“頂熱度”與“大數(shù)據(jù)記住我”：用戶的算法想象與反向利用實踐 ——以小紅書平臺為例

當下，算法技術(shù)普遍應(yīng)用于社交、內(nèi)容、生活服務(wù)等各大平臺之中，使得“算法”二字對于普通用戶而言，不再是陌生的語匯，而是深刻滲透于用戶的日常實踐與社會交往中，使得用戶通過相關(guān)實踐獲得算法認知，形構(gòu)自身的算法想象，并將其再次運用到實踐之中。正是在動態(tài)的“人——機”交互過程中，用戶對算法的認識日漸深入，并開始發(fā)揮其自主能動性，抵抗算法馴化，嘗試反向利用算法，以實現(xiàn)個人目標乃至社會性目標的。此類現(xiàn)象在采用算法機制的社交媒體平臺初見端倪，成為值得關(guān)注的議題。

文獻回顧與問題提出

算法與用戶認知。算法作為平臺尤其是社交媒體平臺的運作機制，已經(jīng)深刻滲透于用戶的日常生活、社會交往之中，作為一種“普遍現(xiàn)實”而存在。因而，用戶對算法的認知也在日益提升。用戶的算法認知涵蓋較廣，既包括指用戶對于算法知識的了解、態(tài)度也即算法意識，也包括用戶在自身與算法相關(guān)的在線實踐中發(fā)展出來的民間理論。用戶在與算法的互動實踐過程中，會逐漸意識到算法的存在與影響，并自我構(gòu)建起一套用于解釋算法運作機制及其影響的知識框架，隨之將其運用于實踐中并不斷修正。

對用戶算法認知的研究中量化研究相對較少，主要是通過對各類型平臺用戶進行實證調(diào)查，探究用戶對于算法的基本認知、態(tài)度、影響因素等。在對用戶算法認知的研究中，理論研究與質(zhì)性研究數(shù)量較多，研究者通過扎根理論、數(shù)碼民族志、參與式觀察、深度訪談等方法，在特定的具體情境中探究普通用戶如何感知算法本身及其產(chǎn)生的影響。

在探究用戶與算法的認知關(guān)系中，Bucher提出了“算法想象”（algorithm imaginary）這一重要概念，意指人們想象、感知和體驗算法的方式以及這些想象使之成為可能的實踐，不僅關(guān)注用戶對算法的思考——算法是什么，它們應(yīng)該是什么以及它們?nèi)绾芜\作的方式，也強調(diào)用戶的自主能動性——這種想象如何中介用戶的算法認知與實踐。國內(nèi)也有學(xué)者對用戶算法想象及其機制、規(guī)則進行考察，探討用戶如何從個體性訴求出發(fā)，依據(jù)算法想象進行抵抗性的實踐。盡管用戶具有與算法機制進行抵抗、博弈的自主性，但其仍然會受到算法馴化的影響。因而，對于算法想象的研究較為突出地展現(xiàn)了用戶算法認知的主體性與復(fù)雜的意義建構(gòu)、互動過程。此外，可供性這一概念也被用于對用戶算法認知與實踐的分析。申東熙等學(xué)者對“可供性”（affordance）理論進行發(fā)展，提出“算法可供性”的概念，進一步探討用戶與算法機制的感知互動關(guān)系。

總體上看，對于算法與用戶認知的相關(guān)研究理論視角較為多樣，但都注重算法與用戶的互動關(guān)系，突出用戶算法感知形成的動態(tài)過程。

算法與用戶實踐。算法與用戶復(fù)雜的互動關(guān)系，最終體現(xiàn)在用戶感知、接收、反饋、被馴化、抵抗的具體實踐之中。圍繞算法與用戶實踐展開的研究目前仍然相對較少，用戶對于算法尤其是對算法推薦的感知與反饋行為是其中較為常見的一類，研究者將用戶置于與算法的“人——機”關(guān)系中，考察用戶如何解釋與使用算法，以及與之對應(yīng)的，如何接受并產(chǎn)生對于算法負面性、算法馴化的抵抗行為。

