从Geese事件拆解：假流量产业的四层架构与算法漏洞

2024年9月，布鲁克林乐队Geese的专辑《GettingKilled》发售。一个名不见经传的独立摇滚团体，如何在数周内完成从地下到卡内基音乐厅的跨越？答案藏在一家叫ChaoticGood的营销公司手里。

时间回溯：被曝光的psyop

《连线》的调查揭开了这层面纱：Geese的走红并非有机传播，而是一场精心策划的心理战。ChaoticGood的运作模式很简单——用数千个精心养护的社交账号，在同一时间节点发布同一内容，制造“这首歌正在流行”的假象。

这种操作有个专业术语：psyop，原指军事心理战。但在音乐营销语境里，它指的是通过操控信息环境，影响大众对某件事物“热度”的判断。

关键节点：账号农场的技术拆解

ChaoticGood的商业模式可以分解为四个技术层级：

第一层是账号农场。这些账号不是简单的机器人，而是经过“养号”处理的真人感账号——有头像、有发帖历史、有互动记录，看起来就是普通用户。这一步的技术门槛在于如何绕过平台的异常检测机制。

第二层是内容流水线。Trendingaudio不能直接使用，但可以把客户歌曲嵌入热门视频模板，批量生产伪原创内容。算法看到的是“这首歌正在被大量用户自发使用”，于是推送给更多用户。

第三层是印象叠加。单个账号的声量有限，但关键在于足够多的账号×足够多的曝光。当用户第五次刷到“不同的人”使用同一首歌时，大脑会自动将其标记为流行趋势。

第四层是真实用户入场。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。

方法提炼：算法漏洞的本质

Spelman的商业逻辑指向一个核心问题：TikTok的推荐算法不关心流量来源是否有机，只关心互动数据。“看起来像在流行”本身就是最强的流行信号。

这是一个典型的正反馈循环：人造趋势产生初始数据→算法放大曝光→真实用户被吸引→更多数据→更大曝光。算法被设计为“发现并放大流行”，而非“验证流行真实性”。

应用指导：初创公司的抄袭路径

这套玩法的变体已被硅谷初创公司广泛采用。区别在于，科技圈的做法更隐蔽：不是买假账号直接刷数据，而是“模拟早期采用者行为”。

具体手段包括：在ProductHunt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。核心逻辑完全一致——不是伪造数据，而是伪造数据的“自然产生过程”。

音乐产业的psyop被《连线》曝光，科技圈的版本还藏在“增长黑客”的成功学叙事里。但本质都是对平台推荐机制漏洞的精准利用。

系统的硬边界

人造趋势有个致命弱点：需要持续输血。真正的流行有自我维持的网络效应，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。

这也是判断真伪的核心指标：真正有机流行的内容，评论区往往有争议、有meme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。

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。