编辑导语：随着网络信息的发展，个性化推荐也逐渐被各个软件所应用。但是大多数用户却对个性化推荐持反感态度，这究竟是为什么呢？本文介绍了个性化推荐的由来以及它的缺点，让我们一起来看看吧！

三月中旬，抖音、今日头条、微信、淘宝、百度、大众点评、微博、小红书等 App ，都陆续上线了算法关闭键，允许用户在后台一键关闭“个性化推荐”功能。另外，微信、大众点评等App还列出了“个人信息收集清单”，明确告知用户有哪些信息已经被平台方收集，并会告诉用户这些信息将被如何分发、使用。

这意味着，用户可以自行选择是否拒绝平台基于浏览记录为其做出的个性化的内容推荐及广告推荐。个性化推荐原本是为了更好满足用户需求而上线的功能，为何沦落至今天广受诟病甚至遭用户一键关闭的地步呢？

一、个性化推荐的溯源

1. 从个性化信息聚合到个性化信息推荐

大数据时代，信息数量呈指数爆炸式增长，信息超载已经成为互联网用户面临的一大难题，用户难以在海量信息中找到自己需要的有用信息。因此，个性化推荐功能应运而生。诸如抖音、今日头条、微博等各大App通过算法对用户行为和关系进行分析，挖掘用户对内容的偏好和潜在需求，通过信息聚合，自动为其生成出符合其需求的信息，从而实现个性化的内容推荐和定制新闻发送。

个性化信息推荐是基于个性化信息聚合的信息推荐模式，对新闻生产机制是一种颠覆性的转变。个性化信息推荐即通过人工智能分析和过滤机制，根据用户个性化需求聚合相关的信息，并以此对信息进行深度智能分析，以实现用户个性化的、动态的需求。

信息聚合已经不再是传统的新闻生产过程中由媒体主导的信息过滤与筛选，而是基于互联网生产逻辑的算法主导的信息聚合，并借助特征分析、语义网等技术的发展，形成了基于个人兴趣的个性化信息合成和推荐模式。

2. 从“我的日报”到“猜你喜欢”

早在1995年，学者尼葛洛庞蒂在《数字化生存》一书中就描绘了这样一幅画面：每个人都可以拥有一份按个人口味定制的虚拟日报，即“我的日报”（The Daily Me）。如今，在大数据挖掘与分析等技术的加持之下，平台得以为每个用户建立“个性化档案”，“我的日报”早已从愿景成为现实。

个性化推荐正是来源于新闻个性化服务，——也有学者称之为定制新闻。新闻机构、资讯平台向用户提供个性化的新闻资讯订阅服务；并通过数据挖掘和机器学习分析用户浏览、收藏、转发、评论新闻资讯的行为，同时结合用户地理位置信息、阅读时间和使用习惯、所订阅的栏目和兴趣点、用户关联的社交媒体数据，实现精准的信息推送。

个性化推荐是新闻个性化服务的重要内容之一，而随着技术的发展和时间的更迭，个性化推荐这一功能早已从新闻媒体新闻讯息延伸至了各大平台各种内容。

例如，以淘宝为代表的电商类平台首页的推荐页面；以网易云为代表的音乐类app的心动模式；以微博为代表的社交媒体的推荐内容……个性化推荐适用范围越来越广泛，功能目的却渐渐发生了偏移，原本为用户而生、为了更好满足用户需求的个性化推荐逐渐成为平台和商家挖掘潜在用户、精准投放广告的工具，用户隐私岌岌可危，甚至逐渐形成了信息茧房。

二、个性化推荐与隐私侵犯

互联网时代，每一个人都像是“裸奔”一般，毫无隐私与秘密可言。这句话看似危言耸听，但其实早已从预言成为现实。随着互联网的发展，个性化推荐已经成为与搜索并列的信息获取方式。隐私数据被随意收集和泄露，是用户在使用互联网过程中，无法避免、又非常头疼的问题。

1. 电商平台的大数据杀熟

当你打开手机上的微博，搜索了一下最近有什么热门的口红色号，给测评博主点了个赞后又打开淘宝，很快发现上一秒才种草的某品牌口红赫然出现在首页的推荐里，打开搜索框，猜你喜欢第一位就是该品牌。你会觉得贴心？打扰？还是一种被长期监视的深深的恐惧呢？相信互联网重度用户对这样的场景早已见怪不怪，人们早已默认自己活在各类App的监视之下，然而，这种监视早已突破界线、变本加厉。

同一机票网购平台，第二次查询的票价往往比第一次要贵；网购App平台的同一商品，经常购买者比第一次购买者价格要高；某个打车软件，同一时间段从家到单位感觉费用越用越高……

此类大数据杀熟案例比比皆是。大数据杀熟是指同样的商品或服务，老客户看到的价格反而要比新客户贵出许多的现象。正是由于经营者采取个性化推荐，运用大数据收集消费者的信息，分析其消费偏好、消费习惯、收入水平等内容，将同一商品服务以不同价格卖给不同消费者从而获取更多利益。

2. 社交媒体的隐私泄露

性别、年龄、家庭住址、学历学籍、工作单位……这些私密的个人信息在互联网时代都不再是秘密。平台为了满足用户的个性化需求而采取个性化推荐，必然要获取用户的个人信息来进行数据的挖掘与分析，但同时，这些个人信息难免被有心之人拿来他用。