用戶與算法的互動實踐離不開作為“田野”和“環(huán)境”的平臺，基于依靠算法推薦機制的平臺，考察內(nèi)容生產(chǎn)者和內(nèi)容接受者的生產(chǎn)、消費實踐以及用戶與平臺算法機制的互動是較為常見的研究方向。除此之外，在對用戶算法實踐的理論化研究方面，有學(xué)者從可供性、情感等較為具有創(chuàng)新性的理論視角出發(fā)，考察用戶算法實踐中復(fù)雜的物質(zhì)性、情感、心理因素。

但總體而言，大多研究局限于算法影響用戶、用戶做出反饋的框架之內(nèi)，較少研究從用戶本身的主體視角出發(fā)，察用戶作為能動主體，如何出于自身需要反向利用算法，以實現(xiàn)個人或社會性的目標。因而本研究意圖從用戶主體視角出發(fā)，分析在采用算法推薦機制的社交美團平臺用戶所體現(xiàn)出的算法想象，探究其具體的算法互動實踐行為類型、目的與意義。 

研究方法

本研究主要采取參與式觀察法，考慮到用戶群體與平臺特性，對小紅書這一采用算法推薦機制為主的社交媒體平臺中用戶對算法機制的認知與實踐進行為期一個月的沉浸式觀察，并分析由此所產(chǎn)生文本內(nèi)容及其背后的情感態(tài)度與目的。此外，本研究選取部分用戶進行線上訪談，時長為25分鐘~30分鐘，以獲取更豐富的質(zhì)性材料，補充觀察結(jié)果，深入挖掘背后的復(fù)雜意義與行動脈絡(luò)。

用戶算法想象：從本體到情感

可供性與重要性認知。近年來，由于抖音、快手、小紅書等依靠算法進行推薦內(nèi)容平臺的崛起，對“算法”這一概念的討論頻繁地出現(xiàn)于網(wǎng)絡(luò)輿論、媒體報道之中，檢視算法的作用及其可能帶來的社會影響，強調(diào)對于算法的正確引導(dǎo)與規(guī)制。同時，平臺自身也將精準推送符合用戶興趣愛好的內(nèi)容算法作為賣點，因而對于大多數(shù)用戶尤其是年輕用戶而言，算法并非一個陌生概念。

盡管大部分用戶實際上并未從事算法相關(guān)的工作，也并不了解算法技術(shù)相關(guān)的專業(yè)知識，但通過長時間的平臺使用實踐，用戶得以感知、體驗、想象算法的基本功能、運轉(zhuǎn)機制與作用。受訪者Puddin認為，“算法是一種前沿技術(shù)，通過用戶數(shù)據(jù)的收集，可以精準推薦用戶感興趣的內(nèi)容，但是也可能造成隱私侵犯、信息繭房等等問題?！笔聦嵣?，上述用戶對于算法效用的感知與算法實際屬性之間的互動，可以描述為一種“算法可供性”。

此外，用戶對算法的重要性也有充分的感知。受訪者Ape認為，“如果沒有算法，微博、抖音、快手、小紅書這些平臺可能根本就沒有辦法運行了。”受訪者Arthur則指出，“我們現(xiàn)在獲取的信息相當大一部分都是算法推送給我們的……如果沒有算法，我可能就沒辦法這么便利地獲取合心意的內(nèi)容了。”

但不可否認的是，用戶對于算法的認知仍然是處于“黑箱”之中的，無論是何種認知，都是用戶在算法實踐中以“想象”的方式構(gòu)建出來的，算法實際的運作方式和過程是用戶無法觸及的。正如受訪者Rui所言，“我慢慢開始覺得這是在想象算法了……因為我們實際上并不知道平臺的算法機制是怎么樣運作的，我們只能基于自己的實際體驗和平臺給我們的反饋去猜測，想象平臺是怎么去實現(xiàn)它的?！?/span>

