科学驯养App不完全指南：我在300次推送中完成了20场角色扮演

Photo by freestocks.org on Unsplash，本文来自 微信公众号：全媒派（quanmeipai） ，原文标题：《当APP沉迷做个性化定制：我在300次推送中完成了20场角色扮演》。

在算法推荐大行其道的今天，比自己更了解你的，既不是你的朋友，也不是你的敌人，可能是你的App。

时不时地，我们总能被各种App对自己精准的寻找，吓到。

淘宝、京东的商品推荐，总让你怀疑自己莫不是被监听监看，连知乎这样的“清白之地”，似乎也在暗暗用力，不断描摹刻画你的用户画像。

被男朋友猜中心思是粉色的，被自己的App猜中总是有点情感复杂。被算法理解，虽然它能恰如其分地为你送上一首歌、一篇文，但这样的理解到底是存了一点孤单。

我们总是希望尽力过好丰富人生，把自己看成一个多面的棱镜，百变而神秘。但是，这种程序化的算法，似乎简简单单就将你刻画复制了出来。

从这个问题反推思考，我们是不是能借助不同的App完成一次自我探索的认识之旅？

算法何以了解你

既然想借助这些个看不见摸不着却强大的幕后力量，上演一出“将计就计”的好戏，那就先跳上“神坛”看看吧。

推荐算法的产生，和人类信息环境的变化直接相关。从信息匮乏时代走向信息过载时代，每个人陡然发现在信息获取上自己面临着新的困境：庞大信息带来的低效。而推荐算法恰是为了解决这一问题。

凭借个性化的推荐和对冗余信息的有效降低，推荐算法在国内外得到了广泛使用。从亚马逊、YouTube、谷歌到今日头条、网易云音乐、淘宝京东，算法成为一个近乎魔法的概念。

亚马逊推荐算法的调整曾给卖家带来不小的震荡

目前，内容推荐、协同过滤是十分主流的推荐算法。

基于内容的推荐算法 （content-based） 特别适用对文本内容的解析。将一则文本视为一条item，通过不断地抽取、细化，为文本打上无数的标签，形成taglist。当用户在做个性化推荐时，可以将用户最近操作过的item列出，用这些taglist模拟成一个用户模型，再用倒搜索引擎为用户推荐候选结果。在国内，采取CB算法的最典型代表就是今日头条。

基于内容的推荐算法可谓最为“古老”

在头条之后，新闻资讯App都采取了推荐算法。文本信息的处理特性，使得基于内容的推荐算法成为主流。

协同过滤 （collaborative filtering） 则是从集体智慧出发实现的一种推荐。比如通过对用户喜欢的项目分析，发现用户A和用户B两人十分相似，两人都喜欢相同的内容，那么就可以把用户A喜欢而用户B还未喜欢的项目C，尝试着推荐给B。

另一种协同过滤则是基于item本身 （item-based，CF ） 。这种推荐不需要找到和用户A相似的B，而是完全基于用户A的单独行为。itemA和itemB十分相似，而用户A很喜欢itemA，那么就可以把B尝试推荐给用户。网易云音乐的后端算法主要是基于这两种协同过滤算法。

余弦相似性是常用的计算方法

此外，基于人工神经网络的深度学习也是十分频繁常见的推荐算法。

图像识别是深度学习的典型应用

剔除那些细致、庞大的计算方程和运算过程，推荐算法底层逻辑的说明也不过百字之内。哪怕听起来不明觉厉的AI算法，也不过是更复杂的数学模型。

在神话已死的年代，科学却成为了最大的神话。

以算之道反算其身——科学驯养App不完全指南

在实践中，这些App所遵循的个性化推荐系统要复杂得多。

从别的维度出发，以网易云音乐、今日头条为例，又可以将其推荐算法切分为官方推荐、UGC用户推荐和热门推荐 （热度加权） 等。

当App面对一个新用户，由于缺乏用户行为数据，精准个性化的推荐可谓是“巧妇难为无米之炊”，这时对新用户的推荐，会提供给他大部分人都喜欢的歌曲，这种类似于大盘数据的官方推荐，能让你在初入时，不至于那么无措；当用户在App上持续进行搜索、收藏、喜欢、评论等行为数据后，算法就能针对你个人和你喜欢的歌曲，衍生出庞大的推荐库。

但是基于App个性化推荐的底层逻辑，我们依然可以借助有意识的行为方式，科学驯养App。

在新闻资讯类App上，主要的推荐原理就是依据用户的阅读行为。越是经常点击某类文章，越是容易被推荐相同类型。

资讯App中都设置了众多的兴趣主题，在进入这些App之时，用户都需要完成一系列简单的选择。这种最初也最简单的主动选择，形成了众多差异化的用户组，借助这种聚类方法，崭新尚未被“揣摩”的我们，其实已经有了一副清浅的五官。

