内容推荐：精准投放还是娱乐至死？

关注并将「人人都是产品经理」设为星标

每天早 07 : 45 按时送达

推荐算法的出现，让用户看到的信息都是自己感兴趣的内容。但是人性本就是追求享乐的，内容推荐到最后如果都只是被机器投喂碎片化知识，娱乐至死或许不仅仅是一个预言。本文作者从内容推荐的角度，对此展开了分析探讨，与大家分享。

作者：小小晶

题图来自 Unsplash，基于 CC0 协议

全文共 2859 字，阅读需要 6 分钟

—————— BEGIN ——————

电视媒体出现的时候，波兹曼提出了娱乐至死：新的媒体让思考失去了逻辑、变得肤浅和碎片化，内容都以娱乐的形式出现——即使是严肃的电视新闻节目，一插入广告，还是会让人瞬间“出戏”。

《娱乐至死》警告了技术垄断，告诫了媒介危机：电视把人们变成了“沙发土豆”。

顺着这个思路，今天的内容推荐，尤其是短视频的出现，则把人们进一步“困”在了床上。

个性化的推荐是更懂用户的精准投放，带来了全新的使用体验，还是彻底的娱乐至死，让人们在不断的上滑中消耗了夜晚而一无所获？

内容分发

从千篇一律到千人千面

内容在变，渠道在变，获取内容和分发内容的方式也在变。

从获取信息需要买书买报或者到图书馆，到在网上浏览，到百度一下，最后到什么都不用做——你关心的，推荐引擎知道。

互联网时代的内容分发，经历了以下几个阶段的变化：

1. 编辑分发

与编辑分发相对应的是内容的千篇一律，你看到的和我看看到的并无二致，个性化需求不好满足，用户需要在众多内容里找到自己感兴趣的。

编辑分发对应的就是门户网站时代——你在网站看到的内容，都是编辑亲手“上架”的，编辑选了什么，你就能看到什么。

2. 粉丝分发

从用户的角度来看也可以说是订阅分发，看到的内容就是订阅的内容，内容的范围进一步缩小，满足了部分个性化的需求。

微博和微信就是粉丝分发平台，内容能多大程度被传播，关注作者的粉丝发挥了很大作用。

3. 推荐分发

在推荐分发下，内容实现了千人千面，看到的就是想要的，而“流”的交互形式完美契合了推荐分发的模式——既然知道你想要什么，就直接展示什么，不需要再选择了。

今日头条和抖音，都是在借助数据和算法，变得“更懂你”，没有两个人能得到完全一样的信息库。

推荐分发

精准投放还是娱乐至死？

1. 推荐分发的实现

把人和感兴趣的内容匹配起来，有三种途径：通过人、通过内容、或者通过两者之间共同的特征。

1）通过人的匹配

即找到和你类似的人群，把他们喜欢的内容推荐给你。

可以通过给用户打标签的方式来实现用户相似度的识别。

更直接的可以通过社交网络，把朋友关注的内容推荐给你——比如微信的看一看，或者通过历史行为——比如读过这篇文章的人还在读；

2）通过内容的匹配

即确定你喜欢的物品的类型，再把相似的物品推荐给你。

可以通过给内容打标签找到相似的内容的集合，把其中你没见过的推荐给你。

比如你听了周杰伦的《稻香》，就会给你推荐《听妈妈的话》，你看了《复仇者联盟3》，就会给你推荐《复仇者联盟4》；

3）通过特征的匹配

即你具备什么的特征，就给你推荐符合你口味的东西。

需要对人和内容都建立起标签体系。

比如你喜欢可爱的东西，就给你推荐萌宠，你是一个大学生，就给你推荐四六级课程。

2. 精准投放带来了价值

推荐分发如此“火爆”，是因为它的确带来了价值：于平台而言，是新的商业机会；于用户而言，则是“更懂自己”的贴心和丰盛获得体验。

对平台，信息过载的时代，唯一稀缺的是人的注意力，获得和注意力，就获得了话语权。

推荐分发的方式为内容被看到提供了更友好的方式，更多的内容和生产者被平台聚集在了一起，流量的聚集带来了商业的增长。

抖音4亿的日活用户带来了2019年600亿的广告收入，而“优爱腾”这些长视频平台的广告收入呈下降趋势；此外，直播带货也给平台和内容生产者带来了新的变现机会。

对用户，推荐系统“比你更懂你”，不仅不需要选择，还是如此“贴心”——新的内容不断呈现在眼前，没有底线，又都是自己感兴趣的；而你如果表现出一点的不喜欢，相似的内容短期不会在出现了，只要你看的时间足够长，系统会越来越“聪明”，每个人都能享受到一对一的服务。