人格化想象與情感互動。與早期巴倫·李維斯、克利夫·納斯通過實驗發(fā)現(xiàn)的“媒介等同”理論類似，盡管用戶理智地將算法視為某種技術(shù)物，但在實際的實踐過程中，用戶在與算法的互動中仍會不自覺地以人格化的方式對待算法。在典型的“大數(shù)據(jù)記得下次早點推給我”“再不給我紅包我就卸載了”等用戶話語中，用戶將平臺算法視為能夠“聽懂”自己所表達的意愿的對象，以或懇求、或半脅迫等各種摻雜情緒態(tài)度的語言與算法進行互動。小紅書用戶“姓氏喬”甚至認為，“要學(xué)會PUA大數(shù)據(jù)……每次遇到滿意度調(diào)查時都PUA系統(tǒng)，選擇很不滿意”，在獲得此種反饋之后，“系統(tǒng)就會更加殷勤/努力推薦不同類型的高質(zhì)量短視視頻”。PUA（Pick-up Artist）這一概念，最早可追溯到美國1960年代的臨床心理學(xué)家Albert Ellis，泛指精通吸引異性方法的男女，后其內(nèi)涵范圍為處在交往關(guān)系的雙方其中一方通過精神打壓等方式，對另一方進行情感上的控制打壓。因而，這些對于算法的人格化描述體現(xiàn)出用戶在與算法進行互動，衡量、評判算法時往往會將其作為與人類同等的角色看待，在互動過程中也會產(chǎn)生情感和態(tài)度的碰撞。

另一方面，用戶在與算法的互動中對算法負面性的感知會激發(fā)不滿、擔(dān)憂、抵抗等情緒的產(chǎn)生，尤其是在算法未能滿足個人需求的特定時刻，如受訪者Puddin就認為平時在算法推薦的“溫床”之中不會產(chǎn)生什么特別的情感，但之前她考研的時候，平臺鋪天蓋地推送不喜歡的明星消息，即便點擊不感興趣也無濟于事，“這種時候就會覺得算法真討厭，快別推了”。受訪者Rui認為，“被采集數(shù)據(jù)就令我挺反感的，有一種隱私泄露的感覺……而且現(xiàn)在的推薦算法還不夠成熟，并不能把你最想用的內(nèi)容精準推送給你，久而久之你就會偏好算法給你推薦的內(nèi)容，形成慣性思維”。 

用戶對算法的反向利用實踐：由個體向社會延伸

個人維度：算法“試驗”與關(guān)系“打撈”。從個人層面上看，用戶的算法反向利用實踐主要體現(xiàn)為出于特定的利益需要而對平臺算法機制進行試探性的利用，其目的較為多樣，除了通過積極對自己感興趣的內(nèi)容進行點贊、轉(zhuǎn)發(fā)等反饋以獲取更符合自己取向的內(nèi)容推薦這一常規(guī)行為，還包括通過平臺之間的大數(shù)據(jù)與算法關(guān)聯(lián)獲取其他平臺的優(yōu)惠、獲取特定類型的與自己相關(guān)的利益信息等如“薅羊毛”、讓自己發(fā)布的內(nèi)容獲得更好的數(shù)據(jù)等。之所以是一種“試探性利用”或“試驗”，原因在于大多數(shù)用戶在進行此類出于個人需要的算法利用實踐時，并不能確定此類實踐的效果，也不清楚平臺算法機制運作的基本邏輯，往往只是跟風(fēng)模仿，復(fù)制特定的話術(shù)，如“大數(shù)據(jù)請記住我，下次這類型的信息早點推給我”“美團外賣，我要3.9（元）開會員@美團”。

