如何看待人民網三評演算法推薦?


用戶不是嫖客,平台不必逢迎

在人人都能寫兩篇文章的新媒體時代,平台似乎比作者還要多,但是每個平台又是那麼的獨一無二,有著各自獨特的辨識度,你可以憑藉著標題來辨識各個平台:如果你看到《震驚!……》,你可能是在UC;如果你看到《剛剛!……》,你可能是在微信;如果你看到《1分鐘告訴你我花3萬元學會的5條生活經驗》,你可能是在簡書;如果你看到《盤點最牛……》,你可能是在今日頭條;如果你看到《謝邀……》,你可能是在知乎;當你看到《警惕演算法……》,不用問了,你肯定是在人民網。

本周人民網三評演算法推薦:

9月18日:《人民網一評演算法推薦:不能讓演算法決定內容》:技術、代碼、演算法替代了傳統內容分發過程中專門把關內容的編輯。單一的標準不僅容易忽視優質內容更為豐富的面向和維度,也增加了把關內容產品的難度和成本。

9月19日:《人民網二評演算法推薦:別被演算法困在「信息繭房」》:對於擁有強大演算法和技術支撐的信息平台來說,一心「取悅」用戶還遠遠不夠,更要自覺執行中央有關政策法規,不能有僥倖心理,任憑暴力、色情等不良信息泛濫,不能借技術深奧之名糊弄網民和群眾。

9月20日:《人民網三評演算法推薦:警惕演算法走向創新的反面》:今日頭條上許多的所謂自媒體賬號一直充斥著低俗、無下限甚至謠言信息。更有甚者,所謂的演算法推送和定製發布,誤導一些個地方政府和部門,算糊塗賬,花冤枉錢,已經引起廣大網友的熱議和不滿。

這次人民網連發三篇文章,大義凜然的搞了個大新聞,把這些以演算法推薦為噱頭的內容平台一一批判了一番。

我們應該承認,人民網批判的對!

微信之父張小龍曾經說過:「好的產品是讓用戶用完即走。」很明顯作為產品經理他失敗了,微信現在成為了睜眼必看、閉眼回想的一款24小時如影隨形的產品,在移動互聯網時代,運營者的目標已經從滿足用戶需求轉為最大限度地留住用戶並儘可能消耗用戶時間在自己的產品上。

按照馬斯洛需求層次理論,層次越低需求越基礎越強烈,比如對於衣食住行、安全、生理、性等需求,而各大平台為實現最大限度地消耗用戶時間的目的,會優先滿足馬斯洛需求層次理論中的低層次需求,這也是移動互聯網時代資訊平台增加用戶「黏性」的奧秘。

只要你持續刷新,各大資訊平台,尤其以今日頭條為代表,就會根據你的點擊來推算你的興趣愛好,然後持續不斷地供應同一領域讓你欲罷不能的資訊,搞的用戶和嫖客似的,平台極盡所能的低眉順眼的逢迎著,就期盼著你能多加幾個鍾。

可以說各大媒體資訊平台為了掘金,已經失去了最後的尊嚴,直接扒了自己的底褲在掘金路上狂奔……

當然,也不是所有人都認同省時間的價值,不少用戶並不是把今日頭條等資訊平台當成新聞資訊產品看待,而是當成和鬥地主手機遊戲、玄幻小說、肥皂劇一樣的娛樂休閑產品看待,他們用今日頭條等資訊媒體平台本來就是殺時間的,和玩《王者榮耀》、看《三生三世十里桃花》性質上是一致的,僅僅是作為一種娛樂方式而已。

把這部分用戶暫且排除在外,我們講一下作為資訊媒體平台,什麼是好。

一個好的、有效率的資訊平台,首先應該是一個好的、有效率的工具,讓用戶用完即走,而不是想辦法黏住用戶,無止境地算計、攫取用戶的時間。

如果非要加上演算法,那麼也應該是一個個性化的AI資訊秘書,可以通過演算法將每天應知的資訊內容,提煉為資訊摘要,讓用戶省下時間去做更重要的事,比如馮大輝做的ReadHub目前為止是我認為做的最好的科技類資訊媒體平台。

現在紛繁多樣的媒體平台會產生過擬合的問題,根據我的愛好推薦給我的新聞讓我誤以為這就是科技領域發生的全部的事情,而ReadHub實現了讓我每天花幾分鐘了解一下互聯網行業里發生的事情,然後我可以在了解整個行業新聞的前提下對自己感興趣的新聞進行深入閱讀,然後離開。

有用!便捷!不綁架!

