頭部app關閉個性化推薦演算法,使用者終於逃離資訊繭房?|行業聚焦

編輯導語:隨著網路資訊的發展,個性化推薦也逐漸被各個軟體所應用。但是大多數使用者卻對個性化推薦持反感態度,這究竟是為什麼呢?本文介紹了個性化推薦的由來以及它的缺點,讓我們一起來看看吧!

頭部app關閉個性化推薦演算法,使用者終於逃離資訊繭房?|行業聚焦

三月中旬,抖音、今日頭條、微信、淘寶、百度、大眾點評、微博、小紅書等 App ,都陸續上線了演算法關閉鍵,允許使用者在後臺一鍵關閉“個性化推薦”功能。另外,微信、大眾點評等App還列出了“個人資訊收集清單”,明確告知使用者有哪些資訊已經被平臺方收集,並會告訴使用者這些資訊將被如何分發、使用。

這意味著,使用者可以自行選擇是否拒絕平臺基於瀏覽記錄為其做出的個性化的內容推薦及廣告推薦。個性化推薦原本是為了更好滿足使用者需求而上線的功能,為何淪落至今天廣受詬病甚至遭使用者一鍵關閉的地步呢?

一、個性化推薦的溯源

1. 從個性化資訊聚合到個性化資訊推薦

大資料時代,資訊數量呈指數爆炸式增長,資訊超載已經成為網際網路使用者面臨的一大難題,使用者難以在海量資訊中找到自己需要的有用資訊。因此,個性化推薦功能應運而生。諸如抖音、今日頭條、微博等各大App透過演算法對使用者行為和關係進行分析,挖掘使用者對內容的偏好和潛在需求,透過資訊聚合,自動為其生成出符合其需求的資訊,從而實現個性化的內容推薦和定製新聞傳送。

個性化資訊推薦是基於個性化資訊聚合的資訊推薦模式,對新聞生產機制是一種顛覆性的轉變。個性化資訊推薦即透過人工智慧分析和過濾機制,根據使用者個性化需求聚合相關的資訊,並以此對資訊進行深度智慧分析,以實現使用者個性化的、動態的需求。

資訊聚合已經不再是傳統的新聞生產過程中由媒體主導的資訊過濾與篩選,而是基於網際網路生產邏輯的演算法主導的資訊聚合,並藉助特徵分析、語義網等技術的發展,形成了基於個人興趣的個性化資訊合成和推薦模式。

2. 從“我的日報”到“猜你喜歡”

早在1995年,學者尼葛洛龐蒂在《數字化生存》一書中就描繪了這樣一幅畫面:每個人都可以擁有一份按個人口味定製的虛擬日報,即“我的日報”(The Daily Me)。如今,在大資料探勘與分析等技術的加持之下,平臺得以為每個使用者建立“個性化檔案”,“我的日報”早已從願景成為現實。

個性化推薦正是來源於新聞個性化服務,——也有學者稱之為定製新聞。新聞機構、資訊平臺向用戶提供個性化的新聞資訊訂閱服務;並透過資料探勘和機器學習分析使用者瀏覽、收藏、轉發、評論新聞資訊的行為,同時結合使用者地理位置資訊、閱讀時間和使用習慣、所訂閱的欄目和興趣點、使用者關聯的社交媒體資料,實現精準的資訊推送。

個性化推薦是新聞個性化服務的重要內容之一,而隨著技術的發展和時間的更迭,個性化推薦這一功能早已從新聞媒體新聞訊息延伸至了各大平臺各種內容。

例如,以淘寶為代表的電商類平臺首頁的推薦頁面;以網易云為代表的音樂類app的心動模式;以微博為代表的社交媒體的推薦內容……個性化推薦適用範圍越來越廣泛,功能目的卻漸漸發生了偏移,原本為使用者而生、為了更好滿足使用者需求的個性化推薦逐漸成為平臺和商家挖掘潛在使用者、精準投放廣告的工具,使用者隱私岌岌可危,甚至逐漸形成了資訊繭房。

