原標題：個性化推薦風(fēng)行的今天，為什么有人喜歡反著來？

通過數(shù)據(jù)挖掘?qū)崿F(xiàn)的個性化推薦，在今天可謂是產(chǎn)品的一項必不可少的功能。拋開繁復(fù)冗余的信息，直擊用戶興趣，無疑是一種非常高效的選擇。

可人們有多愛個性化推薦，也就有多恨個性化推薦。喜歡的人為了它不知不覺沉貢獻大量的時間，不喜歡的人也為個性化推薦找到了很多罪名。有用戶認為個性化推薦對用戶行為的跟蹤涉嫌侵犯隱私；學(xué)界為個性化推薦會不會造成信息繭房讓人越來越笨而爭論不休；硅谷也曾批判過以個性化推薦技術(shù)為首的科技成癮機制。

個性化推薦的確是技術(shù)進步的標志，但很多時候商業(yè)發(fā)展的軌跡并不是和技術(shù)發(fā)展完全重疊的，而是永遠跟隨需求而定。

就像微波射頻技術(shù)，一方面因為推動通信技術(shù)發(fā)展，帶來了通信企業(yè)的大繁榮。另一方面也因為人們的誤解和情感方面的厭惡，帶來了防輻射產(chǎn)品上的“小繁榮”。

同樣在個性化推薦上，既崛起了今日頭條系這樣龐大的商業(yè)媒體帝國，也讓一些產(chǎn)品因“反個性化推薦”而嶄露頭角，出現(xiàn)在人們眼前。

反谷歌斗士DuckDuckGo

搜索引擎DuckDuckGo的出現(xiàn)，和今日頭條一樣是個性化推薦下的產(chǎn)物，但不同的是，DuckDuckGo主張的是產(chǎn)品不應(yīng)該為了個性化推薦而追蹤用戶行為數(shù)據(jù)，也常常以這個由頭和谷歌搜索正面叫板。最開始讓DuckDuckGo成名的，就是一副寫著“Google tracks you,we don’t.”（谷歌會追蹤你，但我們不會）的戶外廣告。

那搜索引擎究竟是如何“追蹤”用戶，以至于讓DuckDuckGo如此反感呢？

首先搜索引擎會收集用戶的IP地址、設(shè)備、LBS信息和搜索記錄，對用戶畫像進行初步的描繪。再通過User Agent（用戶識別符）和Cookies緩存進一步挖掘瀏覽器本地的瀏覽記錄，對于用戶的興趣愛好進行更深入的理解。

但搜索引擎對用戶的挖掘和追蹤不僅為了優(yōu)化搜索結(jié)果和廣告的精準度，根據(jù)http協(xié)議，當用戶從搜索引擎跳轉(zhuǎn)到第三方網(wǎng)站時，第三方網(wǎng)站是可以獲知用戶的搜索用詞，甚至同樣獲知用戶信息的。

DuckDuckGo還在自己的反信息追蹤博客上提到，谷歌不僅會記錄用戶信息，還會記錄用戶所訪問的網(wǎng)頁，并且在服務(wù)器中永久的記錄下相關(guān)信息，可供法律糾紛時傳喚使用。光是2017年一年，谷歌就接受了10萬次的相關(guān)請求。最近一則與之相關(guān)的新聞，是DuckDuckGo聲稱自己經(jīng)過測試后發(fā)現(xiàn)，即使使用匿名模式，不同用戶還是會產(chǎn)生不同的個性化結(jié)果。

當這些平時不引人關(guān)注的事實以數(shù)字的形式呈現(xiàn)出來，的確讓人有些觸目驚心的感覺。DuckDuckGo就是抓住了這一點，推出了“一攬子”防隱私追蹤計劃。

說起來DuckDuckGo采用的技術(shù)也很簡單，除了保證自己不記錄追蹤用戶信息以外，也會在轉(zhuǎn)發(fā)訪問信息時進行處理，防止第三方網(wǎng)站獲知用戶搜索關(guān)鍵詞和個人信息。另外DuckDuckGo還設(shè)置了跳轉(zhuǎn)功能，直接通過!+跳轉(zhuǎn)網(wǎng)站代碼的形式來實現(xiàn)在百度、必應(yīng)甚至淘寶和亞馬遜進行搜索——同時不會被這些網(wǎng)站記錄下信息。

正是因為這種對于隱私的堅持，才讓DuckDuckGo這款毫無任何“背景”的搜索引擎達到日3000萬的搜索量，還和蘋果、Linux這樣的大廠達成了合作。

讓你不喜歡的個性化推薦算法

個性化推薦算法的種類，已經(jīng)足夠豐富了。但個性化推薦算法越精準，信息繭房學(xué)說的簇擁者們也就越堅定，認為這種愈發(fā)單一的信息結(jié)構(gòu)對于政治的危害尤其嚴重，會讓持有不同政見的人深陷自己的觀點之中，思維越來越閉塞。