為什麼資訊媒體平台崇尚演算法?

在移動互聯網時代,誰掌握了用戶的時間,誰就掌握了開啟寶藏大門的密鑰,我們還是以今日頭條為例,今日頭條是一家新聞資訊公司,雖然張一鳴不承認,但是當今日頭條的用戶日均使用市場高達76分鐘時,還是掩飾不住張一鳴的內心狂喜:「我們已經累計有6億的激活用戶,每天每個用戶使用76分鐘,1.4億活躍用戶,這個數字在中國所有app當中,按人均時長來算,應該可以算前三名,和所有同類和資訊類對比時長長一倍以上,這也體現了AI技術在產品上的體現,沒有人維護編輯信息,但是我們的產品使用時長遠超於同行。」

今日頭條對演算法推薦的執著是因為公司發展的要求,今日頭條在 2016 年年末拿到紅杉資本、建銀國際等方面投資的 10 億美元 D 輪融資,估值已經超過 110 億美元。

今日頭條的商業模式是以優質媒體流量開設的品牌廣告和程序化廣告服務平台,但是單純靠這些是難以支撐起110億美元估值的,那麼,為了支撐起公司的高估值就要講故事,很顯然,人工智慧是一個很有噱頭的故事,如果把頭條看作是人工智慧內容平台,對標百度,現在百度以廣告分發+陸奇人工智慧概念+全球最強人工智慧團隊,有了35倍動態PE,700億美元市值,今日頭條似乎也是要走這樣一條道路。

個性化推薦到底對誰有好處?對用戶有好處嗎?目前沒有,現在的個性化推薦對用戶只有禁錮,目前貌似只對平台有好處,極盡所能的攫取用戶的時間用於提昇平台的價值估值!

另外,為了維持高速發展,今日頭條的胃口越來越大,越來越難以滿足,吃相也越來越難看,最近也爆出今日頭條高新挖角知乎大V,其實今日頭條的做法,無非就是牽別人豬圈裡的豬、網別人池塘里的魚,本來偷偷摸摸幹了也就幹了,被發現了別吭聲裝傻就好了,但是今日頭條卻不,非要牽的那麼振振有詞,網的那麼理直氣壯。

這也暴露出今日頭條發展過程中面臨的問題,那就是新陳代謝的問題,今日頭條抓了其他平台的大V,直接扔到自己的領地,然後向別人展示:你看,我們這裡都是大恐龍,體量最大、形態最大、食量最大!但是同時也要注意,你把恐龍一股腦抓了扔到島上不斷投食,但是他們不是從小型食草動物成長起來的,一旦斷了糧,它們還是要顛的,因為沒有自然成長的生態。

我們同時也要承認演算法無罪!

我不只一次表達過我對今日頭條的批判,但是都是基於經營者的經營理念,而不是演算法,技術本身沒有善惡,因此只有掌握演算法的人才賦予了演算法善惡的評價,一念成佛,一念成魔。

其實,演算法不僅存在於平台代碼中,它還存在於固化思維里。

比如說人民網每次的頭版通常都會是比較固定的領導出訪、講話等新聞,排在所有其他新聞之前,為什麼這些消息要在其他新聞之前呢?其實這就是人民網的「演算法」,是人民網的編輯固化的思維里僅存的唯一演算法,和今日頭條的機器演算法之間,我分辨不出哪一種更高級、哪一種更負面,只能說各有千秋,就像現在有兩根金條放在你面前,你告訴我哪一根是高尚的?哪一根是齷齪的?

今日頭條之流使用演算法推薦的口號也是冠冕堂皇,口口聲聲說是為了用戶考慮,用戶就是上帝,要為上帝提供更個性化的服務,那麼我作為上帝,要的是不同質化的內容推薦,要的是廣泛的瀏覽世界正在發生的新聞,那麼你能不能給我這位上帝提供一個關閉個性化推薦的按鈕,你就老老實實按照時間軸把正在發生的新聞給上帝羅列出來就好了,究竟我看哪篇不看哪篇,給上帝一個選擇的自由。

縱觀歷史,所有的技術革新的發生和發展都是為了讓人類更「懶惰」,平台是否需要演算法,當然需要!

但是不是用來給我推薦相似的東西,是不是可以考慮一下用演算法來識別洗稿、抄襲、低質內容?替上帝把這些內容過濾出去是不是更能貼近你們為用戶服務的冠冕堂皇口號?

用戶不是嫖客,所以平台真的沒必要刻意逢迎,退一萬步說,即使用戶是嫖客,看慣了萌妹蘿莉,是不是也想嘗嘗霸道御姐?