頭部app關閉個性化推薦演算法,使用者終於逃離資訊繭房?|行業聚焦

二、個性化推薦與隱私侵犯

網際網路時代,每一個人都像是“裸奔”一般,毫無隱私與秘密可言。這句話看似危言聳聽,但其實早已從預言成為現實。隨著網際網路的發展,個性化推薦已經成為與搜尋並列的資訊獲取方式。隱私資料被隨意收集和洩露,是使用者在使用網際網路過程中,無法避免、又非常頭疼的問題。

1. 電商平臺的大資料殺熟

當你開啟手機上的微博,搜尋了一下最近有什麼熱門的口紅色號,給測評博主點了個贊後又開啟淘寶,很快發現上一秒才種草的某品牌口紅赫然出現在首頁的推薦裡,開啟搜尋框,猜你喜歡第一位就是該品牌。你會覺得貼心?打擾?還是一種被長期監視的深深的恐懼呢?相信網際網路重度使用者對這樣的場景早已見怪不怪,人們早已預設自己活在各類App的監視之下,然而,這種監視早已突破界線、變本加厲。

頭部app關閉個性化推薦演算法,使用者終於逃離資訊繭房?|行業聚焦

同一機票網購平臺,第二次查詢的票價往往比第一次要貴;網購App平臺的同一商品,經常購買者比第一次購買者價格要高;某個打車軟體,同一時間段從家到單位感覺費用越用越高……

此類大資料殺熟案例比比皆是。大資料殺熟是指同樣的商品或服務,老客戶看到的價格反而要比新客戶貴出許多的現象。正是由於經營者採取個性化推薦,運用大資料收集消費者的資訊,分析其消費偏好、消費習慣、收入水平等內容,將同一商品服務以不同價格賣給不同消費者從而獲取更多利益。

頭部app關閉個性化推薦演算法,使用者終於逃離資訊繭房?|行業聚焦

2. 社交媒體的隱私洩露

性別、年齡、家庭住址、學歷學籍、工作單位……這些私密的個人資訊在網際網路時代都不再是秘密。平臺為了滿足使用者的個性化需求而採取個性化推薦,必然要獲取使用者的個人資訊來進行資料的挖掘與分析,但同時,這些個人資訊難免被有心之人拿來他用。

你是否經常收到推銷商品的騷擾電話卻不知道自己的手機號碼是如何洩露的?你是否經常收到來自陌生人的新增微信好友提示卻根本不知道對方是誰?隱私洩露已經成為了影響使用者的最大問題之一。

三、個性化推薦與資訊繭房

1. 資訊繭房來源及定義

資訊繭房這個概念最早來自美國學者桑斯坦,他在《資訊烏托邦—眾人如何生產知識》一書中提出,資訊繭房意味著我們只聽我們選擇和愉悅我們的東西。

如今,人們逐漸邁入大資料、數字化、資訊化時代,個性化資訊服務慢慢興起,平臺根據使用者資訊和使用記錄利用演算法對海量資訊進行選擇與過濾,選擇與使用者相關的、使用者可能喜歡的、使用者可能需要的資訊,過濾與使用者無關的、使用者可能不喜歡的、使用者可能不需要的資訊,傳遞到使用者面前,最終加劇資訊繭房的形成。

例如,當某人長期在抖音觀看美食類影片之後,他很快會驚奇地發現抖音推薦給他的都將是美食類影片,很少能看到其他顏值類、歌舞類、搞笑類影片,這正是個性化推薦在作祟,給他構建了美食類影片的資訊繭房。

在更早出版的《網路共和國》一書中,桑斯坦也表達了對科技力量帶來的消費者過濾所讀所看所聽的越來越強大力量的擔憂與反思。而後來另一研究者提出的過濾氣泡這一概念更是直接強調了資訊過濾對使用者的影響。

