劉自昌

（作者單位：消費日報社）

1 算法推薦機制的背景

算法推薦機制的產(chǎn)生背景與技術(shù)的應(yīng)用緊密相連。傳統(tǒng)媒體時代，新聞傳播趨向于“我說你聽”的模式，用戶難以獲取自身需要的新聞信息，存在一定的門檻，缺乏一定的自主選擇權(quán)。新媒體時代，用戶可以在網(wǎng)絡(luò)上不受時空限制獲取新聞信息，或者檢索自己需要的內(nèi)容，進行知識的補給。智能媒體時代，海量信息充斥，用戶成為互聯(lián)網(wǎng)上的節(jié)點，需要接收過濾后的信息來進行精準(zhǔn)化獲取，因此算法推薦有了應(yīng)用的空間。

1.1 第四次工業(yè)革命的推動

第一次工業(yè)革命，開創(chuàng)了以機器代替手工勞動的時代。第二次工業(yè)革命，人類進入“電氣時代”。第三次工業(yè)革命中計算機的出現(xiàn)拓展了新聞傳播的邊界，報紙、電視、廣播并未消失，而是與互聯(lián)網(wǎng)并存，實現(xiàn)多媒體、多介質(zhì)傳播。用戶的接收內(nèi)容不再局限于同一種介質(zhì)，而是擁有了介質(zhì)的選擇權(quán)。第四次工業(yè)革命以信息化為主導(dǎo)，人工智能、大數(shù)據(jù)、云計算、云媒體應(yīng)用到公眾的生活中，技術(shù)的加持讓公眾實現(xiàn)看見與被看見的權(quán)利，用戶既可以是傳播者、行為的塑造者、虛擬人生的打造者，也是新聞信息的接收者、“涵化”的實施者。但在這一過程中，一些用戶陷入技術(shù)陷阱中，成為資本逐利的犧牲品。所以，智能媒體的出現(xiàn)是機遇也是挑戰(zhàn)，如果能夠把握機遇，迎難而上，將會為用戶帶來全景、交互的感受；如果僅僅看到技術(shù)不好的一面，那么人們就會受到技術(shù)的裹挾。

1.2 主流媒體的話語轉(zhuǎn)變

主流媒體以傳播主流價值觀為出發(fā)點，聚焦國內(nèi)外信息，篩選后再傳播，實現(xiàn)滲透式的傳播效果。但是隨著人類社會的發(fā)展，傳統(tǒng)媒體的傳播地位逐漸被新媒體、智媒體削弱。智媒體時代，用戶的主體地位上升，媒介素養(yǎng)加強，更加注重個人接收新聞的體驗。用戶在接收新聞內(nèi)容時，以個人的興趣愛好為出發(fā)點，選擇個性化的內(nèi)容進行接收。主流媒體需要與自媒體、新媒體共同競爭，獲取用戶的注意。隨著媒體融合的不斷深入以及算法技術(shù)的成熟，主流媒體轉(zhuǎn)變“我說你聽”的話語模式，利用“網(wǎng)言網(wǎng)語”拉近與用戶間的距離，進行自身的話語轉(zhuǎn)變。面對以受眾為中心的新聞傳播環(huán)境，主流媒體要更加了解受眾、更精準(zhǔn)地把握受眾需求，以人性化思維和主動服務(wù)理念積極開展新聞傳播工作，通過提高新聞信息傳播與推送的精準(zhǔn)度，全面提升受眾黏性[1]。

1.3 社交媒體“用戶至上”的理念更新

隨著大數(shù)據(jù)、人工智能、云計算、邊緣計算的出現(xiàn)，用戶的主體意識不斷增強，更加喜歡個性化的內(nèi)容。眾所周知，社交媒體可以將強關(guān)系與弱關(guān)系并存，實現(xiàn)關(guān)系鏈條的傳播。突發(fā)熱點事件能夠在社交媒體中實現(xiàn)病毒式的傳播，達到裂變的傳播效果。社交媒體之所以能夠?qū)崿F(xiàn)裂變式的傳播效果，是因為社交媒體推崇用戶至上的理念。社交媒體將用戶作為生存的基礎(chǔ)，例如，用戶的瀏覽量、點贊量等都是社交媒體盈利的籌碼。社交媒體根據(jù)粉絲數(shù)量吸引廣告商的注意，進而完成利益的轉(zhuǎn)換。我國新聞事業(yè)是社會主義性質(zhì)的新聞事業(yè)，“確保新聞?wù)鎸崱笔俏覈侣勈聵I(yè)的光榮傳統(tǒng)，打擊、治理虛假新聞、新聞敲詐，則是媒體管理和社會治理的重要任務(wù)[2]。除此之外，社交媒體也利用算法推薦技術(shù)建立新聞網(wǎng)絡(luò)，傳播社會主義主流價值觀，吸引用戶的注意。用戶根據(jù)自己的行為習(xí)慣、興趣愛好，自覺或不自覺地被社交媒體上的信息吸引，沉浸式使用社交媒體。