值得注意的是，此類對于特定平臺的話語還會涉及平臺之間的競爭關(guān)系，如“美團太難用了，我要下餓了么，再不給我紅包我就卸載了”。此類話語的表述，不僅暗含了用戶對于國內(nèi)平臺市場壟斷現(xiàn)象的認知，也明確指向了用戶對于平臺算法、大數(shù)據(jù)“殺熟”等亂象的不滿情緒與微觀的抵抗嘗試。并且，通過用戶群體性的模仿和傳播，這類試探性的算法實踐可能會被確立為某種集體的行為模式，并經(jīng)由用戶間的相互印證而不斷固化。在檢索相關(guān)內(nèi)容時，往往會有用戶主動提出此種做法是行之有效的，“第一次罵美團，是真的有用，昨天還是12.9（元），今天看就變成3.9（元）了”“罵美團，親測有效”等，因而又會引起更多的效仿行為，成為部分用戶群體的慣常的實踐模式。受訪者Rui對此解釋道：“現(xiàn)在下載app都會讓你“是否授權(quán)app跟蹤系統(tǒng)應(yīng)用，授權(quán)之后，它就有權(quán)限收集你在其他應(yīng)用的操作，你在小紅書這些社交平臺發(fā)表言論比如罵美團，它是可以收集到的，這是通過網(wǎng)絡(luò)cdn技術(shù)實現(xiàn)的?！辈贿^，他也指出，盡管其他平臺如美團外賣能夠獲取相關(guān)言論內(nèi)容，但是否會給予優(yōu)惠取決于它自身的平臺算法，可能考量的不僅是用戶言論的單一指標，也會考慮用戶賬號的其他指標如過往消費情況等。

在用戶為優(yōu)化自身所發(fā)布內(nèi)容的數(shù)據(jù)包括瀏覽量、點贊量、轉(zhuǎn)發(fā)量等指標時，往往也會經(jīng)歷上述的“試探——反饋——調(diào)整”的試驗，通過調(diào)整圖片順序、文字標題、標簽、語言風(fēng)格等發(fā)現(xiàn)不同平臺算法對于內(nèi)容推薦的偏好，經(jīng)過多次試驗調(diào)整后再固定為某一種內(nèi)容生產(chǎn)風(fēng)格，可以視為一種用戶在自身的算法實踐中形成的民間理論。

除此之外，用戶出于個人需要所進行的算法利用實踐也可能涉及與他人關(guān)系的聯(lián)結(jié)，典型例子是“大數(shù)據(jù)撈人”。算法會依據(jù)用戶所處的地點、特定時間、相關(guān)標簽、個人偏好等進行內(nèi)容推送，也會將相似的內(nèi)容推給有過時空交集或有相似活動軌跡的用戶。以小紅書APP為例，有不少用戶通過發(fā)帖尋找自己在現(xiàn)實中遇到的感興趣的人，通過大數(shù)據(jù)“精準尋人”，并且產(chǎn)生了較多的成功案例，算法則在某種程度成為媒介和橋梁，鏈接起本無干系的用戶節(jié)點，搭建起弱關(guān)系，并帶來培育強關(guān)系的可能性。但此類實踐只是相較于傳統(tǒng)大眾媒介時代提高了關(guān)系鏈接的精準度和可能性，并不能總是保證成功的可能性。

社會維度：議題可見性與互助行動。在出現(xiàn)特定的社會公共議題而議題未得到足夠的社會關(guān)注時，或相關(guān)事件未能得到妥善處置時，用戶會自發(fā)進行“頂熱度”行為，通過評論、點贊的方式增加被算法推薦的可能，實質(zhì)上也是一種對算法進行反向利用的實踐。以大熊貓“丫丫”事件中，小紅書平臺上有大量用戶發(fā)帖為“丫丫”發(fā)聲，評論區(qū)則呈現(xiàn)出一致性較高的“頂熱度”話術(shù)，如“頂熱度專用！”“不放棄不放棄，需要全網(wǎng)有熱度”等，并且通過重復(fù)的復(fù)制粘貼使其占據(jù)較多版面。此類評論行為有些類似于web1.0時代貼吧、論壇網(wǎng)友的“灌水”“蓋樓”行為，但社交媒體用戶的目的并不是提升自己的賬號等級、增加“經(jīng)驗”，而是通過試圖通過數(shù)據(jù)的增加來獲得更高的算法推薦權(quán)重，使未得到充分關(guān)注的公共議題借助算法獲得更多的可見性，增加事件熱度，并向公共機構(gòu)施加一定的社會輿論壓力。

