1998年，剧作家大卫·马梅特以轻蔑的口吻描写了「伪艺术」，他指出，「人们爱看暑期电影是因为这些电影无法令人满意，因此给了人强迫性重复的机会。」
TikTok的算法有四个主要目标
用户价值
长期用户价值
作者价值
平台价值
利用机器学习最大限度地提高用户参与度，以及如何打破“信息茧房”的桎梏。
TikTok已经公开了其推荐系统的大致情况，称它的参考因素包括点赞和评论，以及字幕、声音和标签等影片信息。外部分析人士也试图破解其代码。TikTok在很大程度上依赖你观看每段影片的时间，来引导你浏览更多你会喜欢的影片。
Tiktok公司追求的是增加日活用户的「终极目标」
对提供给用户的影片内容流，它选择性地优化了两大密切相关的指标
「留存率」——即用户是否回访——以及「访问时长」。这款应用希望你在其中停留得越久越好。
这种体验有时被描述为一种瘾症，尽管这也让人联想到流行文化所遭受的频繁诟病。
「这种系统意味着观看时长才是重点。它的算法是为了让人上瘾，而不是给人们真正想要的东西，」
每看一条影片，TikTok就会获得一点关于他的信息。几个小时内，它的算法就能测出他的音乐喜好、他的外形喜好、他是否抑郁、是否药物上瘾还有其他许多敏感信息。
观看时长并不是TikTok考虑的唯一因素。它提供了一个简略的影片评分公式，在这个公式中，根据机器学习和实际用户行为得出的预测结果可以用三种数据概括：点赞、评论和播放时长，以及影片被播放的痕迹：
P点赞*V点赞+P评论*V评论+E播放时长*V播放时长+P播放*V播放
「推荐系统会根据这个公式给所有影片打分，并将得分最高的影片反馈给用户，」文件中写道。「为简洁起见，本文档所示的公式经过了高度简化。实际使用的公式要复杂得更多，但背后的逻辑是一样的。」
Tiktok公司会通过微调算法系统来识别和打击「求赞」内容——即通过明确请求受众点赞来欺骗算法的影片——以及该公司对更加微妙的问题是如何进行思考的。
「创作者变现」是也是Tiktok公司的目标之一，这表明TikTok可能会在一定程度上偏爱有利可图的影片，而不仅仅考虑其娱乐性。
使用机器学习，TikTok的算法可以根据用户与其他用户集群、他们所喜欢内容的接近程度向用户提供视频。TikTok的逻辑旨在避免可能会让用户感到厌烦的冗余内容，比如看到具有相同音乐的多个视频或来自同一创建者的多个视频。