2 算法推薦機制的運行邏輯

算法推薦機制的運行邏輯需要以技術(shù)為主導(dǎo)，用戶為輔助，共同完成算法推薦機制的過程。從信息的傳播過程來看，算法推薦機制的運行邏輯包含新聞采集、內(nèi)容分發(fā)、利益權(quán)衡以及交互反饋。算法推薦機制的運行邏輯看似沒有情感的接入，僅僅是依托工具理性，但實則植入了算法推薦工程師、算法推薦平臺的情感，進行了利益取舍。

2.1 新聞采集

智能算法推薦改變著個體用戶的信息體驗和認(rèn)知習(xí)慣，也改變著整個社會的信息結(jié)構(gòu)和傳播秩序[3]。傳統(tǒng)媒體時代，新聞采集經(jīng)過記者和編輯的選擇、加工、審核后進入大眾視野，建構(gòu)新聞圖景。智媒時代，新聞的采寫主體包括擁有專業(yè)背景的新聞人士、寫稿機器人等，呈多元化的趨勢。新聞主體的多元決定了新聞采集的復(fù)雜與多變，利用人工智能不僅能夠降低人力成本，也會將算法技術(shù)發(fā)揮極致。在新聞采集方面，新聞把關(guān)的轉(zhuǎn)移使得媒體將用戶納入新聞的制作過程，需要了解用戶的相關(guān)數(shù)據(jù)進行分類，進而實現(xiàn)新聞信息與用戶的精準(zhǔn)匹配。在新聞采集的流程上，以用戶畫像為出發(fā)點，建構(gòu)新聞的景觀。用戶畫像建構(gòu)的新聞觀是局部新聞的搬運，忽略了新聞全貌的呈現(xiàn)。如果一味地根據(jù)用戶的特質(zhì)提供新聞，如果用戶本身存在偏見性的認(rèn)知，新聞也會隨之帶有偏見性的感情色彩，違背新聞客觀、真實的原則。長此以往，新聞就會成為用戶相互攻擊的工具。

2.2 內(nèi)容分發(fā)

新聞的內(nèi)容涉及領(lǐng)域廣泛，包含時政、民生、科技等領(lǐng)域。今日頭條號稱“新聞的搬運工”，將傳統(tǒng)媒體、新媒體的新聞搬運到平臺中，平臺將新聞信息匯總，進行分類整理，實行精準(zhǔn)化分發(fā)。算法推薦的分發(fā)機制將用戶作為數(shù)據(jù)的主體，進行用戶評估，給數(shù)據(jù)化的用戶加上“標(biāo)簽”，用戶不再是傳統(tǒng)意義上的受眾群體，而是被模式化的數(shù)字人，用戶的喜好不再是個性化的彰顯，而是同類群體需求的再現(xiàn)。算法推薦將用戶歸結(jié)為標(biāo)簽化的群體，從而將匯總的內(nèi)容進行標(biāo)簽化精準(zhǔn)推送。用戶打開新聞頁面出現(xiàn)“千人千面”的現(xiàn)象，久而久之形成互聯(lián)網(wǎng)空間下的碎片化現(xiàn)象，不利于公共輿論的引導(dǎo)與整合。真正的個人空間和私域消失，某種程度上人在數(shù)據(jù)世界里變成了透明人，一種數(shù)字意義上的“全景監(jiān)控”成為可能，海量信息采集意味著海量的監(jiān)控[4]。新聞內(nèi)容的分發(fā)隨著用戶的不同，內(nèi)容選擇也會不同，每個人看到的新聞都是經(jīng)過過濾、加工的信息，個性化色彩濃厚。新聞單位應(yīng)該重視共性新聞的呈現(xiàn)，針對重大公共事件或其他需要每一位用戶了解的信息，可以設(shè)置公共信息界面，保證用戶能夠接收到共性新聞，有共同的語義空間。

