淺析算法推薦機制下的受眾商品化邏輯

張曉慧 魏 超

數字媒體時代，算法和數據逐漸成為信息傳播的關鍵變量，而基于大數據和人工智能的算法推薦已成為平臺類媒體的核心運行機制。依托算法機制，平臺媒體成長為當今主流的媒體類型。算法推薦的基礎資源是受眾個人資料、網絡使用行為以及數字內容生產等匯聚而成的用戶數據?；谶@些數據，平臺媒體繪制用戶畫像并向其推送定制化的資訊和廣告。本研究從受眾商品化的角度，對算法推薦這一機制進行傳播政治經濟學透析，以窺探算法推薦實現資本積累的本質，并提出受眾主體性可能的實現策略。

一、受眾商品論的產生與內涵

1977年，加拿大傳播政治經濟學者斯麥茲（Smythe）發表《傳播：西方馬克思主義的盲點》一文［1］，提出了“受眾商品化”理論，指出大眾傳播產業生產的以及廣告商出資購買的商品形式不是資訊、影像、娛樂等等表象，而是“受眾”?！笆鼙姟庇^看廣告的過程即是商業產品的推銷過程，這一過程促進了商品流通過程中分配與消費這兩個環節的縫合［2］。受眾商品化的過程亦形成了媒介、受眾和廣告商三位一體的關系，大眾媒介的節目安排用來建構受眾，廣告商為取得受眾而付錢給媒介公司，受眾于是被轉交給廣告商（見圖1），三者聯結在一種有約束力的相互關系中，媒介公司為廣告商生產了受眾，并且是符合廣告商需要的特定的人口學特征的受眾［3］。

圖1 斯麥茲“三位一體”受眾商品論

“受眾商品論”自提出即引起了廣泛的辯論和對話，斯麥茲的學生李凡特（Livant）和加利（Jahlly）此后又將“受眾商品”意涵進行了拓展，運用馬克思主義經濟學的“勞動價值論”論證受眾商品即是受眾的勞動時間，而媒介企業的利潤來自受眾所創造的剩余價值［4］。

二、算法推薦機制下受眾商品化的基礎

雖然受眾商品論誕生于傳統媒體時期，但在數字媒體時代，這一理論不僅沒有過時，反而更具解釋力與啟迪性。特別是在以算法推薦為核心機制的平臺媒體占據媒介高地的今天，根據用戶畫像推送資訊、投放廣告以及形成自身商業閉環，使得受眾的商品化走向了一個新的階段。

（一）平臺媒體實現內容的產品化

根據斯麥茲“三位一體”受眾商品論的關系（見圖1），傳統媒體時代媒體是中介，溝通廣告主和受眾兩個客戶。媒介生產的內容是“工具”，連接著受眾注意力和廣告兩類資源。新的傳播環境下，平臺型媒體不再是過去的內容生產者，而是變成了內容的經營者，這一變化使受眾變成了用戶。從生產新聞作品到“銷售”新聞產品，改變的不僅僅是生產方式，更意味著思維的變化。這一變化，使得平臺型媒體建立起了一整套以用戶為導向的運營邏輯和機制。這個機制中最關鍵和核心的就是需要生產出符合用戶需求的內容。此時，媒體和受眾的關系從單向灌輸變成雙向互動，媒體和用戶之間從簡單交流到深度參與。平臺型媒體通過不斷挖掘和傳遞與用戶緊密相連的話題，使得內容更加的情感化、故事化、情景化，讓用戶沉浸其中，其和用戶日益成為信息傳播的共同體、價值判斷的共同體、情感傳遞的共同體［5］。

通過共同體的打造和一整套的激勵措施，平臺型媒體依靠用戶一起生產海量的內容產品。在此基礎上，平臺型媒體依據數據庫、歸類、標簽等方法，對內容產品進行分類和整理，進而完成對內容的產品化升級和服務的開發，實現了從賣內容轉向賣用戶、賣品牌、賣產品，從而實現商業價值最大化。

