TikTok 在全世界引起極大風潮，許多人運用短影片（或稱限動）快速累積內容，短時間內得到年輕族群的大量支持。
TikTok 與其他社群平台推出的短影片社群最大差異，也是最成功的因素之一，就在於動畫製作過程極為簡單。創作者在原地擺手跳舞配上背景音樂就能播送，不需要特別軟體，也不需要腳本，誰都能夠模仿爆紅短影片進行複製。
另外一方面，TikTok 使用隱私資訊，將內容媒合個人化，助長「限動中毒」的情況。像是製作短影片的小工具背後都藏著特別代碼，以區別使用者與閱聽者的種類。換句話說如果使用者應用某個特定小工具，自然區分（與吸引）閱聽者。
這些都是顯而易見的社群功能，許多平台也有類似作法，不過為什麼 Tiktok 這麼厲害？
本次從紐約時報洩漏出來的內部訊息，我們總算可以得知演算法如何進行。TikTok 如何運用演算法讀解使用者意向，向來是極機密資料，在這裡我們可以一窺究竟。
TikTok 演算法裡設定 4 個主要目標，分別是：
- 用戶價值（短期）
- 用戶價值（長期）
- 作者價值
- 平台價值
許多閱聽族群在按下「打心」社群訊號時，被視為正確引導，按越多類似種類的短影片，TikTok 就會自動將最新、最火紅的內容傳送到面前，完全不需要有無聊的時間。
再細分閱聽者對短影片的內容評價以「打心 like」、「回應 Comment」、「播放時間 plattime」三種類資訊進行機器學習，計算式如下：
Plike X Vlike + Pcomment X Vcomment + Eplaytime X Vplaytime + Pplay X Vplay
P 代表比例、V 代表價值（推估），實際上計算方式比這個更為複雜，可能因時機點、觀看地點或是手機型號、年齡等背後資料進行推算，基本上邏輯是相通的，就是想知道閱聽者對什麼樣的內容產生興趣甚至提出行動。
如此一來，閱聽者對特定短影片的興趣，不如全部觀賞時間長來得有價值，即使中途退出（即往下滑動）也不會感到任何損失。因為閱聽者常常是短期滿足，長久使用下來，極高機率對其他事情產生厭倦感，這也是批判者所擔心的「限動中毒」現象。
報導裡也找到其他系統參數，有效調整演算法到極為個人化程度，包含：
- DAU（Daily Active Users）活躍使用者
- Time Spent/Retention 滯留時間／保持
- Quality of videos in for-you feed 「for-you」動畫品質
- Other features 其他功能
- User interactions 使用者互動
- Creation quality 投稿品質
- Live streaming 直播
- Social 社群分享功能
- POI（Point of Interface）相互接觸（對接）點
- Likes, Comments 「打心」、回應
- Playthrough, playtime 不中斷完整看完、播放時間
- Publish rate 投稿頻度
- Creator retention 創作者保持
- Creator monetization 創作者報酬
如果這麼有效，為什麼還有內部洩密者？內部洩密的目的是希望減少令人不舒服的有害功能。
TikTok 讓短影片成功占領年輕人的時間，增加許多過動，或是注意力不集中之外，也讓內部洩密者覺得應該要公開資訊，讓使用者自行判斷是否要繼續 TikTok。如何解決限動中毒的狀況，其實演算法也能做比較中性的判斷，例如加入並調低 same_author_seen（同一創作者）的參數，就能夠接收到多類型限動；或降低 same_tag_today（單日同一標籤），也可以達到效果。
華爾街日報也運用TikTok演算法進行實驗，將各閱聽者觀賞時間分隔成數個短到長的時間間隔，閱聽者長時間觀賞後，發現他們已經無法判別真實與幻想世界，也有自殺與傷害傾向。華爾街日報因而希望 TikTok 積極刪除相關不合乎內容原則的短動畫，但都沒有獲得積極回應。
TikTok 是否要依照上面的邏輯調整，決定權可能不在使用者身上，需要自身免疫。