除了賦予特定社會公共議題可見性，此類用戶實踐也廣泛運用于線上的社會互助行動中，互助對象一般有較為明確的指向。迪爾凱姆從社會分工的角度提出了社會互助的重要性，而克魯泡特金發(fā)展了這一概念,認為人類相互幫助和相互支持的需要是人類進行社會化的一種本能需求。隨著時代發(fā)展，社會互助的行動形式可能會發(fā)生相應(yīng)變化，但其本質(zhì)精神不會消失。在此類在線社會互助行動中，盡管也會涉及到“大數(shù)據(jù)尋人”，但其目的與前述“撈人”行為存在差異性，即并非出于用戶個人的需求而是意在助人，如尋找走失的老人兒童、救助流浪動物、針對某個個人的風(fēng)險提醒和幫助等等。在某些案例中，用戶通過披露聊天記錄或其他個人發(fā)布的內(nèi)容截圖和大致的IP定位等信息，借助算法機制和其他用戶的“頂熱度”行為精準推送給當事人，從而幫助當事人成功規(guī)避風(fēng)險。用戶參與此類社會互助行動具有相當強的隨機性和不求回報的無目的性，因而是一種“偶遇式”的、人人可參與的泛公益性質(zhì)的線上社會行動，從而在整體上有助于促進社會交往活動中人與人之間的互助互惠。 

用戶算法反向利用實踐的再審視

盡管用戶對于算法的反向利用實踐能夠部分地滿足個人的需求，并且在某些情況下能夠促進用戶對更廣泛社會互助行動的公共參與，但這種實踐仍然是零散化、無組織的，其效果仍有待商榷，也有可能會造成某些負面后果。出于個人需要進行“大數(shù)據(jù)撈人”，往往會涉及某些個人私密信息，比如照片、聊天記錄、IP地址乃至工作單位、家庭情況等，侵犯個人隱私。網(wǎng)友“小紅薯632C4F51”認為，“我真的不理解這種偷拍行為……就這種偷拍了把人的照片放上來，真的沒有一點法律意識嗎？”在極端情況下，潛在犯罪分子有可能通過這種方式偽裝自身動機，獲取對方的私密信息、活動軌跡等，用戶可能會“好心辦壞事”，造成不良的社會后果。網(wǎng)友“石原離譜”指出，作為女生，她并不覺得“全網(wǎng)撈人是浪漫”，幾十條一模一樣的“撈人”帖子她看到的是背后的執(zhí)拗，“只覺得恐怖”。

在線上社會互助層面，用戶的算法反向利用實踐成效也未必能盡如人意，部分用戶也對此類行為提出質(zhì)疑。受訪者Ape認為：“一味刷屏同樣的話術(shù)而不是解釋清楚事情的經(jīng)過、予以關(guān)注的重要性，只會消耗大眾的注意力，甚至激起部分人的‘逆反’心理。而且更重要的是這樣很可能會被平臺限流，起到反作用，屬于‘好心辦壞事’了?！背舜罅俊八⑵痢痹斐尚畔⒔邮苷叩挠^感不佳，大量復(fù)制粘貼的話術(shù)也可能淹沒真正有用的具體信息，并使平臺算法機制有可能將其內(nèi)容判定為惡意刷評論的“水軍”，降低推送權(quán)重，造成相反的效果。 

結(jié)語

通過對依靠算法機制的社交媒體平臺的參與式觀察與對部分用戶的訪談，研究發(fā)現(xiàn)，用戶的算法想象體現(xiàn)在對于算法可供性和重要性的基本認知，以及人格化想象與情感化的互動；而用戶的算法反向利用實踐可以分為個人與社會兩個面向，個人維度上的算法利用實踐包括出于個人需求的算法“試驗”與關(guān)系“打撈”，社會維度上的算法反向利用實踐則體現(xiàn)為通過“頂熱度”等行為賦予社會公共議題可見性、促進社會互助行動。但需要注意的是，用戶的算法想象與認知仍然是零散的、不全面的，而用戶的算法反向利用實踐也可能造成個人隱私泄露、不利于公共議題擴散等負面后果。

此外，本研究在研究對象選取、參與式觀察時長、概念界定等方面仍然存在較多局限，有待今后研究進一步進行完善。

文章來源：  《聲屏世界》   http://00559.cn/w/xf/24481.html