（二）算法推薦系統的優化升級

隨著互聯網上信息量的大幅增長，用戶在面對海量信息時，對信息的使用效率反而下降，此時，算法推薦系統便應運而生。算法推薦系統的精準度是算法機制的核心價值，直接關系到算法平臺的生死存亡。為了不斷地實現平臺型媒體在內容、資訊和廣告(電商）上能夠更加理想的精準傳播，算法推薦系統需要不斷的優化和升級。

目前，算法推薦平臺主要運用的是基于內容的推薦、協同過濾推薦和關聯規則推薦?；趦热莸乃惴ㄍ扑]主要擅長文字信息的提取，在音視頻等非結構化的數據上存在不足。而協同過濾算法推薦主要是通過用戶的歷史行為建立用戶的興趣模型，然后依據用戶的興趣特征為用戶做出產品和內容的推薦。隨著用戶數據的增加和用戶多平臺數據的共享，關聯推薦算法應運而生。該算法主要基于用戶歷史數據的挖掘，挖掘出用戶數據背后的關聯，用來分析用戶潛在的需求，向用戶推薦其感興趣的東西。

當前，單個算法推薦已經很難滿足用戶的信息需求和平臺的商業化拓展，融合多種算法、關聯更多數據的組合推薦系統得到發展和完善，媒體平臺往往是使用兩種或者多種的推薦方法相互整合優點、彌補缺點，同時，通過不斷地對推薦算法進行用戶體驗、優化轉化率、優化在線廣告等形式的測試和評估，來不斷地對算法進行優化升級，以達到對用戶的精準推薦和預測。

（三）平臺搭建媒介經濟生態圈

互聯網天生具有開放和鏈接兩大特征。因此，其不僅可以被更多用戶使用，搭建更多平臺，同時還可以提供更多的信息共生場景。當前，平臺型媒體不僅實現了和傳統媒體的融合轉型，形成了龐大的日活用戶群體，同時平臺型媒體也通過跨平臺、跨行業、多服務的多渠道融合，搭建以用戶為核心的媒介經濟生態圈，打造出全產業鏈無縫對接的媒體經濟新生態。

與傳統的商業平臺不同，媒體平臺經濟主要依托虛擬交易空間，是以大數據與算法為生產要素的。技術作為媒介經濟的結構性變量，不斷探索著新邊界，創新媒介經濟的模式［6］。

當前，在平臺型媒體上，FaceBook和微信等媒體基本上實現了其縱向一體化的跨行業產業鏈聚集，微信生態中有基于朋友圈和公眾號的精準廣告推廣，基于場景的小程序入口，基于金融理財、生活服務、交通出行、購物消費的支付功能，這使得微信基于社交成功建立起媒介經濟生態圈。作為主要以算法推薦為主的平臺型媒體，字節跳動旗下的抖音也在加速打造自己的媒介經濟生態圈。在算法推薦機制下，抖音將feed廣告和定制品牌廣告精準送給對的人，抖音從其平臺的各種直播享受著打賞的分成。此外，從2018年開始，抖音就上線“購物車”等工具，以短視頻種草的形式為第三方電商平臺帶貨導流。2020年，字節跳動開始整合旗下電商業務，并申請支付牌照，進一步拓展商業版圖，以期構建相對完整的媒介經濟生態圈。

三、算法推薦下受眾商品化的價值鏈

數字媒體時代，受眾商品化概念衍生出新的內涵，受眾商品化過程體現出不同于傳統媒體時期的特征與方式。受眾媒介參與、使用形成的用戶數據成為平臺媒體的核心資源。圍繞用戶數據，平臺媒體進行追蹤、演算、推送等一系列運作，以為資本的積累服務。在受眾商品化的進程中，算法推薦機制扮演了全程把控的角色，是數字時代受眾商品化的關鍵要義，串聯起受眾商品化的價值鏈（見圖2）。

