下载客户端
下载客户端
关于我们 寻求报道 加入我们
AppSo 1-13 09:57

「个性推荐」会让你困在自己的小圈子里吗?| 灵感早读

A 君导读:前段时间的美国总统选举,让网络很多人都在讨论 Facebook 的信息呈现,会不会影响大家投票决策。到底社交网络的「个性化推荐」会不会让我们难以接触到意见相左的人,总是待在自己的小圈子里?

AppSo(微信号 appsolution)今天分享的文章,作者宋一松曾在 Facebook 负责新鲜事个性化排序工作,看看他怎么说。

我的看法:是否「难以接触到意见相左的人」,取决于用户本身是否有开放的心态去包容意见相左的人。这道理在现实生活中成立,在社交网络上也成立,加了「个性化推荐」这种根据用户量身打造的功能更加成立。

下面开始讲故事。

一个来自 Facebook 的实验

2010 年夏天,Facebook 的数据科学团队对随机抽选的 2 亿用户做了一个简单但巧妙的对比实验,来研究我们常说的「回音室效应」:社交网络究竟有没有使我们只听到我们爱听的声音?

实验组用户的新鲜事信息流被动了些手脚:那些来自用户好友的分享链接被随机地隐藏了。通过比较实验组和对照组用户之后的转发/分享行为, Facebook 的数据科学家们得出了几个结论:

  • 结论 1:相比起不太熟的 Facebook 好友(弱关系),用户更愿意转发自己特别亲密的人(强关系)所分享的链接。
  • 结论 2:如果是某个强关系好友分享的链接被 Facebook 隐藏掉,用户自己也容易通过其他渠道看到这个链接。
  • 结论 3:但如果是某个弱关系好友分享的链接被 Facebook 隐藏掉,用户很难再在其他地方发现这个信息。

结论 1 + 结论 2 说明了「回音室效应」的普遍性。「回音室效应」无关于社交网络,无关于个性化推荐,它根植于人性本身:人们总是倾向于认同来自亲密的人的观点

结论 2 + 结论 3 说明了社交网络本身对「回音室效应」的抑制作用。因为我们在社交网络上的大多数好友都是弱关系,在总量上来自弱关系信息的影响力远远超过强联系。所以虽然人们重视强关系,但大部分知识还是来自弱关系

更重要的是,这种抑制作用是只有线上的社交网络才能做到的。如果没有互联网,信息几乎无法在弱关系之间传播,更别提打破回音室了。

社交网络本身不是回音室的创造者,而是回音室的颠覆者。

20150806171757-social-media-iphone-apple-twitter-facebook-instagram

那么,「个性化推荐」做了什么?

首先,先讲清楚一个问题,「个性化推荐」的目的是什么?这些科技公司花大价钱开发推荐算法,绝不是为了个性化而个性化。

准确的说,他们是为了通过个性化推荐提高信息分发的效率,使得用户在网站上更活跃,更有粘性。

更简单的说,他们是为了让用户爽。

从这个角度讲,「个性化推荐」的结果完全取决于用户本身的倾向。如果用户能包容那些和他意见不同的人,喜欢看他们的发言,甚至和他们讨论互动,那么一个正确实现的个性化推荐算法必然会把这些人分享的信息重点推送到用户面前。反之,如果用户只接受那些他认同的意见,长此以往他的信息流里就会只剩这些东西了。

一个追求信息多样化的用户,不需要担心个性化推荐会扭曲他的信息渠道。相反地,基于他生成的个性化推荐必然先天包含信息的多样化。

从来就没有什么救世主

是的,从来就没有救世主,也不存在什么大魔王。信息技术只是工具,充其量算守序中立。即使没有了个性化推荐,用户还是有「屏蔽」和「拉黑」。如果用户包容不了异己,他们早已有充足的手段来给铲除他们,给自己打造完美的回音室,根本轮不上个性化推荐。

是否「难以接触到意见相左的人」,取决于用户本身是否有开放的心态去包容意见相左的人,是否愿意理解现实的复杂,是否愿意欣赏世界的多样,是否愿意撇开立场去接受不同的声音。

这道理在现实生活中成立,在社交网络上也成立。这不是个性化推荐的责任,不是社交网络的责任,这是每个人自己的责任

注:

1. Facebook 的研究:Rethinking Information Diversity in Networks

2. 我关于 Facebook News Feed 排序算法的简单介绍:Facebook Edgerank 的算法是什么?

作者 | 宋一松,Facebook、Uber 前员工
文章已获授权转载,原文链接:社交网络为用户进行「个性化推荐」的做法,是否会导致人们「难以接触到意见相左的人」?

本文由让手机更好用的 AppSo 精选推荐,关注微信号 appsolution,回复「封面」看视频网站为何换换电影封面,就知道你你喜欢看什么。

AppSo qrcode signature

有好的产品或者项目希望我们报道,猛戳这里 寻求报道

文章评论(-)
后参与讨论
正在加载中

过去一年听得最多的歌,没想到是…… | 自爆区 011

1-13 18:57下一篇

大家都说好的贵价 Mac App,不花钱就能体验?

1-12 22:35上一篇