论个性化推荐与多样化需求间的矛盾

简翊竹

一、前言

P.Resnick和H.R.Varian两位学者在1997年提出了个性化推荐的含义：根据用户的个性化需求，通过计算机信息系统向用户提供满足其需求的相关信息［1］，其核心动力在于解决海量信息（或产品）与用户之间的供需适配问题［2］。生活中我们时常遇到：购物平台重复推荐我们以往搜索过的产品；微信推荐给我们那些看似我们感兴趣的广告；短视频重复推荐类似的内容等问题。这些看似把握住大众偏好却没有带给大众足够“新意”的现象，使得矛盾在由算法支撑下的个性化推荐与大众的多样化需求间产生，从而给用户带来不友好的消费体验，为企业带来不利影响，甚至是影响到传播系统以及社会的发展。

在哲学中，我们将矛盾称为对立统一，个性化推荐如果一味追求贴合大众喜好，就容易与大众的多样化需求形成对立关系，最终结为矛盾关系。如图1所示，企业在个性化推荐中所负责的数据获取和分析上存在的漏洞导致矛盾的产生：首先是对显性数据的依赖；其次是对大众隐性数据掌握的不全面；最后是数据分析技术的不成熟。企业如若能够针对这三方面有针对性地做出改变，解决这对矛盾，我相信在一定程度上能对传播和社会稳定发展起到更大的积极作用。

图1 二者矛盾及解决方式图示

二、三圈相聚，矛盾藏匿

矛盾即对立统一，弄清楚对立产生的原因，才能做到后续的统一。本文主要聚焦于由数据获取端产生的“企业数据圈”“大众兴趣圈” 以及由数据分析端产生的“技术圈”这三大圈层，来挖掘矛盾对立的产生原因。

（一）企业拘囿于“数据圈”

个性化推荐是基于大众搜索历史之类的显性数据进行分析的，那么其推荐的产品也是局限在大众自己曾经搜索的元素中，推荐品较单一。这让大众接触的事物越来越少，视角越来越窄，仅仅是被数据圈在了他们自己的小世界中。一旦大数据给大众打上了某种标签，那么系统就会自动给大众推荐属于这个标签上的产品，或是与某个元素相关的产品，最终导致推荐产品呈现出单一化的倾向。再者，个性化推荐本就具有一定的“滞后性”，其时效性很差，这是因为算法所依赖的数据来源大部分为大众搜索过的历史记录，基于此数据所推测出的大众喜好大部分都是大众搜索过的事物，因此我们不知道大众是否依旧对其感兴趣，最终导致被推荐的事物和大众被数据圈所束缚。

（二）限制了大众的“兴趣圈”

大众的需求并不都会明确显露出来，在心理学中，我们称那些没有表露出、尚未意识到的需求为隐性需求。所以，我们能够掌握的大众数据仅仅是冰山一角，只是一些大众显露出的兴趣偏好。那些我们获取不到的数据称为隐性数据。因此利用大数据进行大众偏好分析时必定是不全面的，从而导致数据的分析结果往往不能全面的触达大众内心，那么个性化推荐的产品就不能悉数满足大众的兴趣，并且将大众限制在了他们自己的搜索兴趣范围内。最终，使大众将自己封闭在自己的兴趣圈内。

（三）企业受困于“技术圈”

目前比较受用的两种个性化推荐技术为基于内容和基于协同过滤的推荐技术。基于内容的推荐技术首先需要得到用户兴趣模型，进而通过用户偏好的权重排序进行推荐，此种技术以其推荐结果直观、不需要领域知识和不需要冷启动的优点深受喜爱。但是它无法提供新颖的推荐，并且在提取特征以及度量高维特征数据的相似性方面存在一定挑战［3］，成为了大众多样化需求的阻碍。基于协同过滤的推荐技术是筛选相同兴趣用户进行信息共享，此类方法以用户为核心，利用具有相同爱好大众的好评内容来进行推荐，此种方法以其个性化推荐自动化程度高的优点而成为使用率最高的推荐技术［4］。但是此技术的分析质量取决于历史数据集，仍然拘囿于历史数据这个圈子，不能很好地满足大众多样化需求。目前有些企业采取混合型推荐技术，即根据需求和效果将不同的技术混合使用，但是此推荐系统需要技术高超的算法工程师选取相应的推荐方法，并对技术结合手段进行尝试，导致需要较高的人力、时间和技术成本。综上所述，无论是哪一项算法技术都无法完美地解决问题。因此，企业受困于“技术圈”是矛盾产生的重要因素。