圖2 算法推薦機制下受眾商品化價值鏈

（一）用戶勞動內容的無償使用

算法推薦的基礎資源是用戶數據，不同于傳統媒體時代用戶數據由媒體調查、收集，數字時代的平臺媒體，用戶數據由受眾自行生產并被商業平臺無償使用，受眾既是消費者，同時也是生產者，受眾使用媒介的過程即是產生信息數據的過程。早在1980年，阿爾文·托夫勒（Alvin Toffler）即提出“生產消費者”的概念，意指“生產者與消費者之間的界限逐漸模糊”［7］。?？怂梗‵uchs）則把這一概念運用到數字媒介的分析中，指出傳統大眾媒介上的受眾與互聯網上的受眾區別在于，后者也是內容生產者，網絡上有用戶生成的內容，并且用戶從事永久性的創造活動、傳播、社區建設和內容生產［8］。由于用戶的永久性活動和作為產消者（prosumer）的身份，?？怂拐J為在商業社交媒體上，受眾商品是一種“互聯網生產消費者商品（Internet prosumer commodit）”［9］?；ヂ摼W生產消費者商品的出現意味著人類創造性活動的全面商品化，網絡受眾的媒介使用過程即是被商品化的過程。

數字平臺媒體上，作為消費者的受眾源源不斷地“生產”著這些可供商業資本利用的用戶數據，并且是無酬生產與供給。更為重要的是，受眾往往意識不到自己正為商業平臺進行著無償的生產勞動。表面上是用戶可以免費享用平臺的媒介服務，事實上其中滲透著隱秘性的剝削，用戶才是免費勞動的提供者。由受眾通過媒介使用而生產的用戶數據與內容成為算法推薦機制的演算來源，也成為平臺媒體進一步進行積累資本的基礎。

（二）商業利益導向的用戶數據監控

作為算法推薦的一環，平臺媒體會對受眾生產的用戶數據進行監測和捕獲，以為剩余價值的實現創設條件，而這亦是受眾商品化的一個重要面向。對于互聯網時代的剝削問題，安德烈維克（Andrejevic）提出了“監控（Monitoring）”這一新的資本主義生產要素，認為監控是資本生產價值鏈中的一個重要因素，用戶活動產制的信息成為營銷以及生產過程中的一個入口［10］。用戶要想順利地使用媒介平臺，只能被迫放棄作為隱私的用戶數據，以“隱私換內容”。受眾隱私的犧牲成就了商業平臺價值、資本的攫取。新網絡經濟的資本邏輯即是使用者各自的生產、剝削與價值實現，“雖然大部分使用者的線上活動是可以自由進出、自由決定工作內容、不被直接監督命令的，但是他們的線上活動記錄資料卻是在沒有太多選擇之下被迫在巨細靡遺的監視下完成”［11］。

具體來說，商業性網絡平臺的運營商和第三方廣告客戶，持續不斷地監控和記錄用戶的個人資料和網絡活動，存儲、整合和分析收集的數據，這些經營者和廣告客戶能夠創建關于用戶詳細的個人資料檔案，包括用戶的個人興趣和線上行為，形成龐大的數據庫資源［12］。另一方面，用戶數據亦成為經營者和廣告商之間利益交換的籌碼，作為商品的用戶數據被運營平臺售賣給廣告商，平臺由此實現資本的積累與變現。

（三）數據自動演算的失真與誘導

算法推薦實現了用戶調研的自動化，依靠大數據演算，完成用戶分析?！斑@種對信息的深度‘開發’及攫取，既是資本主義商品化在數字經濟時代的表征，更是信息資本主義下數字勞動被剝削的體現?！保?3］雖然算法實現了用戶數據的自動演算和分析，但亦可能會造成一定的偏頗，更有可能會導致受眾的數字自我失真?！叭绻藗儼褜π畔⒌倪x擇權完全交給算法，每天都只是等著算法投喂的信息，也會導致他們越來越失去自主性與判斷力?！保?4］過于依賴算法提供的信息內容，容易導致受眾的認知窄化，框限住受眾的視野。更有學者指出，數字時代的數字自我演算可能將淪為算法的俘虜，致力于實現人工智能設定的自我形象，商業平臺媒體異化地控制受眾以及受眾的媒介使用過程［15］。

