他排序改動各自帶來幾多影響。功能同期推出，流量亦同期下跌，只可以話兩者有關連；用呢個數字推斷每篇俾人標記嘅內容都會跌 40%，就推得太遠。
「AI slop」本身亦係主觀分類。LinkedIn 早喺 5 月已經講過，系統針對嘅係欠缺個人觀點、內容重複又大量自動產生嘅帖子，用 AI 幫手執字，唔代表內容一定會出局。公司嗰篇 官方說明 仲提到，呢類內容會較少推薦到作者直接網絡以外。換句話講，一篇真人寫但充滿罐頭句式嘅帖，一樣可能俾人嫌「太 AI」；AI 草擬之後由熟行嘅人補足經驗、數據同判斷，亦未必會中招。
個人品牌同公司專頁要改玩法
對靠 LinkedIn 搵工、招聘、做 B2B 推廣或者建立專業形象嘅人，最大影響係圈外觸及。以前用 AI 大量生產「五個領導心得」、空泛成功故事同格式相同嘅行業帖，就算內容冇錯，都可能靠發帖密度換到曝光。而家只要用戶覺得千篇一律，呢批回饋就可能推高負面訊號，令推薦流量縮細；作者如果喺分析頁收到提示，就要留意內容係咪太公式化，或者欠缺個人觀點。
公司專頁同樣要小心，尤其係同一份 AI 草稿改幾隻字，再分派畀品牌帳戶同多位員工貼出嗰種做法。實際應對唔使全面停用 AI：可以畀工具整理重點、校對或者剪短初稿，但例子、立場、客戶情境同數據要由發帖者補返。方向幾清楚：發少啲、加入真實經驗，會穩陣過每日貼一篇千篇一律嘅罐頭內容。
香港暫時冇獨立數據
LinkedIn 冇公布香港區嘅使用次數、流量變化或者港區限定安排，所以未能判斷本地中英文內容會唔會較易俾人誤判。另一份由 AI 偵測公司 Pangram 發表嘅 平台研究 指，佢哋掃描逾一百萬篇社交平台內容後，工具將超過四成 LinkedIn 長文判斷為全 AI 生成；不過樣本來自自願分享掃描資料嘅插件用戶，數字同樣唔可以當成整個 LinkedIn 嘅人口統計。下一步要睇 LinkedIn 會唔會公開各語言誤判率，同埋 40% 跌幅可唔可以維持。
參考來源
- Engadget — LinkedIn says its AI slop button is working — original report
- Hari Srinivasan：One more follow up on AI Slop — LinkedIn 產品總監公布統計口徑、作者提示、排序訊號同防濫用安排嘅第一手來源
- Keeping conversations real on LinkedIn — LinkedIn 官方解釋 AI slop 定義、原有偵測方向同圈外推薦限制
- How the Feed ranks content — 官方說明 Feed 會綜合內容、網絡同活動等多種訊號排序
- AI Content Is Everywhere on Social Media, Especially LinkedIn — 提供第三方 AI 內容比例估算、逾一百萬篇資料集同研究方法限制
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。