所以啊,不要用冠冕堂皇的口號來掩飾你們濫用演算法推薦的「險惡用心」,用戶關注的不是頭條,正在發生的才是頭條!

這是常識!


……

「 推送 」則是這一切齷蹉勾當得以實現的保障。我們訂閱想看的,或則平台通過演算法獲知我們想看的,然後各媒體開始生產內容。這些內容被我們消費後像廢物一樣排出體外,這個過程我們幾乎沒有任何額外的收穫,唯一消耗的只有時間。

「 讀我們想讀的 」這在邏輯上是一個背反的矛盾。如果文章我不用看就已經知道它應該寫成那樣,那麼我還去看它做什麼呢?如果某個觀點不用說我也知道必然如此,那我還聽它做什麼呢?

在背反矛盾的刺激下,一個又一個狹隘性質的圈子產生了。每個圈子只認可同一種觀點,而這個觀點也就有了自己發酵的圈子。它不依賴實證,它只需要依賴這個封閉圈子。外面的觀點進不來,裡面的人出不去。圈子不斷膨脹,每個圈內人自得其樂,互相認可,一起嗨,一起爽。就像蛹在封閉的繭里靜默生長,這就是桑斯坦在《信息烏托邦》里提到的「 信息繭房 」:在網路信息傳播中,因公眾自身的信息需求並非全方位的,公眾只注意自己選擇的東西和使自己愉悅的訊息領域,久而久之,會將自身桎梏於像蠶繭一般的「繭房」中。

信息繭房的危害大嗎?非常大!它最大的問題是令你失去求真的慾望,並且自以為是。假的/有害東西會在繭房中不斷生長,最後破繭而出。這次美國總統選舉中流傳的眾多假新聞就是典型的例子,其中一則甚至說「 當時的華盛頓旁邊有個披薩店參與兒童色情服務,而這個披薩店背後老闆就是希拉里 」。 Trump 的支持者對這些假新聞堅信不疑,甚至持槍闖入這家「彗星乒乓」披薩店並開槍。其實原因很簡單,他們要的只是這樣的新聞,新聞真實與否並不重要,只要證明他們的觀點就好;而矛盾的是他們找的總是對他們有利的新聞,所以他們的觀點永遠正確。

似乎這沒什麼錯,我們要證明自己觀點是應該去找支持觀點的證據,問題是現在有人專門在製造這些假新聞供人消費,而人們就被裹在繭房裡自以為是。當時美國選舉時,東歐一些經濟落後地區就有專門製造各種假資訊來獲利的產業。微信文章也是如此。如何避免?很簡單的方法就是,當你看到一遍極其合乎胃口的文章迫不及待想要轉給他人時,先問自己一個問題:如果我的觀點那麼重要,為什麼我會這麼平庸呢? 這樣你就能先冷靜下來,然後看一下文章閱讀數再問一個問題:為什麼這麼多人閱讀了,世界也沒有更美好呢?

如果你要問我以上能做到嗎?很難!非常難!!

所以我的對策是壓根不去看這些文章,首先就是壓根不打開微信。也不知道人們安裝「 今日頭條 」這類應用的目的是什麼,資訊真當飯吃了?

幾個月前寫了一篇博客《我們為什麼離不開微信文章?》,後來也發現人民網向今日頭條連發了三彈。不管各位對官媒的態度如何,我認為他們此刻提出這些是有責任感和使命感的。

寫了那篇文章後,一個友人跟我討論起今日頭條 ,他說他用頭條主要是關心某個球星的消息,我感覺他想告訴我頭條只是一個工具而已,沒有對錯。在此我再強調一次,工具並不會安靜地呆在某個角落,等你來「 臨幸 」它;也不是張小龍說的那種「 用完即走 」的工具理性。它會不斷回塑著你!而今日頭條這類應用更是藉助「 推送 」和「 演算法 」來加快塑造著你的知識範疇和理性範疇以及三觀。

其實微信已經是個反例了,微信你們能用完即走嗎?用這個反例也足以證明「 工具 」自身並不是工具那麼簡單。他們早已和你融為一體而重新定義著你。如果工具再和「 信息繭房 」聯手……

至於科技的走向,「 科技哲學 」一直都在研討,我希望科技應該是更大發揮人性和人智的基礎上,讓生存更加有效而不失去詩意。……但這只是我的希望,科技並不會這樣發展,未來會讓信息更加具有神性,神會回歸,人也會「 進化 」——理性會交出去,甚至感性也會,然後人會變得謙遜和卑微。那個時候再看啟蒙運動似乎就是一出鬧劇。