即刻上的兴趣分类

但这样的分类，往往太过粗浅，尤其在以性别作为重要分类变量下，更是显得性别固化。

新安装即刻的用户，在进入App主页前，都需要完成两道选择题，先是性别选项，再是细化的兴趣分类。如果你在第一步选择自己是男性用户，那么在第二个兴趣分类页面，你将看到科技、游戏、二次元、男士穿搭指南、军事和汽车等兴趣主题。

当你选择女性角色后，这些主题变成了萌宠、综艺、护肤、女性安全。

如果你是一个“非典型”女生用户，爱好科技、喜爱户外，想要在资讯类App上实现高效的信息获取，你得不停的用时间和精力去和潜藏不可见的算法磨合。

我们每个人相似却也不同。若想拥有一个能“懂你”的App，又岂能争朝夕。

小王子把爱称作驯养：“如果你驯养了我，我们就彼此需要，成为彼此最特殊的存在”。

在众多个性化推荐App中溜达过一圈后，曾经梦想仗剑走天涯，豪气十分的驯养App似乎成了一个伪命题。因为，当你完成这个双向的游戏后，你和你的App也就成为了一种“彼此最为特殊的存在”。

这何尝不是一场互相调教的游戏

角色扮演：一场看不清的游戏

在网易云上，首页的歌单成了心情和状态的写照。你可以是在这样焦灼的夏季里，枕着一列励志歌单奋斗的考研党，也可以是一个歌单充满阿尔法波、自然醇音的失眠患者，是一个从BBC卷福配音版的《南太平》到喜爱各类纪录片原音的英音爱好者……

这种角色扮演的游戏，对人类而言有着历史源远的基因。不管是神话、小说、戏剧，还是在互联网之后，我们拥有的众多身份ID，追究下去，它们何尝不是一种角色扮演。

曾经，我们扮演了些孤独的角色，隐身在二进制世界，我们每个人都或多或少供养着些小号和另外的自我，扮演着微博小粉红、中二少年和追星少女，而现在，我们似乎棋逢对手，与算法开始了场互相博弈的游戏。

有时，这些推荐算法让我们感到惊艳，那些未曾听闻却让自己分外喜欢的推荐，似乎总能在恰当的天气恰当的气氛里击中你的柔软。

这种推荐，也时不时地有些萌蠢。

甚至让你感到害怕。

但是，当在这场游戏中暂告一段落时，却觉得算法虽难却也简单，自我简单却也复杂。在十几款App，百余次我选你猜的互动中，想起的是电影《撞车》里的这句话 “你还需要很多年，才知道自己是个什么”。

在这场实验开始前，我以为自己会在最后迎来一个确定性的答案。但是，很遗憾。对于算法，对于个性化推荐，对于寻找乐趣、打造更“我”的App，似乎了解了更多，但态度却更加复杂。

对于一个人文学科背景出身，对批判主义情有独钟的人而言，对于这样的技术崇拜的确存在种近乎本能的警惕。但是，正如吉尼罗曼说的”我们将增强人类的智能，而非‘人工’的智能。”

我们不得不承认，一个假想的敌人，更能让你认识自己。在与这些推荐算法“斗智斗勇”的同时，我们从另一个维度察觉着自我价值、自我热情、自我的行为模式……从这些App实验中，出于各种目的，我努力挖掘了各类或理工或社科，或天真有邪或成熟稳妥的“我”，但我最后不得不承认，我的确是个肤浅的人，最爱名 （yu） 人 （le） 轶 （ba） 事 （gua） 、幽 （gao） 默 （xiao）小 （duan） 品 （zi） 文，以写文章为名，不知泡在知乎看了多久的“如何评价XX明星”……面对这些痕迹，无法抗辩。

在心理学看来，角色扮演是人类普遍具备的能力。从小时候的过家家，到长大后的游戏，我们都在进行着角色扮演。成年之后的角色扮演，能让人们做出更好的改变，帮助你“实现”未竟的愿望，让你在日常生活中重获新鲜感。

算法在毫不懈怠地学习、超越着，我们何尝不是。五千年前，苏格拉底写下“认识自己”，这个重要却最艰难的追求；今天，也许我们是更近地走向了这个梦想，只不过，是借助了手机里那些App。

本文来自 微信公众号：全媒派（quanmeipai） 。

未来面前，你我还都是孩子，还不去下载虎嗅App猛嗅创新！