前段时间，Kong阅读了一篇文章《淘宝搜索正在“杀死”淘宝》，有一些关于信息推荐机制的思考。
算法推荐之下，每个人是用户也是囚徒。
在数字化浪潮中，算法推荐无处不在，它如同一把双刃剑，既为我们带来便利，又将我们困于无形的牢笼。
一、算法推荐下的信息囚牢
在电商领域，以淘宝为代表的购物平台推荐机制，淋漓尽致地展现出算法如何让人们沦为信息的囚徒。
淘宝平台通过收集用户的购买历史、浏览商品记录以及与商家的互动情况等行为数据，为用户精准推送可能感兴趣的商品。这一机制看似高效，却存在着严重的弊端。
从数据收集层面来看，算法主要依赖用户过往留下的数据，这些数据只能反映已有的兴趣和行为模式，无法挖掘用户潜在的兴趣点。
例如，一位长期购买运动装备的用户，平台算法会持续推送各类运动服饰、运动鞋以及健身器材等商品。但倘若这位用户近期对摄影产生了兴趣，仅仅因为他尚未在平台上搜索或浏览过摄影相关产品，算法就很难将摄影器材或相关周边推荐给他。
在推荐逻辑上，算法以追求高点击率和高转化率为目标，以实现平台成交的最大化。这使得算法倾向于推荐与用户历史偏好高度相似的商品。
那些新的、小众的商品由于缺乏足够的用户数据支持，很难进入推荐的核心范围。即便偶尔出现在推荐列表中，也往往处于靠后的位置，用户发现它们的概率极低。
用户自身的行为习惯也在不断强化这一困境。当用户频繁点击和购买算法推荐的商品时，就向算法传递了肯定的信号，算法会进一步加大对同类商品的推荐力度。如此循环往复，用户逐渐陷入一个信息的闭环，看到的商品种类越来越局限于自己曾经浏览和购买过的品类，难以接触到新的事物。
二、如何借助算法打破信息茧房？
虽然算法推荐带来了信息茧房的困扰，但我们也可以巧妙利用算法机制来破除这一困境。
2.1 重置推荐机制的依据点
a、定期重置浏览偏好
部分平台允许用户重置浏览历史记录或设置隐私选项，限制算法对某些数据的收集。
我们可以定期进行这样的操作，打破算法基于过往数据形成的推荐惯性。
比如每两周或一个月，在淘宝平台重置浏览历史，让算法重新评估我们的需求。
这样在后续的浏览过程中，算法会因缺乏足够的历史数据，而尝试推送更广泛的商品类型，为我们带来发现新事物的机会。
b、巧用个性化推荐设置
不少平台都提供了个性化推荐的设置选项，我们可以主动去调整这些设置。
比如在音乐平台，除了根据自己喜欢的音乐类型设置推荐，还可以适当增加一些自己较少接触的音乐风格标签，如从只关注流行音乐，添加爵士、民谣等风格。这样算法会综合多种标签为我们推荐歌曲，让我们有机会听到不同风格的音乐作品，拓宽音乐欣赏边界。
2.2 改变个人的信息搜索习惯
a、主动拓展搜索关键词
在购物时，我们不应局限于常规的搜索词。
例如，若想购买一款新的电子产品，不要仅仅搜索品牌和型号。
以购买手机为例，除了常规的品牌型号搜索，还可以尝试搜索“小众但性能卓越的手机”“适合摄影爱好者的手机”等拓展性关键词。
这样，算法会基于这些新的搜索词，推送更多元化的产品信息，包括一些小众品牌或具有特殊功能的手机，从而拓宽我们的选择范围。
b、利用多平台交叉对比
不同的电商平台具有不同的算法侧重点和数据优势。
我们可以在淘宝、京东、拼多多等多个平台同时搜索商品。
比如购买服装，在淘宝上可能会得到基于流行趋势和用户购买习惯的推荐；京东可能会侧重于品质和品牌的推荐；拼多多则可能在性价比商品推荐上更具特色。
通过对比不同平台的推荐结果，我们能够获取更丰富的商品信息，发现更多新的款式和品牌。
c、使用专业搜索引擎
除了常用的综合搜索引擎，尝试使用专业领域的搜索引擎，如专门针对学术文献的知网搜索、专注于专利查询的SooPAT等。