2.3 利益權(quán)衡

我國的新聞媒體具有雙重屬性，事業(yè)屬性與商業(yè)屬性結(jié)合，共同傳遞新聞價值。社交媒體也需要盈利，傳遞信息時也需要考慮利益權(quán)衡，因此，社交媒體中出現(xiàn)大數(shù)據(jù)“殺熟”這一問題。大數(shù)據(jù)利用數(shù)據(jù)計算出用戶的喜好、生活習(xí)慣以及推算出用戶的收入情況，進行標(biāo)簽化的處理，用戶長時間對社交媒體產(chǎn)生依賴，進而容易掉入大數(shù)據(jù)殺熟的陷阱。例如，某商業(yè)平臺根據(jù)會員和非會員身份差別來進行預(yù)判，由于會員作為老用戶消費頻率通常較高，對平臺依賴度也相對較高，平臺會判定其價格敏感度相對較低，結(jié)果會員的配送費是非會員的3倍[5]。除此之外，算法推薦還存在算法黑箱的問題。算法黑箱的運行邏輯同樣是利用大數(shù)據(jù)，將用戶的數(shù)據(jù)進行搜集、整理、分析，前臺將用戶數(shù)據(jù)化，從而植入算法工程師的價值觀和利益觀。用戶被動接收社交媒體推薦的相關(guān)新聞內(nèi)容，淪為算法的工具。面對算法帶來的負(fù)面影響，有關(guān)部門和用戶應(yīng)該重視，不能讓技術(shù)凌駕于法律之上，可以頒布相關(guān)的法律法規(guī)約束算法，保證公民的權(quán)利。

2.4 交互反饋

算法推薦的數(shù)據(jù)來源是用戶對于推送信息的反饋。用戶對于信息的瀏覽、點贊、評論、收藏都是對于信息內(nèi)容的態(tài)度體現(xiàn)。算法推薦機制根據(jù)用戶在社交網(wǎng)絡(luò)上的數(shù)據(jù)進行計算并完成分類，形成精準(zhǔn)化的用戶推薦機制。用戶對于算法推薦機制計算的結(jié)果進行二次反饋，算法推薦機制不斷調(diào)整，形成用戶喜好的“個人日記”，實現(xiàn)信息與用戶的反復(fù)交互與反饋。隨著場景時代的到來，用戶的反饋不局限于社交媒體內(nèi)在的作用模式，除了敘事，場景也是非理性敘事起作用的重要支點[6]。場景能夠?qū)F(xiàn)實世界虛擬化，達到超真實的效果。用戶在社交平臺上構(gòu)建現(xiàn)實世界的圖景，增強了對平臺的依賴性。用戶的身體語言也拓展至眼神、微表情以及無意識的肢體語言，數(shù)據(jù)實時跟蹤分析用戶的肢體語言，轉(zhuǎn)變?yōu)樗惴ㄕZ言進行評估，生成肢體化的數(shù)據(jù)報告。算法工程師根據(jù)數(shù)據(jù)報告調(diào)整對于用戶的推薦機制，再次發(fā)布信息流，與用戶進行互動。算法的交互反饋突破紙質(zhì)媒體視覺傳達的限制，能夠為用戶提供音頻、聲頻等形式，豐富用戶的感官體驗。用戶在接收信息的時候，能夠身臨其境，感受新聞現(xiàn)場的氛圍，增強對于新聞的內(nèi)化，強化新聞傳播的效果。

3 算法推薦機制的實踐

3.1 社交媒體圈層推送

社交媒體中包含社群傳播、熱點傳播以及節(jié)點化的熟人傳播。其中社群傳播利用算法推薦技術(shù)，將用戶的收入情況、消費情況進行圈層化的區(qū)隔，根據(jù)社群的特點，借助群體傳播的優(yōu)勢進行群像化的算法推薦。用戶在群體的約束下，無意識行為與有意識行為交叉決定用戶自身的選擇。社群的凝聚力也隨著算法推薦的滲透變得加強，成為社會輿論爆發(fā)的節(jié)點，主流媒體的引導(dǎo)成本增加。社交媒體中的熱點傳播更多通過熱點事件引起用戶的情感共鳴，將用戶群體聚集在熱點話題之下，熱點之下的群體聚合也將是圈層化傳播的體現(xiàn)。節(jié)點化的熟人傳播模式更多出現(xiàn)在微信的使用中，連接現(xiàn)實世界與虛擬世界，體現(xiàn)現(xiàn)實生活中的社會關(guān)系。現(xiàn)實世界的關(guān)系網(wǎng)映射出用戶的行為特點，進而形成群體化的區(qū)隔，成為算法推薦的對象，貢獻出個人的情感數(shù)據(jù)與行為數(shù)據(jù)。算法推薦技術(shù)恰好符合資本的商業(yè)邏輯，數(shù)據(jù)化與系統(tǒng)的算法技術(shù)處理，帶來了“個性化”的深度發(fā)掘、精準(zhǔn)推送與廣告投放，意味著市場的細(xì)化與商業(yè)利益更廣泛的實現(xiàn)[7]。

