社交网络为用户进行「个性化推荐」的做法,是否会导致人们「难以接触到意见相左的人」?

2016年7月7日 | By News | Filed in: 未分类.

Source: http://www.zhihu.com/question/46480353/answer/109595045?utm_campaign=rss&utm_medium=rss&utm_source=rss&utm_content=title

说一个不完全相关但有一定参考意义的例子。在某二手车网站的信息流中,以前是按照一定的原则排序(原则包括发布时间、车源质量、热门程度等等),每个用户来到网站看到的页面是完全一致的。但最新的改进在信息流中插入一个“猜你喜欢”的模块,位置是在原来的第二条和第三条信息之间。这个模块根据用户之前的行为,展现四条用户可能最喜欢的车源。效果如下图。

比较“猜你喜欢”这个推荐模块上线前后的效果,采用的指标是各个位置的帖子在整个页面的点击占比。灰色曲线是推荐模块上线前的情况,点击占比基本是随着位置的往后逐步降低,非常符合经验知识。橙色曲线是推荐模块上线后的情况,点击占比在位置第3位至第6位之间(也就是推荐模块的区域)出现峰值。

而有意思的是,邻近推荐模块的第1-2位以及第7-8位,点击占比陡降而出现波谷。当正常帖子的位置足够远离推进模块后(比如从第11位起),点击占比基本恢复正常,与无推荐模块的点击占比曲线基本完全重合。

推荐模块因为更加精准或者更加符合用户的口味,大幅吸走其邻近正常帖子的点击,对于上下两位的四个正常贴,点击降幅均在80%左右。下图充分说明这个趋势,负数表明在推荐模块的上方,正数表明在下方。从第11位(即推荐模块下方的第5位)起,基本和无推荐的情况没有显著差别。

(注:正常帖子的基准线是,推荐模块上线前同样位置帖子的点击占比。)

下图是按位置各车源的点击累计占比图(CDF),除去在推荐车源出现的前六位,有推荐的情况比无推荐的情况,点击更加分散在长尾。

最后的结果,在排除各类噪音的影响之后(总体UV数量及质量的变化),车源点击的数量在上线推荐模块后,增加了2.9%。

回到问题本身,虽然这不是一个社交网络的案例,但是仍然可以发现:推荐的出现,让其附近随机的信息受到的点击大幅减少,从而让用户大幅减少探索其他新鲜信息的机会(幅度在80%以上)。如果我们做一步大胆的跳跃和假设,在社交网络上,把用户A看着顺眼和看着不太顺眼(某种程度上等于意见相左)的用户摆在一起,用户A会有较高的概率只留意顺眼的,而忽略不顺眼的,于是更不容易接触到那些意见相左的用户。

……更多文章请到数据冰山 – 知乎专栏
……更多回答请到何明科的主页

来源:知乎 www.zhihu.com

作者:何明科

【知乎日报】千万用户的选择,做朋友圈里的新鲜事分享大牛。
点击下载

此问题还有 120 个回答,查看全部。
延伸阅读:
为什么在社交网络越来越丰富后,却更容易感到孤独?

在社交网站上挑评论回复的主人和回复所有人的主人有什么区别?


Comments are closed here.