你是否经常收到推销商品的骚扰电话却不知道自己的手机号码是如何泄露的？你是否经常收到来自陌生人的添加微信好友提示却根本不知道对方是谁？隐私泄露已经成为了影响用户的最大问题之一。

三、个性化推荐与信息茧房

1. 信息茧房来源及定义

信息茧房这个概念最早来自美国学者桑斯坦，他在《信息乌托邦—众人如何生产知识》一书中提出，信息茧房意味着我们只听我们选择和愉悦我们的东西。

如今，人们逐渐迈入大数据、数字化、信息化时代，个性化信息服务慢慢兴起，平台根据用户信息和使用记录利用算法对海量信息进行选择与过滤，选择与用户相关的、用户可能喜欢的、用户可能需要的信息，过滤与用户无关的、用户可能不喜欢的、用户可能不需要的信息，传递到用户面前，最终加剧信息茧房的形成。

例如，当某人长期在抖音观看美食类视频之后，他很快会惊奇地发现抖音推荐给他的都将是美食类视频，很少能看到其他颜值类、歌舞类、搞笑类视频，这正是个性化推荐在作祟，给他构建了美食类视频的信息茧房。

在更早出版的《网络共和国》一书中，桑斯坦也表达了对科技力量带来的消费者过滤所读所看所听的越来越强大力量的担忧与反思。而后来另一研究者提出的过滤气泡这一概念更是直接强调了信息过滤对用户的影响。

2. 过滤机制构成茧房

过滤气泡概念最早由互联网活动家帕里泽2011年在其著作《过滤气泡：互联网没有告诉你的事》中提出。他发现搜索引擎可以随时了解用户偏好，并过滤掉异质信息，为用户打造个性化的信息世界，但同时也会筑起信息和观念的“隔离墙”，令用户身处在一个“网络泡泡”的环境中，阻碍多元化观点的交流。他将此称为过滤气泡。过滤气泡与信息茧房异曲同工，二者共同强调了过滤机制给用户带来的信息同质化风险。这种信息同质化风险实质上来源于人们的选择性心理。

美国学者拉扎斯菲尔德等人通过研究1940年美国大选发现，人们原本的政治倾向在很大程度上影响着他们的媒介接触行为，受众更倾向于接触那些与自己原有立场、态度一致或接近的内容。选择性接触的结果不是导致原有态度的改变，而有可能是强化原有态度。

后来的传播学者，将受众的选择性心理分为选择性接触（包括选择性注意）、选择性理解与选择性记忆等几个层面，心理学领域的研究也证明了选择性心理的存在。

在个性化信息服务越来越盛行、个性化推荐功能愈演愈烈的今天，不仅平台算法的过滤机制会造成信息茧房，人们的选择性心理也会导致自我信息过滤，筛选掉和原有态度不一致的信息，最终构成信息茧房。

3. 算法优化有效破茧

目前主要的个性化推荐算法包括基于内容的推荐、协同过滤推荐、基于知识的推荐、基于网络结构的推荐、混合推荐等。

个性化推荐算法的作用原本是过滤掉它认为某个特定对象不需要的内容，以提高内容与用户需求的匹配度，降低用户获取有效信息的成本，但无形之中构成了用户的信息茧房，使得用户无法获取茧房之外的其他有效信息，甚至可能造成用户信息被泄露、隐私被侵犯等严重问题，逐渐沦为商家投放广告、获取消费者的工具，背离了以用户为主、从用户利益出发的初衷。

要使个性化推荐功能回到原来的轨道，除了近日各大平台上线的“一键关闭”功能一劳永逸之外，还可以尝试通过算法优化的方式破除信息茧房。

以往的个性化推荐算法或者直接针对个体以往的行为偏好，或者基于同类人群的偏好，都在较大的程度上强调个体或群体的既有兴趣，这就可能形成对个体偏好的不断强化、放大，用户被同类信息包围的机率也会加大。

而倘若调整现有算法机制，并混合多种算法机制，例如增添基于知识的推荐算法、基于用户社会关系网络的推荐算法、基于平台大多数用户的兴趣爱好的推荐算法等，则可能有利于打破用户的偏好与已有习惯，帮助他们发现更多有价值的、有助于拓展他们视野的信息，最终有效破除信息茧房。

个性化推荐功能好似一把双刃剑，一方面，它能够较好地满足用户的需求、使得用户高效快捷获取所需信息；另一方面，它在无形之中为用户构建了信息茧房，甚至造成用户隐私泄露、大数据杀熟等风险。

要使个性化推荐功能发挥其长处、避免其短处，“一键关闭”或许并不是最优路线，唯有用户主动自觉提高隐私保护与破茧意识、平台方以用户需求为首要目的、算法持续优化发展等策略多管齐下或许才可彻底解决这一问题。

作者：杨枝甘露寺；公众号：NewMediaLab

原文链接：https://mp.weixin.qq.com/s/W8OCZz2DASSG-L-8pD4uwA

本文由 @NewMediaLab 授权发布于人人都是产品经理。未经许可，禁止转载。

题图来自Unsplash，基于CC0协议。