3.2 主流媒體的內(nèi)容輸送

社交媒體能夠聚集用戶形成黏性傳播。傳統(tǒng)媒體急需轉(zhuǎn)型，借助社交媒體吸引更多粉絲群體，加強話語權(quán)。傳統(tǒng)媒體入駐社交媒體，轉(zhuǎn)變話語形態(tài)，適當(dāng)采用“網(wǎng)言網(wǎng)語”，適應(yīng)短視頻的特點，規(guī)避以往文字傳播的局限性帶來的用戶缺失。傳統(tǒng)媒體也要通過媒體監(jiān)測用戶的數(shù)據(jù)，進行輿情的研判。監(jiān)測過程中，搜集用戶的行為數(shù)據(jù)與情感數(shù)據(jù)，對用戶群體進行畫像，群體畫像結(jié)束后將數(shù)據(jù)化的群體進行標(biāo)簽化分類，根據(jù)標(biāo)簽向用戶推送個性化的新聞?！叭斯ぶ悄芫庉嫴俊币呀?jīng)實現(xiàn)對央視網(wǎng)全域數(shù)據(jù)的智能采集，日均采集數(shù)據(jù)量高達20多億條，成為當(dāng)前國內(nèi)主流媒體中最大的數(shù)據(jù)采集中心[8]。除此之外，傳統(tǒng)媒體承擔(dān)傳遞主流價值觀，進行輿論引導(dǎo)的任務(wù)。在社交媒體中，傳統(tǒng)媒體賬號創(chuàng)新傳播形式，適應(yīng)傳播環(huán)境，將主流價值觀融入社交媒體中，實現(xiàn)輿論引導(dǎo)。

3.3 用戶群體的自我解碼

用戶是傳播的終端接收者，也是傳播效果的承載者。傳統(tǒng)媒體時代，受眾選擇新聞內(nèi)容的空間狹小，難以體現(xiàn)受眾在傳播過程中的地位。新媒體時代，受眾向用戶轉(zhuǎn)變，擁有看見與被看見的權(quán)利，在網(wǎng)絡(luò)空間有更大的選擇范圍。智媒體時代，人被智能化，成為賽博格人，人與人傳播信息逐漸擴大到人與物傳遞信息，達到交互縱橫的傳播格局。用戶群體在傳播過程中實現(xiàn)從“我播你聽”到“自主選擇”再到“智能化接收”的轉(zhuǎn)變。用戶的興趣愛好、圈層位置也都成為智能時代傳播的信息。新媒體時代，用戶在“自我選擇”下難免出現(xiàn)“瓦釜效應(yīng)”。智媒體時代，云計算、邊緣計算等將用戶的自我選擇轉(zhuǎn)變?yōu)橛脩舻淖晕医獯a，用戶只需要在社交平臺中根據(jù)內(nèi)容進行瀏覽、點贊以及收藏分享，算法就會分析出用戶的內(nèi)容傾向，幫助用戶實現(xiàn)自我解碼，從而進行精準(zhǔn)化的信息匹配。用戶對于社交媒體中的信息推薦不滿，也可通過“不感興趣”這一選項實現(xiàn)內(nèi)容的去除，在機器與用戶的共同配合下，實現(xiàn)用戶的喜好的精準(zhǔn)解碼。用戶是信息的接收方，具有一定的自主性，如果在新聞分發(fā)前調(diào)動用戶的自主性，用戶主動搜索、瀏覽新聞，表明用戶需要新聞，具備一定的用戶黏性。

算法推薦機制雖然方便用戶搜集信息，節(jié)省用戶的時間，增加用戶對于平臺的使用頻率，精準(zhǔn)“畫出”用戶的畫像。但是算法推薦機制也存在算法黑箱、大數(shù)據(jù)殺熟等問題，不利于輿論的引導(dǎo)與公民權(quán)利的維護，這就需要政府、媒體、用戶加強對于算法的認(rèn)知。監(jiān)管部門也要出臺相關(guān)法律法規(guī)，規(guī)制技術(shù)的應(yīng)用，讓技術(shù)助力人類社會的發(fā)展。