前段時間，Kong閱讀了一篇文章《淘寶搜索正在“殺死”淘寶》，有一些關于信息推薦機制的思考。

算法推薦之下，每個人是用戶也是囚徒。

在數字化浪潮中，算法推薦無處不在，它如同一把雙刃劍，既為我們帶來便利，又將我們困于無形的牢籠。

一、算法推薦下的信息囚牢

在電商領域，以淘寶為代表的購物平臺推薦機制，淋漓盡致地展現出算法如何讓人們淪為信息的囚徒。

淘寶平臺通過收集用戶的購買歷史、瀏覽商品記錄以及與商家的互動情況等行為數據，為用戶精準推送可能感興趣的商品。這一機制看似高效，卻存在著嚴重的弊端。

從數據收集層面來看，算法主要依賴用戶過往留下的數據，這些數據只能反映已有的興趣和行為模式，無法挖掘用戶潛在的興趣點。

例如，一位長期購買運動裝備的用戶，平臺算法會持續推送各類運動服飾、運動鞋以及健身器材等商品。但倘若這位用戶近期對攝影產生了興趣，僅僅因為他尚未在平臺上搜索或瀏覽過攝影相關產品，算法就很難將攝影器材或相關周邊推薦給他。

在推薦邏輯上，算法以追求高點擊率和高轉化率為目標，以實現平臺成交的最大化。這使得算法傾向于推薦與用戶歷史偏好高度相似的商品。

那些新的、小眾的商品由于缺乏足夠的用戶數據支持，很難進入推薦的核心范圍。即便偶爾出現在推薦列表中，也往往處于靠后的位置，用戶發現它們的概率極低。

用戶自身的行為習慣也在不斷強化這一困境。當用戶頻繁點擊和購買算法推薦的商品時，就向算法傳遞了肯定的信號，算法會進一步加大對同類商品的推薦力度。如此循環往復，用戶逐漸陷入一個信息的閉環，看到的商品種類越來越局限于自己曾經瀏覽和購買過的品類，難以接觸到新的事物。

二、如何借助算法打破信息繭房？

雖然算法推薦帶來了信息繭房的困擾，但我們也可以巧妙利用算法機制來破除這一困境。

2.1 重置推薦機制的依據點

a、定期重置瀏覽偏好

部分平臺允許用戶重置瀏覽歷史記錄或設置隱私選項，限制算法對某些數據的收集。

我們可以定期進行這樣的操作，打破算法基于過往數據形成的推薦慣性。

比如每兩周或一個月，在淘寶平臺重置瀏覽歷史，讓算法重新評估我們的需求。

這樣在后續的瀏覽過程中，算法會因缺乏足夠的歷史數據，而嘗試推送更廣泛的商品類型，為我們帶來發現新事物的機會。

b、巧用個性化推薦設置

不少平臺都提供了個性化推薦的設置選項，我們可以主動去調整這些設置。

比如在音樂平臺，除了根據自己喜歡的音樂類型設置推薦，還可以適當增加一些自己較少接觸的音樂風格標簽，如從只關注流行音樂，添加爵士、民謠等風格。這樣算法會綜合多種標簽為我們推薦歌曲，讓我們有機會聽到不同風格的音樂作品，拓寬音樂欣賞邊界。