三、量体裁衣，精准打击

要想解决这对矛盾，必须坚持具体问题具体分析的方法论。分析完矛盾的产生原因后，我们就可以准确定位化解问题的方向，量体裁衣的提出相对应解决办法：“跳出舒适圈”“扩大推荐圈”以及“增加工具圈”，最终做到精准打击。

（一）跳出“舒适圈”

即根据大众喜欢的元素进行产品的延伸推荐。我们要促使矛盾双方相互转化，积极创造有利条件，使矛盾向有利方向转化。在概率论中我们有这样一种概率推算方法：极大似然估计法，就是利用已知的样本结果信息，反推最大概率导致这些样本结果出现的模型参数值。那么当企业数据不全时，我们是否也可以借助这种数学思想推算出大众喜好的概率模型呢？答案是必然的，在数据不全的情况下，企业不能固步自封地局限于已有数据的“舒适圈”。

这要求企业不仅仅限于大众搜索历史，还要结合历史数据建立大众喜好模型去发展多样化产品，进行相关元素周边推荐，将产生对立的因素（即已有数据）转变为可以用来提升大众满足感的元素。比如用户多次搜索喻国明，我们可以延伸至传播学；用户多次搜索“马思唯”，我们就可以延伸至说唱文化。我们不能置身于搜索词本身包含的小圈子的牢笼，而应利用已知样本结果信息，即搜索词，找出导致大众搜索结果信息的诱因，从而扩展到更大的圈子。

（二）扩大“推荐圈”

即用多样化产品迎合大众多样化的需求。我们要坚持用全面的观点看问题，在迎合大众喜好的同时注重新潮流、新产品的推荐，因为我们对大众的掌握是有限的，我们不能保证我们推荐出的物品一定受大众喜欢。郭庆光在《传播学教程》中也说到过：“追求新事物、新意义是人类的一种基本价值，‘新’意味着‘创造性、‘时代性’和‘个性化’。”［5］

况且大众多样化需求也不仅仅局限于大众所喜爱的事物，还要求我们要全面地考虑，看到大众不曾接触到的事物。所以不能单纯依赖相关数据，在迎合大众喜好的同时及时上新推荐，推荐给大众新的风格、新的潮流，不断地向大众传输新的事物，这样做就加大了将潜在用户转化为直接用户的几率，缓解了个性化推荐与多样化需求的矛盾。

（三）增加“工具圈”

即增加大众选择的工具，如设置个性化按钮。坚持普遍性寓于特殊性之中的原则，矛盾普遍性特殊性统一的方法论，当大众想看一些不一样的产品时可以关闭个性化推荐按钮。技术是一个集合名词，企业从技术下手可以有很多尝试，此时技术就构成了这对矛盾普遍性的特征，前面我们也分析过技术存在的问题，它很难在一朝一夕内产生质变。因此，我们只需找到那个寓于在技术这个普遍性中并且便于实施的特殊性，就能够简化这个问题。

比如在页面中设置个性化按钮，此举可以很好地增加用户选择：让我们代入这样一个情景，大众搜索自己想要的物品，经过浏览后没有自己心仪的商品，推荐页根据大众的历史搜索得到了大众可能喜欢的事物，在这个情景下大众浏览推荐页时才能真正发挥个性化推荐的作用；相反的，当大众想要多看一些当下新款时，大数据分析后剔除了大众没有点击浏览过的商品类型，个性化推荐此时是大众选择的绊脚石。因此设置个性化按钮可以让大众根据自己的使用情景自行选择，这不仅提供了大众更多选择的权利，还缓解了个性化推荐与多样化需求之间的矛盾。