在进行特定领域的信息搜索时，这些专业搜索引擎能够提供更精准且深入的内容，避免被大众流行的信息所淹没。
d、定期更换资讯APP
我们往往习惯使用固定的资讯类APP获取信息，但不同APP的算法推荐逻辑和内容来源有差异。
定期更换使用的资讯APP，如从今日头条切换到澎湃新闻，再到界面新闻等。每个APP会基于自身的算法和资源库，为我们推送不同视角的新闻资讯、观点评论等，帮助我们打破单一平台算法带来的信息局限。
e、利用智能助手的探索功能
现在的智能语音助手功能越来越强大，如手机上的Siri、小爱同学等。
我们可以向它们发起探索性的提问，比如“给我推荐一些能提升生活品质的新奇小物件”。智能助手会综合多个信息源给出答案，并且相关平台算法也会根据这些交互，为我们推送更多类似的新奇商品，帮助我们发现新的好物。
f、利用算法进行反向推理
当算法推荐了一款热门产品时，我们可以反向思考这款产品的对立面或互补品。
例如，算法推荐了一款高性能的游戏本，我们可以搜索“与这款游戏本性能相反但适合商务办公的轻薄本”。通过这种方式，引导算法展示不同类型的产品，发现那些原本可能被忽视的商品或信息 。
2.3 以兴趣、特定需求为导向进行信息延伸
a、参与社区互动获取推荐
许多电商平台都设有用户社区，如淘宝的“问大家”板块。
我们可以在这些社区中提出自己的需求，不仅仅是询问产品的基本信息，还可以分享自己对新事物的探索意愿。
例如，在购买护肤品时，询问“有没有适合敏感肌且具有美白功效的小众品牌护肤品”。其他用户的回答以及他们分享的使用经验，能够为我们提供更多未曾接触过的产品信息。
同时，平台算法也会根据我们在社区中的互动行为，调整推荐内容，为我们推送更符合需求的产品。
b、加入兴趣小组
在社交平台或专业论坛上加入各种兴趣小组，如豆瓣小组、知乎专业话题圈等。
在这些小组中，成员们来自不同背景，他们分享的观点和信息丰富多样。
比如在摄影爱好者小组中，大家会交流各种摄影技巧、小众拍摄地点以及罕见的摄影器材等，能接触到很多在常规算法推荐中难以出现的内容，拓宽对摄影领域的认知边界。
c、订阅专业资讯邮件
一些专业领域的网站或机构会提供资讯邮件订阅服务。
以科技领域为例，订阅如“爱范儿”等科技媒体的邮件，它们会定期推送行业内的最新产品、技术趋势等内容。
这些信息不受电商平台算法的影响，能让我们获取到更广泛的行业动态。当我们基于这些资讯在电商平台搜索相关产品时，算法会因我们新的搜索内容，为我们推荐更多元化的产品。
2.4 以内容输出者为导向获取信息
a、关注新兴内容创作者
新兴的内容创作者往往有着独特的视角和创新的理念。
以视频平台为例，在关注知名大V的同时，多留意那些刚起步但创意十足的创作者。他们可能会分享一些小众、前沿的产品评测或新鲜事物介绍。
通过关注他们，我们能接触到算法常规推荐之外的信息，促使算法也会根据我们的新关注行为，推荐更多相关的新兴内容。
b、参与线下讲座和研讨会
各类行业协会、高校、社会组织会举办大量线下讲座和研讨会。
参加这些活动，能直接与行业专家、学者以及志同道合的人交流。
比如参加一场关于人工智能的研讨会，不仅能听到最新的研究成果和行业动态，还能在交流环节获取到专家推荐的研究资料、学习资源等，这些信息会丰富我们的知识体系，使我们在后续线上搜索相关内容时，引导算法推荐更具深度和广度的信息。
算法推荐虽让我们在一定程度上成为信息的囚徒，但只要我们掌握正确的方法，积极利用算法机制，就能打破信息茧房的束缚，重新拥抱丰富多彩的信息世界。
365天思考 ／ DAY171
网友评论