你的歌单早被"假账号军团"攻陷了

「在TikTok上获得流量很容易，你只需要发 trending audio（热门音频）。但艺人做不到，因为他们想推自己的歌。」——Chaotic Good联合创始人Andrew Spelman这句话，把音乐产业的底裤扒了个干净。

去年有支叫Geese的布鲁克林乐队，被独立摇滚圈的"隐形指令"疯狂推送。专辑《Getting Killed》9月发售后，如果你管演唱会叫"show"而不是"演出"，那你根本躲不掉这支乐队。

主唱Cameron Winter在卡内基音乐厅办了场"极度售罄"的个人演出。台下观众坚信五十年后能跟孙子吹牛：那晚见证了美国音乐史的"开创性时刻"，下一个Bob Dylan诞生了。

问题是：没人扛得住这种 hype（炒作）。

当《连线》爆料Geese的走红是场"psyop"（心理战）时，我爽了——我早就知道！我只随便听听果然是对的！我比所有人都聪明！

但真相从来没那么简单。

Geese其实和一家叫Chaotic Good的营销公司合作。这家公司专门批量制造社交媒体账号，帮客户人为制造趋势。客户名单还包括TikTok红人Alex Warren和Zara Larsson。

消息一出，反应两极：有人感觉被背叛，有人困惑"乐队做营销不是很正常吗"。

Spelman跟《公告牌》解释得很直白：他们要在足够多的账号上发布足够大的声量，模拟出"这首歌正在走红"的假象。

知道这些策略有多普遍后，感觉就像小时候发现牙仙不存在——你大概早有怀疑，但你宁愿相信那个精灵半夜溜进房间的故事，相信每个病毒式成功案例都是童话。

而这套玩法，早被硅谷的初创公司创始人抄走了。

一图读懂：假流量产业链的运作逻辑

让我们拆解这张核心图：Chaotic Good的模式本质是"模拟真实"。

第一层：账号农场。数千个社交媒体账号，不是机器人，是精心养出来的"真人感"账号。有头像、有历史、有互动，看起来就是普通用户。

第二层：内容流水线。trending audio不能直接用，那就改造——把客户歌曲剪进热门视频模板，批量发布。算法看到的是"这首歌正在被人自发使用"，于是推给更多人。

第三层：印象叠加。关键不在单个账号多火，而在"足够多的账号×足够多的曝光"。当用户刷到第五次"不同的人"用同一首歌，大脑会自动标记为"流行趋势"。

第四层：真实用户入场。假流量撬动真流量，早期人造趋势吸引真实创作者跟风，此时"psyop"完成使命，趋势自我维持。

Spelman没说但 implied（暗示）的是：这套系统针对的是平台的推荐机制漏洞。TikTok的算法不关心流量来源是否"有机"，只关心互动数据。而"看起来像在流行"本身就是最强的流行信号。

为什么初创公司也在抄这套？

音乐产业和科技创业看似无关，但面临同一个困境：注意力经济下的冷启动难题。

新乐队没粉丝基础，新产品没用户口碑。传统营销太慢， organic growth（有机增长）是奢侈品。而平台算法又奖励"已经流行的内容"——这是马太效应的数字化版本。

解决方案？人造的"已经流行"。

科技圈的做法更隐蔽。不是买假账号直接刷数据（太容易被抓），而是"模拟早期采用者行为"：在Product Hunt上安排"自然"的上榜节奏，在Reddit上投放"用户自发"的讨论帖，在Twitter上制造"偶然"的病毒截图。

