主唱Cameron Winter在卡內基音樂廳辦了場"極度售罄"的個人演出。臺下觀眾堅信五十年后能跟孫子吹牛：那晚見證了美國音樂史的"開創性時刻"，下一個Bob Dylan誕生了。
問題是：沒人扛得住這種 hype（炒作）。
當《連線》爆料Geese的走紅是場"psyop"（心理戰）時，我爽了——我早就知道！我只隨便聽聽果然是對的！我比所有人都聰明！
但真相從來沒那么簡單。
Geese其實和一家叫Chaotic Good的營銷公司合作。這家公司專門批量制造社交媒體賬號，幫客戶人為制造趨勢。客戶名單還包括TikTok紅人Alex Warren和Zara Larsson。
消息一出，反應兩極：有人感覺被背叛，有人困惑"樂隊做營銷不是很正常嗎"。
Spelman跟《公告牌》解釋得很直白：他們要在足夠多的賬號上發布足夠大的聲量，模擬出"這首歌正在走紅"的假象。
知道這些策略有多普遍后，感覺就像小時候發現牙仙不存在——你大概早有懷疑，但你寧愿相信那個精靈半夜溜進房間的故事，相信每個病毒式成功案例都是童話。
而這套玩法，早被硅谷的初創公司創始人抄走了。
一圖讀懂：假流量產業鏈的運作邏輯
讓我們拆解這張核心圖：Chaotic Good的模式本質是"模擬真實"。
第一層：賬號農場。數千個社交媒體賬號，不是機器人，是精心養出來的"真人感"賬號。有頭像、有歷史、有互動，看起來就是普通用戶。
第二層：內容流水線。trending audio不能直接用，那就改造——把客戶歌曲剪進熱門視頻模板，批量發布。算法看到的是"這首歌正在被人自發使用"，于是推給更多人。
第三層：印象疊加。關鍵不在單個賬號多火，而在"足夠多的賬號×足夠多的曝光"。當用戶刷到第五次"不同的人"用同一首歌，大腦會自動標記為"流行趨勢"。
第四層：真實用戶入場。假流量撬動真流量，早期人造趨勢吸引真實創作者跟風，此時"psyop"完成使命，趨勢自我維持。
Spelman沒說但 implied（暗示）的是：這套系統針對的是平臺的推薦機制漏洞。TikTok的算法不關心流量來源是否"有機"，只關心互動數據。而"看起來像在流行"本身就是最強的流行信號。
為什么初創公司也在抄這套？
音樂產業和科技創業看似無關，但面臨同一個困境：注意力經濟下的冷啟動難題。
新樂隊沒粉絲基礎，新產品沒用戶口碑。傳統營銷太慢， organic growth（有機增長）是奢侈品。而平臺算法又獎勵"已經流行的內容"——這是馬太效應的數字化版本。
解決方案？人造的"已經流行"。
科技圈的做法更隱蔽。不是買假賬號直接刷數據（太容易被抓），而是"模擬早期采用者行為"：在Product Hunt上安排"自然"的上榜節奏，在Reddit上投放"用戶自發"的討論帖，在Twitter上制造"偶然"的病毒截圖。
核心邏輯和Chaotic Good完全一致：不是偽造數據，而是偽造數據的"自然產生過程"。
區別在于，音樂產業的psyop被《連線》曝光了，科技圈的版本還大多藏在"增長黑客"的成功學敘事里。
用戶到底在憤怒什么？
betrayal（背叛感）的來源值得細究。人們不是反對營銷本身——沒人天真到以為樂隊不發新聞稿、不拍MV。
憤怒的是"偽裝的有機性"。Geese的案例之所以刺痛，是因為它冒充了某種稀缺的東西：文化 moments（時刻）的 authenticity（真實性）。
卡內基音樂廳那夜的觀眾，買的不是演唱會門票，是"見證歷史"的敘事期權。如果那夜的"歷史感"是數千個假賬號堆出來的，期權的價值歸零。
更深層的焦慮是認知主權。當你發現"我喜歡這個"的感受可能是被 engineered（工程化）的，自我懷疑隨之而來：哪些是我的真實偏好，哪些是植入的？
這種懷疑沒有邊界。Geese可能是psyop，那去年你循環了三個月的那張專輯呢？那家突然火起來的餐廳呢？那個"偶然"刷到的治愈系博主呢？
Spelman的商業模式能存在，恰恰因為平臺算法無法區分"真實流行"和"模擬流行"。或者說，算法的設計目標不是區分這個，而是最大化 engagement（參與度）。而 engineered 的流行，參與度往往更高——因為它就是被優化過的。
這套系統的脆弱性在哪？
人造趨勢有個致命弱點：需要持續輸血。
真流行有自我維持的 network effects（網絡效應）。披頭士不需要繼續買賬號，他們的歌自己會傳。但Geese如果停止psyop投入，趨勢可能迅速崩塌——因為早期"社交證明"是虛構的，沒有真實的情感連接打底。
這也是Chaotic Good的客戶名單透露的信息：Alex Warren、Zara Larsson都是"TikTok favorites"——平臺原生藝人，算法友好型內容。他們的職業生涯和平臺機制深度綁定，psyop不是作弊，是基礎設施。
對比之下，The Strokes那種"定義一代"的樂隊，崛起路徑完全不同：先是小場地口碑積累，再被傳統媒體放大，最后進入文化記憶。這個過程慢、不可控、無法規模化復制。
兩種模式沒有絕對優劣，但產出的是不同類型的"流行"。一種是可預期的、可購買的、可迭代的；另一種是偶然的、不可復制的、但可能更持久的。
Geese被拿來和The Strokes比較，本身就是psyop的敘事策略——借用已有文化符號的 legitimacy（合法性）。但符號借用是雙刃劍：如果產品撐不起敘事，反噬會更狠。
作為消費者的實用判斷
這件事為什么重要？因為它改變了"發現"的成本結構。
以前，發現好音樂需要投入時間：泡論壇、混現場、聽朋友推薦。這些渠道的 noise-to-signal ratio（信噪比）相對健康，因為參與者有真實興趣作為篩選機制。
現在，"被推到面前"的成本極低，但篩選真偽的成本極高。你節省的探索時間，以另一種形式支付了：不斷質疑"這是不是我真正喜歡的"。
實用的應對不是憤世嫉俗（"一切都是假的"），而是建立個人的驗證機制：
延遲判斷。對突然無處不在的內容保持48小時冷靜期，觀察是否有持續的真實討論，還是只有重復的營銷話術。
追溯源頭。病毒內容的最早傳播節點是誰？如果是批量賬號同時發布，時間戳會暴露協調痕跡。
關注"反指標"。真正有機流行的內容，評論區往往有爭議、有 meme（迷因）變形、有用戶自創的衍生內容。人造趨勢的評論更"正確"——正面的、重復的、缺乏意外。
最重要的是保留"笨拙"的發現渠道。算法推薦優化的是 engagement，不是你的長期滿意度。偶爾關掉推薦，回到人工策展的播放列表、小眾電臺、朋友的實體唱片分享，這些低效的方式反而保護了你的 taste（品味）不被完全外包。
Spelman說藝人不能發 trending audio 因為想推自己的歌——這句話的潛臺詞是：在平臺邏輯里，"自己的歌"和"流行趨勢"是矛盾的。但歷史上最偉大的音樂，往往正是把個人表達變成了新趨勢，而不是追趕現有趨勢。
psyop能模擬流行，但模擬不了那種轉化。這是系統的硬邊界，也是留給真實創作者的空間。
北京
