首先需要明确：抖音并不是“只能”推送同城内容，而是推荐流中同城内容的占比在某些账号、某些场景下会显著升高。若你感觉“只有同城”，本质上是推荐系统基于地理位置、行为标签和流量分配策略的综合输出。
从推荐机制来看，抖音的推荐引擎通常包含“兴趣预测”“社交关系”“实时热点”“地理位置”等特征。算法会根据你对视频的点击、完播、点赞、评论、分享等行为调整权重。如果你发现刷到的内容大多来自同一个城市，核心原因有以下几点。
1. 同城内容的“相关性”天然更高。对用户来说，附近的美食、交通、天气、突发事件、本地新闻等内容具有即时性和实用价值，这类内容更容易获得完播和互动。算法观察到“同城”能提升用户体验，就会提高同城内容的推荐权重。
2. 同城是一个有效的“冷启动流量池”。抖音的内容分发遵循漏斗机制。新发布视频会先投递给一小部分可能感兴趣的用户，通常是地理位置相近的用户。如果数据反馈好，再逐步突破同城，向更大范围扩散。因此，当你处于一个同城流量池较浅的场景时，自然看到很多同城内容。
3. 用户行为会强化同城标签。如果你点过同城视频、在评论区表现出地域互动，或经常观看“同城页”内容，算法会把你的用户画像打上本地兴趣标签。之后的推荐会持续偏向同城，形成“信息茧房”效应。
4. 平台正在加码本地生活业务。抖音近年来与美团、大众点评在本地生活领域竞争，需要依靠同城页面和本地POI（兴趣点）来连接商家与用户。因此平台在策略上会主动向同城视频、团购探店、本地直播等内容倾斜流量，以培养“刷到本地内容—到店消费”的用户习惯。
5. 商业投放和同城投流。本地商家投放DOU+时，往往选择“同城定向”来吸引周边顾客。这类带商业属性的同城视频会以信息流广告的形式频繁出现在你面前，也会加深“只有同城”的观感。
6. 同城内容供给量有限，导致密度失衡。同城内容池相对全国内容要小得多，算法在有限的池子里筛选，很难做到丰富多样。当同城内容占推荐流的比例被提高后，“只有同城”的主观感受会更强。
7. 心理层面的“确认偏差”。人对与自己有关的信息更敏感。十条异地内容中你未必记得，但一条同城内容你大概率会注意。这种心理会进一步放大“为什么全是同城”的感知。
如果你希望减少同城推送，可以尝试：在抖音设置中关闭定位权限，或主动点击“不感兴趣”，在推荐页而不是同城页观看视频，并减少对本地内容的互动。这些操作会向算法传递“对同城内容不感兴趣”的信号。
总结：抖音并没有把推荐限制在同城，而是因为同城内容具备高相关性、高互动率、平台本地化战略和商业投放等多重因素，导致同城视频在推荐流中被加权。这属于推荐系统、用户行为和平台策略共同作用的结果，而非平台只能推出同城内容。
查看详情
查看详情
