算法与个人：从消费者说起

数字时代与传统商业中的消费者有着很多的不同。传统行业例如消费品行业，消费者只是 作为买方参与到交易的过程中，按照价格进行商品交易。 数字行业中，以社交网络举例，一个 APP 的普通用户就有了四重身份:

• APP 内容和信息的消费者
• App 内容的传播和分享者
• 免费个人浏览数据的提供者
• 广告的观看和点击者

如果套用传统经济学的模型，只有第一个属性属于消费者的范畴，后三者则都兼有劳工的 身份。

网络效应

• 以数据为驱动的社交网络，搜索引擎，电商平台，内容传播平台大量依靠网络效应(一部 电话的价值是 0，但是 n 部电话的网络总价值就是 n 的平方(Metcalfe’s Law))。 以内用平台举例，要实现正向的网络效应，就需要平台更好地匹配 up 主更新的视频和用 户的兴趣，才能让用户选择这个平台并且会长时间地使用它。这也催生了 2000 年 tech bubble 之后的基于数据学习 和推荐的技术的兴起。

从原始积累到垄断

平台发展的第一个阶段，即用户累积的阶段，往往是给用户参与门槛更低，并且在匹配和 内容管理方面做得更好的公司更能吸引用户，扩大自己的 network effect。 这个阶段因为竞争的存在，公司往往会真的更考虑用户的内在需求以求把握住用户的忠诚 度。此时的科技公司多会被视作颠覆传统的力量，在大量的质疑和支持中发展。

而在第二个阶段，即形成 user base 之后，则会很容易地利用已经积累的数据优势和用户 数量形成垄断的推荐系统，然后不断地进行各种 monetization 的改进。为了维持公司的业 绩产品的 feature 在上线之前需要经过一定 user pool 的 A/B test，做出更利于公司营收的 决定。这后面的根本逻辑依然是确保 shareholder 拿到最大的利润，保持公司的垄断地 位。

作为成熟商业公司的流程，大胆提出商业假设，基于商业数据的分析，对结果严谨论证和 对公司营收负责的态度都没有什么问题的。而用户为什么会对短视频，线上游戏和社交平 台上瘾般地着迷?我觉得是推荐系统系统的目标和设计对用户的真实需求与用户自己理解 的不同。

推荐系统常用的优化指标有季度广告收入，CTR(click through rate)，用户使用 APP 的时长 和视频的观看量的目的。垄断的互联网公司并不 care 你想要什么，他们更 care 的是这些 指标，以达到 1. 让用户多看视频 增加广告收入，2. 多采集用户的数据，从而训练更好的 AI 推荐系统，反过头来更高效地吸引用户使用 service，形成毅种循环。

Brain hacking

大公司会有专门的 consumer psychology 团队来研究如何让用户”get hooked”，用心理学和 生理学的研究结果来预测和影响用户的行为。一个基于用户点赞和调查问卷的研究显示:

“With information on just ten Facebook "Likes," the algorithm was more accurate than the average person's colleague. With 150 "Likes," it could outsmart people's families, and with 300 "Likes," it could beat a person's spouse. ”

反映在 app 另一侧的用户体验，是我体会很深的是，观点极化和娱乐刺激性的内容更容 易引起人的观看欲。

这里不是说这些视频本身有问题 它当然可以达到娱乐 缓解压力的目的 但是如果自制力不 强的话很容易会一不留神就刷了几个小时 事后更多的是 guilty 的感觉。心理学研究表明 这种持续的 guilty 的感觉不会让人停止上瘾行为 反而会加剧它。

而且心理学研究还表明 binge watching 与暴饮暴食类似，不是压力管理最好的办法，会让 人没有时间做更加有效的活动，例如亲密关系，社交，冥想和运动(source: Will power instinct)。

从社群的角度来讲，互联网变得容不下多元的讨论，人们更倾向于先确定立场再去驳斥跟 自己立场相反的人，而基于倾听和尊重的对话(见 706 的分享《互联网中讨论的消 失》)。

更好的推荐系统?

我个人觉得在 AI 领域激烈的军备竞赛中，没有公司会非被迫地停止自己在研发科技和 monetization 方面的投入。即使 Google 真的停下了广告营收的模式，其他的公司也会马 上填上这个万亿美元的市场;即使全美国的公司都能做到停止这种商业模式，也会有中国 和欧洲的公司来占领这个消费市场。最近频繁出现的社会事件 例如劳资纠纷 贫富差距增 大 劳动力参与程度的下降 让大家意识到这样下去结果会很难看，但是没有人能停下这辆 车。

尽管如此，我觉得具备以下特质的推荐系统在长期会更受人的喜爱: - 更个人化的(personalized)

- 保护个人数据隐私的(privacy-protected)

- 对内容生产者和消费者更公平的(Fair)

- 为个人的真诚的兴趣和探索提供帮助的(genuine design)

个人可以怎么做?

贴几个大佬的建议吧。摘自《未来简史》:

1. Know yourself, 读一些心理学的书来识别某些自己尚未意识到的内在机制，提高审视现 实和自我观察的能力，会快速地识别哪些事情是在利用自己的多巴胺，哪些是自己真心热 爱的;

2. 加入一些有有着共同意义感的组织(706 就很棒)，在沟通中增加自我认同，认识小伙 伴，看到不一样的 view。

关于现有的业界秩序，我的想法是可以去 exploit 这个现有的体系，无论是作为劳工还是 投资者，为自己赚取第一桶金，可以是一万元也可以是一百亿。只有积累了足够的 capital，才争夺的商业和政治的决策权，去实践自己的价值观。无论这个价值观是好是 坏，至少对于现有的体系是一个平衡。这可能是更难的事情，因为屠龙少年变成恶龙的事 情实在是太多了。

我的思考习惯是先了解尽可能多的现实，看看我能具体做些什么，然后就去做，同时尽量 让自己有长远的乐观。对于 AI，推荐系统和用户经济的未来，我的看法是，就像各种技 术经历的增长期，瓶颈期，到人们冷静下来审视这些技术很现实的利弊之后所经历的一 样。