因為這種狀況，在去年的NIPS會議來自羅馬第二大學(xué)和芬蘭阿爾托大學(xué)的研究團隊推出了一種算法，專門為用戶個性化推薦他們不喜歡的內(nèi)容。

具體操作方式是，通過兩個用戶彼此之間的評論和點贊，累積出熟人樣本，再樣本數(shù)據(jù)足夠多的前提下，就可以通過用戶對不同話題的態(tài)度將其進行對立化的分區(qū)。在同一話題上，兩派用戶會收到到不一樣的個性化推薦，但會有一些交叉點。

打個比方，薛之謙有很多粉絲和黑粉。粉絲收到的個性化推薦或許是薛之謙的音樂、在綜藝節(jié)目上的CUT，黑粉收到的則是李雨桐的爆料。但雙方都會收到“薛之謙去公安局驗毒自證清白”這一條相對中性化的新聞，這時兩個群體的KOL會針對這一事件發(fā)布不同的見解，這時把兩個群體KOL的意見也推送給彼此用戶群體，就能實現(xiàn)交流意見、開拓思想的效果。

更重要的是，這種算法的應(yīng)用成本并不高。只要在原本大多數(shù)平臺都會應(yīng)用的協(xié)同過濾算法上做一些調(diào)整就能實現(xiàn)。

就在最近這一團隊還在社交媒體上表示，F(xiàn)acebook和Twitter的算法團隊都曾經(jīng)和他們有過郵件往來，感謝他們所提供的靈感，稱自己也在用類似的方式打破單一的個性化推薦。

反個性化推薦的三條成功之路

除了這兩樣典型的產(chǎn)品和技術(shù)以外，還有一些類似買手電商、只做編輯推薦的資訊平臺、電臺式的音樂產(chǎn)品……在反個性化推薦上，其實能舉出不少例子。

那么作為一款反個性化推薦的產(chǎn)品，需要哪些必備特征才能成功呢？

第一， 直擊用戶對個性化推薦最討厭的地方

像DuckDuckGo這樣的產(chǎn)品，完全是貼合著用戶對于個性化推薦最反感的地方來的。為了強化這一點，DuckDuckGo一直在自己的調(diào)研和社交媒體中向用戶宣教隱私問題的重要性，和最大的競品谷歌是如何追蹤人們的隱私的。DuckDuckGo自己的數(shù)據(jù)顯示，在菱鏡和劍橋門兩次事件后，其用戶量都迎來了一次峰值上漲。

所以，反個性化推薦產(chǎn)品不需要讓用戶愛上自己，只要拼命讓用戶討厭、懼怕自己的競品就夠了。

第二， 反個性化推薦=反UGC

當個性化推薦在拼命為用戶殺時間，那么反個性化推薦自然沒辦法也去爭奪用戶的時間和注意力。這時候引入UGC內(nèi)容生態(tài)就是一種很糟糕的選擇，UGC用戶無法獲取公平的注意力，最后就只有流失一條路。

早些年豆瓣上的音樂人小站就是一個典型的例子。音樂人小站中出現(xiàn)了大量獨立音樂人，作為UGC用戶貢獻著內(nèi)容。但豆瓣音樂上流量最大的個性化推薦工具豆瓣FM卻沒能和UGC內(nèi)容打通，音樂人小站只能靠用戶之間的社交自行傳播，最后不了了之。

相反，類似于開眼、好奇心日報這種更加精簡和專業(yè)的編輯推薦、PGC內(nèi)容生產(chǎn)模式收斂了用戶的參與方式，只觀看內(nèi)容、不生產(chǎn)內(nèi)容。無需為運營成本所累。

第三， 反個性化推薦需要更謹慎的變現(xiàn)方式

但不得不承認的是，相比更容易黏住用戶的個性化推薦。反個性化推薦產(chǎn)品在變現(xiàn)上擁有更多困難。像DuckDuckGo，雖然指責谷歌為了廣告收入追蹤客人，但自己一樣通過廣告變現(xiàn)，而用戶量小、推薦不精準的DuckDuckGo，比起用戶量大、推薦精準的谷歌，在廣告價值上孰高孰低也很明顯了。

一般來說，反個性化推薦產(chǎn)品的客群更加分眾和精準，通過特殊的產(chǎn)品氣質(zhì)來和客群之間加強聯(lián)系，推出付費版本和內(nèi)容電商是更普遍的選擇。

反個性化推薦產(chǎn)品的出現(xiàn)，呈現(xiàn)出了一種非常明顯的需求分眾形式。除了不斷滿足自己的需求，有時候用戶也需要讓一個非常不了解自己的角色，告訴自己應(yīng)該獲取哪些信息。

在個性化推薦算法已經(jīng)非常泛濫今天，這些反個性化推薦產(chǎn)品給科技產(chǎn)業(yè)帶來了一絲不一樣的清風(fēng)，不斷回響提醒著世界，仍然有用戶注重隱私的價值、仍然有用戶信任專業(yè)者的眼光、仍然有用戶渴望傾聽不一樣的聲音。正是因為這類產(chǎn)品的存在，個性化推薦產(chǎn)品才會不斷進化，不會淪落為隱私收集器和信息繭房，在兩個極端的世界中找到平衡。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。