2.2 改變個人的信息搜索習慣

a、主動拓展搜索關鍵詞

在購物時，我們不應局限于常規的搜索詞。

例如，若想購買一款新的電子產品，不要僅僅搜索品牌和型號。

以購買手機為例，除了常規的品牌型號搜索，還可以嘗試搜索“小眾但性能卓越的手機”“適合攝影愛好者的手機”等拓展性關鍵詞。

這樣，算法會基于這些新的搜索詞，推送更多元化的產品信息，包括一些小眾品牌或具有特殊功能的手機，從而拓寬我們的選擇范圍。

b、利用多平臺交叉對比

不同的電商平臺具有不同的算法側重點和數據優勢。

我們可以在淘寶、京東、拼多多等多個平臺同時搜索商品。

比如購買服裝，在淘寶上可能會得到基于流行趨勢和用戶購買習慣的推薦；京東可能會側重于品質和品牌的推薦；拼多多則可能在性價比商品推薦上更具特色。

通過對比不同平臺的推薦結果，我們能夠獲取更豐富的商品信息，發現更多新的款式和品牌。

c、使用專業搜索引擎

除了常用的綜合搜索引擎，嘗試使用專業領域的搜索引擎，如專門針對學術文獻的知網搜索、專注于專利查詢的SooPAT等。

在進行特定領域的信息搜索時，這些專業搜索引擎能夠提供更精準且深入的內容，避免被大眾流行的信息所淹沒。

d、定期更換資訊APP

我們往往習慣使用固定的資訊類APP獲取信息，但不同APP的算法推薦邏輯和內容來源有差異。

定期更換使用的資訊APP，如從今日頭條切換到澎湃新聞，再到界面新聞等。每個APP會基于自身的算法和資源庫，為我們推送不同視角的新聞資訊、觀點評論等，幫助我們打破單一平臺算法帶來的信息局限。

e、利用智能助手的探索功能

現在的智能語音助手功能越來越強大，如手機上的Siri、小愛同學等。

我們可以向它們發起探索性的提問，比如“給我推薦一些能提升生活品質的新奇小物件”。智能助手會綜合多個信息源給出答案，并且相關平臺算法也會根據這些交互，為我們推送更多類似的新奇商品，幫助我們發現新的好物。

f、利用算法進行反向推理

當算法推薦了一款熱門產品時，我們可以反向思考這款產品的對立面或互補品。

例如，算法推薦了一款高性能的游戲本，我們可以搜索“與這款游戲本性能相反但適合商務辦公的輕薄本”。通過這種方式，引導算法展示不同類型的產品，發現那些原本可能被忽視的商品或信息 。

2.3? 以興趣、特定需求為導向進行信息延伸

a、參與社區互動獲取推薦

許多電商平臺都設有用戶社區，如淘寶的“問大家”板塊。

我們可以在這些社區中提出自己的需求，不僅僅是詢問產品的基本信息，還可以分享自己對新事物的探索意愿。

例如，在購買護膚品時，詢問“有沒有適合敏感肌且具有美白功效的小眾品牌護膚品”。其他用戶的回答以及他們分享的使用經驗，能夠為我們提供更多未曾接觸過的產品信息。

同時，平臺算法也會根據我們在社區中的互動行為，調整推薦內容，為我們推送更符合需求的產品。

b、加入興趣小組

在社交平臺或專業論壇上加入各種興趣小組，如豆瓣小組、知乎專業話題圈等。

在這些小組中，成員們來自不同背景，他們分享的觀點和信息豐富多樣。

比如在攝影愛好者小組中，大家會交流各種攝影技巧、小眾拍攝地點以及罕見的攝影器材等，能接觸到很多在常規算法推薦中難以出現的內容，拓寬對攝影領域的認知邊界。

c、訂閱專業資訊郵件

一些專業領域的網站或機構會提供資訊郵件訂閱服務。

以科技領域為例，訂閱如“愛范兒”等科技媒體的郵件，它們會定期推送行業內的最新產品、技術趨勢等內容。

這些信息不受電商平臺算法的影響，能讓我們獲取到更廣泛的行業動態。當我們基于這些資訊在電商平臺搜索相關產品時，算法會因我們新的搜索內容，為我們推薦更多元化的產品。

2.4 以內容輸出者為導向獲取信息

a、關注新興內容創作者

新興的內容創作者往往有著獨特的視角和創新的理念。

以視頻平臺為例，在關注知名大V的同時，多留意那些剛起步但創意十足的創作者。他們可能會分享一些小眾、前沿的產品評測或新鮮事物介紹。

通過關注他們，我們能接觸到算法常規推薦之外的信息，促使算法也會根據我們的新關注行為，推薦更多相關的新興內容。

b、參與線下講座和研討會

各類行業協會、高校、社會組織會舉辦大量線下講座和研討會。

參加這些活動，能直接與行業專家、學者以及志同道合的人交流。

比如參加一場關于人工智能的研討會，不僅能聽到最新的研究成果和行業動態，還能在交流環節獲取到專家推薦的研究資料、學習資源等，這些信息會豐富我們的知識體系，使我們在后續線上搜索相關內容時，引導算法推薦更具深度和廣度的信息。

算法推薦雖讓我們在一定程度上成為信息的囚徒，但只要我們掌握正確的方法，積極利用算法機制，就能打破信息繭房的束縛，重新擁抱豐富多彩的信息世界。

365天思考 ／ DAY171