毕舸
“个性化推荐”是近年来新兴的管理科学技术名词 ， 其定义简单明了：根据用户的兴趣特点 ， 通过人工智能的大数据和算法 ， 推荐其感兴趣的商品、内容等各类信息 。 而推荐似乎也已经成为国内互联网行业发展用户、挖掘用户价值的一大利器 ， 尤其是图文、短视频、电商、外卖、在线旅游等诸多领域 ， 个性化推荐无处不在 ， 人人都被包裹在算法系统之中 。
不过 ， “个性化推荐”大一统时代即将终结 。 今年1月 ， 《互联网信息服务算法推荐管理规定》出台 ， 明确了算法推荐服务提供者应当以显著方式告知用户其提供算法推荐服务的情况；向用户提供不针对其个人特征的选项 ， 或者向用户提供便捷的关闭算法推荐服务的选项 。 该规定自3月1日起施行 。
如今 ， 越来越多的用户也厌倦了清一色“个性化推荐”的互联网信息获取模式 。 根据北京大学互联网发展研究中心发布的《中国大安全感知报告（2021）》显示 ， 受访者中 ， 70%担心个人喜好、兴趣被算法“算计” ， 50%表示在算法束缚下想要逃离网络、远离手机 。
在监管部门和公众的双重压力下 ， 部分互联网平台已经陆续开始向用户提供个性化推荐功能的自由选择权 。 据不完全统计 ， 截至3月15日 ， 不少短视频、电商、社交类APP均已上线算法关闭键 ， 允许用户在后台一键关闭“个性化推荐” 。
不过 ， 部分平台把“个人信息收集清单”和“个性化推荐”关闭键埋得比较深 ， 一般是在隐私、广告相关的设置选项中找到 。 这暴露出相关平台仍然抱持半推半就的态度 ， 不希望过多用户以便捷方式一键关闭 。 毕竟 ， “个性化推荐”能够让平台深度了解用户的喜好和习惯 ， 为用户定制内容、信息和服务 ， 用户的每一次点击 ， 都会在后台算法系统中产生一个新的用户标签 ， 点击次数越多 ， 算法系统能够为用户勾勒的标签也就越全面 ， 最终算法系统会成为“比你还了解你自己的影子” ， 从此提供更加精准的推荐 ， 如此又会激发用户更多的兴趣 ， 进行主动点击 。 最终 ， 用户将大量时间、精力、金钱都用在该平台上 ， 平台从单个用户身上所攫取的收益成倍增加 。
研究表明 ， 个性化推荐最早起源于美国电商平台亚马逊 。 亚马逊在1998年推出了基于项目的协同过滤算法 ， 使推荐系统能够基于上亿的商品目录为数百万用户提供推荐服务 。 当用户进入亚马逊的商品浏览页面 ， 就如同走进了亚马逊为其在网上量身打造的商店 ， 那些自己感兴趣的商品会被自动移动到前面 ， 而不太感兴趣的商品则被移动到远处 。
而国内不少互联网平台则通过学习、模仿 ， 将个性化推荐功能进一步推广到更多领域 ， 从而为用户打造了“个性化推荐的一天”：早上 ， 你从睡梦中醒来 ， 想起下周就要休年假 ， 准备和家人选一个景区放松身心 ， 打开在线旅游APP ， 上面立即推送了一堆你“感兴趣”的旅游景区信息 ， 这些景区信息都是根据你之前的浏览历史、点击记录 ， 经过算法系统筛选后推荐的 。 到公司工作了一上午 ， 又到了午餐时间 ， 你赶紧打开外卖APP ， 外卖APP根据你之前的点餐记录 ， 立即推送了一堆同类餐食的价格优惠信息 。 下午5点多临近下班 ， 你想着回家要准备做饭 ， 马上点开送菜APP ， 系统推荐了你昨天浏览过的当季最新蔬果 ， 今天刚好有8折优惠 。 晚上8点多 ， 你觉得衣柜里的冬装要换春装了 ， 点开电商APP ， APP所推荐的最新春装信息都是系统根据你过往浏览及下单记录所“定制”的 。 买好春装 ， 放松的时刻到了 ， 你打开短视频APP ， 一条又一条你最喜爱的网红热舞短视频扑面而来 ， 让你直到深夜还在刷刷刷 。