下一条是异国还是乡土，是美食还是萌宠，是好看的小姐姐还是一本正经的财经专家，都是未知，又满足和用户的好奇心。

3. 娱乐至死也不是危言耸听

但是，娱乐至死也不是危言耸听。

于个人，是占据了时间和放弃了深度思考；于社会，是可能错过的创造和想象力。

凯文凯利说，只关注自己喜欢的内容，是一件危险的事情。

人性本就是驱易避难，追求享乐肯定比勤劳思考舒适，懂人心的推荐系统也利用了人性的享乐主义：轻松的、美好的、简单的、愉悦的信息，抖音上最火的视频是颜值、才艺、兴趣类，即使有专业的内容，注意力也有限，而且没有人是抱着学习的目的在刷抖音。

推荐系统给你找到的内容，就是这些你潜意识里最喜欢的。

沉浸在能歌善舞的小姐姐包围的氛围里，谁还会想起床头已经落灰的那本《经济学原理》？

所有人如果都去遵循了本心，就没有人去探索了；与信息的汪洋对立统一的，是思想的荒漠。

碎片化的方式不适合深度的思考，手一滑信息就走了，不时还有广告窜入，没有上下文信息。

同时，太容易获得的内容也让人不懂得珍惜，不是主动探索的知识不会引发思考，深度的思考不适合。

语言和文字被发明的本意是文明的传承，智慧的传递，可推荐内容好像差了点儿深度。

娱乐至死

不是预言只是警醒

离波兹曼提出娱乐至死，已经有三十多年，他当时呼吁关注的媒介是电视；如果他面对今天的互联网媒介环境，尤其是移动互联网和层出不穷的内容形态，发出的警醒一定更加振聋发聩。

与追捧和追逐的思想相比，批判的声音或许更加理性，对健康的发展也更有助益——就像做菜一样，加一丢丢盐，反而更能衬托出甜。

冷静的观察者泼来的冷水可能会显得不近人情，但往往充满睿智——上世纪60年代麦克卢汉提出的“地球村”在今天已经成为了现实。

媒介有自己的偏好。

语言满足实时交流的需要的，文字设置了进入的门槛却帮助传承了智慧，图像和音视频记录了更加鲜活的历史。

纸张的传播速度超不过交通工具的速度，电话和电视还是要放在固定的位置用线连着，而网络无处不在延时越来越短。

电视出现之后，是把有些人变成了土豆，寄希望与新的媒介拉平文化的发展水平又带来了“知识鸿沟”的思考。

不过，人类并没有“娱乐至死”——“摩尔定律”在不断打破，生活水平越来越高了，地球越来越同气相连。

过度娱乐化被批判的同时，技术决定论也在被挑战。人具有主观能动性，娱乐至死不是预言只是警醒。

未来可期

从智能到智慧

又要回过头来为内容推荐说一些好话。

推荐系统的评价指标，除了准确性、覆盖度、多样性，也包括惊喜度和新颖性，机器也想尝试找到一些你没有关注过的领域，拓展你自己认知的边界。

对未来的内容推荐，还是有所期待的。

我希望它不仅是智能的，而且是智慧的，不仅是懂我的，而且还能让我获得智慧。

她如果了解我知识的短板，能规划好我的学习和收获，我也会努力做一个听话的宝宝——能不断地被“喂饭”也是幸福的，少走弯路就能多留点时间看看风景。

—————— / END / ——————

▼ 喜欢请分享，满意点个赞，最后点「在看」 ▼