2. 過濾機制構成繭房

過濾氣泡概念最早由網際網路活動家帕裡澤2011年在其著作《過濾氣泡:網際網路沒有告訴你的事》中提出。他發現搜尋引擎可以隨時瞭解使用者偏好,並過濾掉異質資訊,為使用者打造個性化的資訊世界,但同時也會築起資訊和觀念的“隔離牆”,令使用者身處在一個“網路泡泡”的環境中,阻礙多元化觀點的交流。他將此稱為過濾氣泡。過濾氣泡與資訊繭房異曲同工,二者共同強調了過濾機制給使用者帶來的資訊同質化風險。

這種資訊同質化風險實質上來源於人們的選擇性心理。

美國學者拉扎斯菲爾德等人透過研究1940年美國大選發現,人們原本的政治傾向在很大程度上影響著他們的媒介接觸行為,受眾更傾向於接觸那些與自己原有立場、態度一致或接近的內容。選擇性接觸的結果不是導致原有態度的改變,而有可能是強化原有態度。

後來的傳播學者,將受眾的選擇性心理分為選擇性接觸(包括選擇性注意)、選擇性理解與選擇性記憶等幾個層面,心理學領域的研究也證明了選擇性心理的存在。

在個性化資訊服務越來越盛行、個性化推薦功能愈演愈烈的今天,不僅平臺演算法的過濾機制會造成資訊繭房,人們的選擇性心理也會導致自我資訊過濾,篩選掉和原有態度不一致的資訊,最終構成資訊繭房。

3. 演算法最佳化有效破繭

目前主要的個性化推薦演算法包括基於內容的推薦、協同過濾推薦、基於知識的推薦、基於網路結構的推薦、混合推薦等。

個性化推薦演算法的作用原本是過濾掉它認為某個特定物件不需要的內容,以提高內容與使用者需求的匹配度,降低使用者獲取有效資訊的成本,但無形之中構成了使用者的資訊繭房,使得使用者無法獲取繭房之外的其他有效資訊,甚至可能造成使用者資訊被洩露、隱私被侵犯等嚴重問題,逐漸淪為商家投放廣告、獲取消費者的工具,背離了以使用者為主、從使用者利益出發的初衷。

要使個性化推薦功能回到原來的軌道,除了近日各大平臺上線的“一鍵關閉”功能一勞永逸之外,還可以嘗試透過演算法最佳化的方式破除資訊繭房。

以往的個性化推薦演算法或者直接針對個體以往的行為偏好,或者基於同類人群的偏好,都在較大的程度上強調個體或群體的既有興趣,這就可能形成對個體偏好的不斷強化、放大,使用者被同類資訊包圍的機率也會加大。

而倘若調整現有演算法機制,並混合多種演算法機制,例如增添基於知識的推薦演算法、基於使用者社會關係網路的推薦演算法、基於平臺大多數使用者的興趣愛好的推薦演算法等,則可能有利於打破使用者的偏好與已有習慣,幫助他們發現更多有價值的、有助於拓展他們視野的資訊,最終有效破除資訊繭房。

個性化推薦功能好似一把雙刃劍,一方面,它能夠較好地滿足使用者的需求、使得使用者高效快捷獲取所需資訊;另一方面,它在無形之中為使用者構建了資訊繭房,甚至造成使用者隱私洩露、大資料殺熟等風險。

要使個性化推薦功能發揮其長處、避免其短處,“一鍵關閉”或許並不是最優路線,唯有使用者主動自覺提高隱私保護與破繭意識、平臺方以使用者需求為首要目的、演算法持續最佳化發展等策略多管齊下或許才可徹底解決這一問題。

作者:楊枝甘露寺;公眾號:NewMediaLab

原文連結:https://mp。weixin。qq。com/s/W8OCZz2DASSG-L-8pD4uwA

本文由 @NewMediaLab 授權釋出於人人都是產品經理。未經許可,禁止轉載。

題圖來自Unsplash,基於CC0協議。

頂部