搜索一個關鍵詞，隨后經常收到關聯信息、廣告推送；網絡購物時，頁面上涌現出大量曾經搜索過的商品信息……時下，算法推薦無處不在，讓人們獲取信息變得更加智能化、個性化、定制化。在給我們帶來便利的同時，算法推薦的問題也隨之而來，比如“信息繭房”困擾、媚俗信息泛濫、大數據“殺熟”等。如何讓算法推薦更好服務網絡用戶？

“用戶畫像”精準

數據分析更“懂你”

“最近打算買輛車，于是在網上搜索一款自己喜愛的車型，之后網絡頁面上不斷推送這一款車型的視頻，還有一些車展的消息。這些信息都是我想關注的。”合肥上班族劉佳（化名）說，這樣的網絡平臺就像是一個知己，更加懂用戶了。

這就是算法推薦的一個應用。算法推薦，通過一些數學算法，推測出用戶的興趣愛好，然后自動給用戶推薦其感興趣的內容。基于大數據分析，算法推薦可以快速為用戶精準匹配其感興趣的內容，大大提高了用戶獲取信息的效率，為人們的生活帶來便利。據了解，今日頭條客戶端較早地運用算法推薦，會聰明地分析用戶的興趣愛好，自動為用戶推薦喜歡的內容，并且越用越懂用戶。目前，很多客戶端都加載了算法推薦功能。據不完全統計，當前基于算法的個性化內容推送已占整個互聯網信息內容分發的70％左右。

算法推薦憑借其獨特的優勢，滿足了用戶的個性化、定制化需求。算法推薦會根據用戶的瀏覽記錄、閱讀習慣，精準為用戶畫出“用戶畫像”。現在，很多網絡平臺通過算法推薦，能夠分析用戶的個性化特征，包括用戶的興趣點、使用時間、地理位置、職業等。畫出“用戶畫像”后，算法推薦就可以把關聯信息精準推送給用戶。同樣的客戶端，在不同用戶的使用下，變得“千人千面”。運用算法推薦的客戶端以用戶為核心，推送定制化的內容，為用戶“開小灶”。

算法推薦應用越來越廣泛，在信息傳播、廣告營銷等多個領域都派上了用場。算法推薦不僅僅停留在大數據分析層面，還能通過機器學習，優化推薦。當用戶收到個性化推薦后，算法還能夠根據用戶的停留時長、屏蔽、轉發、評論等使用痕跡，“揣摩”用戶的“心理”，更加全面地勾勒出用戶的消費畫像。一旦用戶的興趣等發生改變，算法推薦也能動態掌握用戶的最新“畫像”。

過度迎合用戶

形成“信息繭房”

算法推薦技術在移動互聯網時代大顯身手，受到廣泛重視。不過，算法推薦在給用戶帶來方便的同時，也產生了一些問題。

“信息繭房”問題就是被業界詬病的問題之一。算法推薦不斷為用戶推薦其感興趣的內容，讓用戶的信息選擇面收窄。個性化推薦仿佛以用戶的興趣為用戶筑起了一道“墻”，形成“信息繭房”，導致用戶視野受限。“由于工作壓力大，自己常常在短視頻平臺上看一些搞笑的視頻。一段時間以來，發現這家短視頻平臺給我推送的幾乎都是搞笑搞怪的內容，讓人既愛又恨。在興趣推薦的誘惑下，常常一看就是幾個小時，沉迷其中不能自拔，有時候吃飯時也情不自禁地拿起手機看推薦視頻。”劉佳坦承，算法推薦就像是一個魔法棒，讓他沉迷在興趣推薦中，關注視野越來越窄。

部分網絡平臺為了追求流量，吸引眼球，以算法推薦為手段一味迎合用戶，推薦庸俗、低俗、媚俗等信息，固化了某些受眾的低級趣味。另外還有電商平臺根據算法推薦“算計”用戶，進行“大數據殺熟”。電商平臺能夠通過算法輕松算出哪些用戶是“熟客”。老用戶本該是優待的對象，卻成了部分電商平臺“算計”的對象。同樣的商品，老用戶登錄的頁面顯示的價格反而更貴……一些網絡平臺利用算法，分析用戶的喜愛偏好、消費能力后，專宰“熟客”，讓人感嘆“最懂你的人傷你最深”。前不久，合肥網購“達人”彭女士在網購時發現，同一家店鋪的同一件衣服，使用不同的手機購買，價格相差20多元。“其實，早在去年我就發現了電商‘殺熟’問題。今年以來，我常常使用愛人的賬戶購買東西。”彭女士表示，為了規避“大數據殺熟”，她無奈地選擇使用不常網購的愛人的賬戶購買商品。