核心逻辑和Chaotic Good完全一致：不是伪造数据，而是伪造数据的"自然产生过程"。

区别在于，音乐产业的psyop被《连线》曝光了，科技圈的版本还大多藏在"增长黑客"的成功学叙事里。

用户到底在愤怒什么？

betrayal（背叛感）的来源值得细究。人们不是反对营销本身——没人天真到以为乐队不发新闻稿、不拍MV。

愤怒的是"伪装的有机性"。Geese的案例之所以刺痛，是因为它冒充了某种稀缺的东西：文化 moments（时刻）的 authenticity（真实性）。

卡内基音乐厅那夜的观众，买的不是演唱会门票，是"见证历史"的叙事期权。如果那夜的"历史感"是数千个假账号堆出来的，期权的价值归零。

更深层的焦虑是认知主权。当你发现"我喜欢这个"的感受可能是被 engineered（工程化）的，自我怀疑随之而来：哪些是我的真实偏好，哪些是植入的？

这种怀疑没有边界。Geese可能是psyop，那去年你循环了三个月的那张专辑呢？那家突然火起来的餐厅呢？那个"偶然"刷到的治愈系博主呢？

Spelman的商业模式能存在，恰恰因为平台算法无法区分"真实流行"和"模拟流行"。或者说，算法的设计目标不是区分这个，而是最大化 engagement（参与度）。而 engineered 的流行，参与度往往更高——因为它就是被优化过的。

这套系统的脆弱性在哪？

人造趋势有个致命弱点：需要持续输血。

真流行有自我维持的 network effects（网络效应）。披头士不需要继续买账号，他们的歌自己会传。但Geese如果停止psyop投入，趋势可能迅速崩塌——因为早期"社交证明"是虚构的，没有真实的情感连接打底。

这也是Chaotic Good的客户名单透露的信息：Alex Warren、Zara Larsson都是"TikTok favorites"——平台原生艺人，算法友好型内容。他们的职业生涯和平台机制深度绑定，psyop不是作弊，是基础设施。

对比之下，The Strokes那种"定义一代"的乐队，崛起路径完全不同：先是小场地口碑积累，再被传统媒体放大，最后进入文化记忆。这个过程慢、不可控、无法规模化复制。

两种模式没有绝对优劣，但产出的是不同类型的"流行"。一种是可预期的、可购买的、可迭代的；另一种是偶然的、不可复制的、但可能更持久的。

Geese被拿来和The Strokes比较，本身就是psyop的叙事策略——借用已有文化符号的 legitimacy（合法性）。但符号借用是双刃剑：如果产品撑不起叙事，反噬会更狠。

作为消费者的实用判断

这件事为什么重要？因为它改变了"发现"的成本结构。

以前，发现好音乐需要投入时间：泡论坛、混现场、听朋友推荐。这些渠道的 noise-to-signal ratio（信噪比）相对健康，因为参与者有真实兴趣作为筛选机制。

现在，"被推到面前"的成本极低，但筛选真伪的成本极高。你节省的探索时间，以另一种形式支付了：不断质疑"这是不是我真正喜欢的"。

实用的应对不是愤世嫉俗（"一切都是假的"），而是建立个人的验证机制：

延迟判断。对突然无处不在的内容保持48小时冷静期，观察是否有持续的真实讨论，还是只有重复的营销话术。

追溯源头。病毒内容的最早传播节点是谁？如果是批量账号同时发布，时间戳会暴露协调痕迹。

关注"反指标"。真正有机流行的内容，评论区往往有争议、有 meme（迷因）变形、有用户自创的衍生内容。人造趋势的评论更"正确"——正面的、重复的、缺乏意外。

最重要的是保留"笨拙"的发现渠道。算法推荐优化的是 engagement，不是你的长期满意度。偶尔关掉推荐，回到人工策展的播放列表、小众电台、朋友的实体唱片分享，这些低效的方式反而保护了你的 taste（品味）不被完全外包。

Spelman说艺人不能发 trending audio 因为想推自己的歌——这句话的潜台词是：在平台逻辑里，"自己的歌"和"流行趋势"是矛盾的。但历史上最伟大的音乐，往往正是把个人表达变成了新趋势，而不是追赶现有趋势。

psyop能模拟流行，但模拟不了那种转化。这是系统的硬边界，也是留给真实创作者的空间。