作為資本流通的一環，用戶數據演算并非基于受眾立場，而是為了資訊和廣告更好地售賣和到達。此時，算法推薦機制不僅僅傳播資訊，還會依據商業導向來形塑用戶的消費觀念，并運用生動的畫面和話語將現實和消費者頭腦里的欲望聯結起來，形成新的生活方式和消費觀念，以刺激他們的消費欲望，對受眾實施物質生活消費的誘導。算法推薦下的受眾畫像和數字自我已經失真并淪為資本積累中的一塊拼圖。

（四）廣告（電商）精準投放的集約型剝削

在現今的平臺媒體中，很多定向廣告直接以電商導購的形式出現。事實上，平臺媒體的定向廣告（電商）是一種新的剝削模式，基于用戶數據演算的廣告精確投放，實現了對受眾的“集約型剝削（intensive exploitation）”［16］。?？怂拐J為可以將網絡定向廣告看成一種相對剩余價值的生產，傳統電視里，所有觀眾在同一時間看到的是相同的廣告，而在網絡上，廣告商能夠在播送非定向廣告的同一時間，也投放可能符合消費者興趣的廣告，線上定向廣告更具生產力，而用戶的點擊購買過程是廣告公司剩余價值的實現過程［17］。

這種定向廣告（電商）往往會變身成一種生活方式、一個故事，一種符號等，被移用在物品之上，試圖為廣告（電商）充當背景和場景，其有條不紊地輪換強制性地造成了用戶唯一的接受模式，即消費模式。這無疑使得商業平臺和客戶的共謀產出最大化，實現了對用戶的精準剝削。針對用戶定制精確廣告資訊，也減少了廣告商普遍撒網的成本付出，提高了資本的利用效率。定向廣告與電商的結合，實現了數字平臺受眾商品化的最后一環，為資本的剝削積累提供了牢靠的保障。

四、算法推薦下受眾主體性的實現路徑

算法推薦機制下， 受眾的媒介使用活動即是在為平臺媒體勞動做工，受眾商品化的每一環，用戶都遭受著資本控制。分析算法機制下受眾商品化的價值鏈，批判是一方面，但最終人們還是希冀通過這一機制的透析，找尋到在當前的媒介情境下，受眾能夠抵抗資本平臺并實現自身主體性的可行策略，本研究建議可以從下述幾個方面進行努力：

（一）技術規制平臺，保障受眾參與數字主體建構過程

平臺媒體的最大資產是用戶數據，而這由受眾無償生產的數據內容反過來成為進一步剝削受眾的來源，經過大數據演算推導出的結果進一步反噬平臺用戶。受眾要想對此有所制衡，應積極爭取權利，參與到數字主體建構的過程中來。受眾要向平臺媒體爭取對個人資訊篩選與擁有“知的權利（right to know）”“被遺忘的權利（right to be forgotten）”與“改變的權利（right to change）”，以及了解、檢查、修正與自主運用相關數據的權利［18］。受眾要爭取知情權，要求數字平臺說明用戶數據收集及使用目的，做到資訊采集的合法、透明。在數據存儲方面，尊重并保護用戶的被遺忘權，包括歷史數據的遺忘權以及敏感信息的刪除權，用戶有權要求平臺刪除相關的消費數據，對確有必要存儲的信息，予以妥善保存，通過屏蔽等措施進行有效保護［19］。

受眾爭取數字主體建構的主動權，就是要打破與算法平臺間不對稱的權力關系，要求平臺提升算法透明度，建立信息平衡。對于用戶的消費記錄、個人支出以及住所位置等方面的敏感隱私信息的獲取，應明確告知用戶以及使用目的，取得受眾的同意與許可。事實上，這完全可以通過技術優化得以實現，如蘋果隱私政策的調整就順應了用戶隱私保護的訴求，于2021年4月生效的蘋果隱私政策新規規定，應用程序需要征求蘋果手機用戶的授權后，才能追蹤其使用手機的在線行為數據［20］。