四、釜底抽薪，冰解的破

矛盾即存在对立，对立必定阻碍社会发展，解决个性化推荐与多样化需求间的矛盾，可以促使二者统一，冰解的破，最终带来更多益处。

（一）有利于降低拟态环境的负面影响

网络端的拟态环境是由信息发布者所操纵的，其想让大众看到什么信息就发布什么，不想让大众看到的却避而不说，大众所面临的网络拟态环境已经受到了外部信息发布者的一级干扰。然而雪上加霜的是个性化推荐加持的网络拟态环境又使这个环境受到大众自身的内部二级干扰，这是因为个性化推荐本质上就是构建大众自身的兴趣生活圈，大众喜欢什么，算法就呈现什么信息，如此构建出的网络拟态环境越来越贴近于消费者所想象的世界。

随着拟态环境环境化的愈演愈烈，其负面影响越大，如：把关人失控，信息真假难辨；主流媒体舆论引导作用被削弱；扩大“信息鸿沟”，加剧不平等等。［6］对于一级干扰来说：完善新闻法律法规，加强从业人员的道德素养等可以降低拟态环境的负面影响，但是此进程是缓慢的。如此一来，我们应该聚焦于相较而言更好改变的二级干扰，按照上述方法可以降低二级干扰干扰度，最终达到降低拟态环境带来的负面影响的目标。

（二）提高大众体验感，进而增加企业效益

如今的营销正在从追求“千人千面”到“一人千面”，一人千面中企业能够通过个性化推荐洞察到的可能仅有不到四分之一。剩下的四分之三是消费者没有外露的隐性需求和亟须满足的多样化需求，是消费者很难体验到的消费感受，哪个企业能占领剩下的四分之三，能在更多场景更多时刻为消费者提供更有针对性的个性化服务，更多的满足消费者需求，就能收揽更多的用户，从而提高企业效益。

（三）促进传播者与受传者的双向互动，提高传播过程的质量

传播过程是由传播者、受传者、信息、媒介和反馈五部分组成的。解决好这对矛盾，可以使得受传者得到其所希望得到的多样化产品事物，即提高选择性接触的信息到达率，让传播者传播的信息触达到更多有效的受众。对于受传者来说，那些使他们感兴趣，并且能够真正击中他们内心的讯息更能使其产生有价值的反馈，从而进一步反作用于传播者，让双向互动行为发挥更大的作用，使得传播者根据受传者的反应做出符合其喜好的改变，促进社会传播系统获得更加高效高质的发展。

（四）促进社会创新发展，维护社会稳定。

这里面有两层含义，第一：促进企业技术更迭、管理系统升级，达到社会创新的目的。要想解决这对矛盾，必须使个性化推荐技术成为更具有分析能力的数据应用，使其更加兼顾个性和新潮，从而促进技术更迭；要想解决这对矛盾，就证明企业必定会面对更加庞大的数据体系，面临更加复杂的应用场景，决策路径也变得无迹可寻，那么之前的管理系统很难适应这个变化，这就要求企业升级管理系统，使其能更加灵活的触达用户；要想解决这对矛盾，就必须着手于科技进步、系统升级，从而促进社会创新。第二：一定程度上降低低质量事物的传播风险，肃清网络传播环境。算法猜测受传者偏好时，会将热点事物加入猜测过程推荐给受传者，这是因为热点事物具有一定的普及性。但是，算法本身是没有任何感情的，我们无法保证通过算法传播的信息质量，算法只会计算受传者可能会偏好什么内容，只会持续提高热度较高事物的曝光率而不会辨别这些信息的质量，无形中会加速谣言的传播，促进恶俗信息流传。因此，解决好这对矛盾有利于社会稳定。

五、结语

在新的历史起点上，我国的社会生产力水平取得飞跃性发展，人民群众的需求随之发生了重大的变化，习近平总书记也指出“人民的需求是多样化、多层次、多方面的”。秉承这一宗旨，我们应清晰地认识到：虽说个性化推荐为信息匹配做出了一定的贡献，但是我们不能忽视他限制大众多样化需求这一缺欠。在日后的发展中，我们应充分利用矛盾的原理、方法论来解决这个问题。聚焦于企业“拘囿于数据圈”“受限于技术圈”以及“限制消费者兴趣圈”的问题；努力做到“跳出舒适圈”“扩大推荐圈”和“增加工具圈”；最终发挥解决矛盾后降低拟态环境的负面影响、提高大众体验感、增加企业效益、提高传播过程的质量、促进大众创新和维护社会和谐稳定发展的积极作用。