似乎那不是一個好的未來,冷冰冰的,一切都是「 理所應當 」,這很沒意思不是嗎?所以我們現在能做的就是盡量推遲這個未來,雖然我們都知道他遲早會來。

首先就是把「 今日頭條 」卸載掉吧,要查資訊打開瀏覽器,這樣至少好的丑的,真實的虛偽的……資訊你都能看到讀到,至少你還能用理性去判斷哪些是對的,哪些是錯的。


關於這個話題,就從人民網的三次批駁,一個一個來看。

如題,人民網的第一次批今日頭條是從不能讓演算法決定內容。

在傳統媒體時代,即使在現在移動媒體時代,傳統專業媒體的內容生產流程,依然是編輯作為把關人的制度與流程,而今日頭條這種資訊平台,如今日頭條自己所稱,它們是基於機器智能推薦,也就是「機器把關」,機器通過用戶過往閱讀歷史、閱讀興趣設置來判斷給用戶推薦與呈現哪些內容資訊,在這一點上,到底是專業的人工編輯來把關內容好,還是機器的智能推薦好,不能絕對判斷,但是專業媒體的專業編輯確實對內容的專業性判斷確實更有判斷力,更有優勢,機器演算法模型可能對內容的專業性、內容的優劣的判斷,目前確實很難比專業性媒體有優勢,而且機器演算法推薦,反而會讓很多深度性、專業性、精品性的內容被遮蔽、遺漏,這從現在頭條上的內容質量也能看到一些,良莠不齊的自媒體ugc內容充斥頭條。

人民網的第二次批今日頭條是別被演算法困在信息繭房,這一點,在如今今日頭條、一點資訊、網易等各大互聯網移動資訊點都紛紛宣稱智能推薦的情況下,確實是一個值得反思的問題。信息繭房是指人會習慣性地被自己的興趣所引導,從而將自己的生活桎梏於像蠶繭一般的「繭房」中,從這一點來看,今日頭條大力宣稱並引以為豪的大數據機器智能推薦,就是根據用戶的閱讀歷史行為數據來給用戶打閱讀興趣標籤,並基於用戶閱讀興趣標籤來推薦用戶推薦用戶喜歡的新聞資訊,雖然演算法能在最短時間內,幫用戶找出用戶最感興趣的內容,幫用戶節省時間,但長久下來,呈現在用戶面前的資訊可能都是機器認定用戶喜歡的,至於是不是真地喜歡也不管了,更重要的是用戶被包圍在相類似的資訊繭房裡,其他信息都被機器過濾掉了,用戶很難有自主選擇,用戶被桎梏困在相類似的信息里,用戶會被隔離成自我的信息孤島,與這個時代信息時代的隔離者。

人民網第三次批今日頭條是要警惕走向創新反面,直言其侵權、內容媚俗無下限,這一點筆者不做評價,使用過今日頭條的用戶自己去感受一下就知道了。從創新角度而言,今日頭條的智能推薦相比較以往的資訊平台,在解決用戶喜歡看什麼內容方面是一種創新進步,但對於一個資訊平台而言,其實有一個更根本性的點需要考慮,那就是用戶之所以會有閱讀各類資訊的需求,用戶之所以會下載一大堆新聞資訊app,有閱讀需求的因素,但更根本的是用戶的信息焦慮,用戶怕錯過一些重要的信息,怕自己信息不對稱,怕自己成為這個信息大爆炸時代的被孤立者。


說點有相關性的題外話:人民日報指出的問題,也是如今知乎需要面對的問題。

為何如今知乎上各種「偽大V」層出不窮,各種營銷號泛濫無比,而那些在專業領域裡認真耕耘的答主卻沒有獲得應有的關注度,就是因為煽動性言論和炒作性內容,在如今的知乎同樣擁有像微博一樣的強大市場。如果一個初心是專註於生產價值內容的第三方公共平台,能夠引入人工篩選機制,或者適當提高專業領域優秀答主的曝光度,這才是知乎長久存在下去的核心意義。


推薦閱讀:

廣告投放和排序效果如何進行多目標優化?
最近我在完成一個旅遊個性化推薦系統的設計,裡面用到的關聯規則和一些協同過濾演算法,目前是用weka在做測試,有沒有對此比較熟悉的朋友?
類似微博的 feed 熱度演算法如何計算?
在線的比較成熟的語料庫有哪些?
為什麼只有豆瓣和亞馬遜的推薦演算法可以做的這麼好?

TAG:推薦演算法 | 人民網 | 新聞客戶端 | 今日頭條應用 |