Ella Langley創紀錄的鄉村熱門歌曲引發了一個令網路困惑的問題：一首許多人說從未聽過、由一位他們不認識的歌手演唱的歌曲，如何在Billboard Hot 100長達68年的歷史中，成為在冠軍位置停留最久的歌曲？

Langley的「Choosin' Texas」在榜單冠軍位置停留了24週，超越了Mariah Carey「All I Want for Christmas Is You」保持的22週紀錄。Carey的節日歌曲是每年冬天都會重回公眾話題的季節性常客。Langley的紀錄之旅在10月10日當週的榜單畫下句點，Taylor Swift的「Patient Zero」該週空降冠軍。根據Billboard及Billboard對Swift空降冠軍的報導，Carey的歌曲通常每年12月都會重返冠軍，若要奪回紀錄，還需在冠軍位置多停留三週。

然而，根據與Fortune分享數據的娛樂數據與研究公司Luminate，2026年第二季只有24%的美國音樂聽眾知道Ella Langley是誰。她的知名度已從2025年第四季的13%和2026年第一季的17%上升，但仍未達到美國音樂聽眾的四分之一。

換句話說，一首冠軍歌曲仍可能讓大部分公眾問道：「這是誰？」這種落差引出一個更廣泛的問題：單一文化（monoculture）發生了什麼事？

單一文化指的是一套共享的文化參照——人們可以假定他人都知道的歌曲、電視節目和電影，無論他們個人是否喜歡。近年來，批評者也以一種幾乎相反的意義使用這個詞，描述演算法和人工智慧如何將文化壓平成同質化。

當人們觀看和收聽的內容主要來自少數幾個電視網、電台和MTV時，共享文化參照要容易得多。產業守門人決定什麼內容能觸及大眾受眾。人們不需要是粉絲，也能知道大家在討論什麼。

這種共享受眾從未涵蓋所有人，而且在TikTok出現之前就開始碎片化。但個人化推薦進一步加深了這種分化：觸及用戶的內容，越來越取決於平台的系統認為這個特定的人想看什麼。Fortune此前曾在另一篇報導中探討演算法、AI與單一文化之間的關係。

回饋循環的實際運作

TikTok強調其「為你推薦」（For You）動態的個人化。正如該公司在推薦機制說明中解釋的，「沒有任何兩個人的『為你推薦』動態是。」

例如，用戶可能看了一支Olivia Rodrigo的演唱會片段，然後感覺每五支影片中就有一支是這位歌手的另一段影片。TikTok表示，其系統會考量用戶按讚和分享的內容、追蹤的對象，以及是否看完影片。系統也會分析影片本身，包括說明文字、音訊和主題標籤。語言偏好、國家設定和裝置類型也在考量之列，不過TikTok表示這些因素的權重較低。

這些訊號共同幫助系統決定哪些內容應獲得用戶更多的注意力。TikTok也表示，它努力維持動態的多樣性，例如通常避免連續顯示兩支使用相同音訊或來自同一創作者的影片。

在美國，這套推薦系統現在由今年1月接手TikTok美國業務、由Oracle支持的合資企業監管。該合資企業表示，將使用美國用戶數據重新訓練推薦演算法。Fortune曾於2025年12月報導這項股權安排。

持續觀看某一類型的內容，演算法就可能持續推送更多同類內容。研究人員在2月發表於EPJ Data Science的一項研究中觀察到這種回饋循環。研究人員使用圍繞不同興趣編程的自動化帳號測試TikTok的「為你推薦」動態。

研究發現，TikTok越來越多地推薦符合這些興趣的影片，這種強化通常在前200支影片觀看內就開始。動態保持了一定的多樣性，但當帳號的興趣被放大的程度越強，它接觸到的不同主題標籤就越少。這些實驗於2024年進行，即在TikTok美國所有權變更之前。該研究可透過Springer查閱。

這些發現有助於解釋為什麼一個人可能認為某個話題正在席捲網路，而他的鄰居卻收到完全不同的動態，根本不知道他在說什麼。

用戶也可以自行縮小選擇範圍。TikTok和其他平台提供控制工具，例如TikTok的「管理主題」（Manage Topics）設定，讓用戶表明想多看或少看哪些主題。TechCrunch曾報導這項功能的細節。

來自四面八方的監看

用於個人化動態的資訊甚至可能來自應用程式之外。Meta於6月宣布，將使用其他企業已與其共享的資訊，包括用戶在其他網站上的購買紀錄，來個人化用戶的動態和AI回應——而不僅限於廣告。

Meta舉的例子很直接：在網路上購買帳篷的人，可能開始看到更多露營相關的Reels。用戶可以透過名為「來自其他企業的活動」（Activity from other businesses）的設定來管理這項功能，詳見該公司的公告。

用戶觀看什麼、購買什麼，都會納入這套計算，塑造出一個專屬於個人的網路角落。

並非所有人都歡迎這種便利。《紐約客》作家Kyle Chayka為此寫了一整本書來表達他的憂慮：Filterworld: How Algorithms Flattened Culture。

「這些數位平台和動態，它們某種程度上承諾了一種美好的群體體驗……但我認為它們實際上正在原子化我們的體驗，因為我們永遠無法知道其他人在自己的動態中看到了什麼，」Chayka於2024年接受NPR節目Fresh Air採訪時表示。訪談可透過NPR收聽。

Chayka認為，這種碎片化帶走了藝的部分樂趣，也讓人們更難為同樣的事物感到興奮。更先進的推薦系統可能讓我們各自處於不同的泡沫中。但矛盾依然存在：如果某件事不感興趣，你真的希望它出現在自己的動態裡，只為了營造共享的文化體驗嗎？而如果內容從未觸及你，你又怎麼知道自己是否會喜歡它？

本文最初刊載於Fortune.com。