從技術維度規制算法平臺，可以減少用戶與平臺間的信息不對等，構建兩者間的算法平衡，而受眾參與數字主體的建構過程，一定程度上可以削弱資本平臺對自身的控制力度，拿回一部分本應屬于自己的權利，為重新成為數據資料的主人創造可能。

（二）提升受眾算法素養，培養批判意識和行動能力

不同媒體時代，受眾的媒介素養直接關系到認識、運用媒介的能力。算法時代，同樣需要受眾提高相應的算法媒介素養。算法無可避免，受眾需要做的是正確了解算法給我們認知、行為造成的影響，繼而能夠理性、有效地面對算法以及使用算法平臺。需要培養受眾對算法推薦的理性認知和批判意識，能夠知曉算法推薦的技術邏輯和運行機理，在此基礎上，能夠合理地運用算法而又不被算法所操縱［21］。提升算法素養，就是要破除算法迷信、對抗算法風險，通過積極的行動對算法異化進行糾偏，提高駕馭算法的能力。在了解了算法推薦的技術邏輯后，受眾要鍛煉自控能力［22］，能夠及時從平臺營造的個人偏好“同溫層”中抽身而出，提高自主性。另外，對信息來源保持警覺，提高抵御不良信息的防范能力。

提升算法素養，除了提高知覺意識外，在使用平臺的過程中，受眾還可以主動采取一些操作策略，以反制算法對自身的數字異化。面對商業平臺的宰制，受眾并非束手無策，仍然可以積極采取行動。如在數字媒介使用完成后對不感興趣的信息進行標注、歸于一類、取消相關關注等等，通過這些逆向操作干擾算法，降低算法平臺對使用者異化和偏離的程度。逆向操作是反制算法異化的可行手段，為扭轉算法漩渦以及受眾主體性的部分獲得提供了可能。算法素養的培養，可以有效提升受眾對平臺媒體使用的主動權和掌控力，不至完全落入算法剝削的窠臼。

（三）建立公共數字媒體平臺，賦權受眾自主使用

受眾使用商業平臺媒體，不可避免地卷入資本累積的漩渦中，參與數字主體建構、提升算法素養只能爭取到一部分權力。要想實現主體性的完整獲得，則需在平臺媒體之外建立一個免費的非商業性的公共數字媒體平臺。學者Bauwens即呼吁建立具有一定影響力的公共數字媒體與社交平臺，渴望一定程度上解決數字用戶既幫資本平臺勞動，同時又扮演消費者的尷尬境地［23］。

事實上，類似的公共媒體平臺已提供了借鑒，如由非營利的維基媒體基金會經營的維基百科，即是提供自由近用、合作勞動的非商業性數字平臺。維基百科創設了一種資訊共產主義的形式，經費主要來自用戶捐款，沒有任何廣告，沒有商業模式，不為資本積累的目的服務；勞動者自己管理生產，共同決定所有決策并控制生產過程；在自愿性的基礎上，用戶提供所有人可以免費使用的公共知識財產，并從中獲得樂趣［24］。維基百科開創了另類媒體的先河，在商業數字平臺寡占受眾注意力的今天，為受眾爭取自由、重獲自主贏得了生機和可能。

公共數字媒體平臺的廣泛建立，需要適宜的土壤，一個基于參與式民主的社會公共領域的實現是重要前提，而作為一種對抗，非商業性數字平臺代表了資本邏輯籠罩下的用戶反叛力量。商業平臺的本質是剝削，公共數字平臺的要義則是賦權，非商品化的特質使得公共數字平臺用戶可以實現最大程度的主體性。用戶在一種自愿勞動、自我決定的機制下，獲得真正自由平等的媒介使用體驗。

五、結語

我們已經進入了一個算法的時代，無可逃避它的影響力，透析算法推薦的機制以及資本積累本質可以幫助我們更加冷靜、理性地對待算法，在接觸商業平臺媒體的過程中，秉持一顆警惕的心，帶著批判的眼光去使用，擺脫算法剝削的窠臼，掌握主動權。數字資本控制猶在，但受眾可以進行抵抗和反規訓。