劉婷

摘要：Netflix業(yè)務(wù)的核心是其推薦系統(tǒng)（NRS），它是用來識別和推薦用戶感興趣的內(nèi)容、產(chǎn)品和服務(wù)的算法工具。Netflix的NRS算法是一種無形的基礎(chǔ)設(shè)施，它將用戶品位數(shù)據(jù)化，利用算法標(biāo)簽標(biāo)記用戶身份，并在持續(xù)的推薦過程中再生產(chǎn)品位，從而影響用戶文化品位的構(gòu)建，最終形成一種既定的品位秩序。但算法構(gòu)建的品位社區(qū)也是社會差異再生產(chǎn)的中心，系統(tǒng)推薦的內(nèi)容會越來越窄，并因此而再現(xiàn)新的社會區(qū)隔。

關(guān)鍵詞：算法推薦 文化品位 區(qū)隔 Netflix

近十年來，流媒體平臺迅速崛起，吸引了大量用戶。其中，Netflix因其高質(zhì)量的內(nèi)容和精準(zhǔn)的服務(wù)而發(fā)展成為全球最受歡迎的流媒體平臺之一。該平臺獨(dú)特的算法推薦技術(shù)助推其快速擴(kuò)張。Netflix宣稱，其算法可以讓用戶接觸到來自不同地區(qū)的影視作品，并能在用戶之間建構(gòu)共同的品位偏好，從而將具有相似背景和興趣的用戶連接在一起?！皩⑷藗兣c他們喜愛的電影連接起來”也成為Netflix公司的口號。以Netflix為代表的流媒體平臺塑造用戶的品位偏好，并不是以傳統(tǒng)的人口統(tǒng)計(jì)學(xué)作為標(biāo)準(zhǔn)，而是基于復(fù)雜的內(nèi)容標(biāo)簽、立體的用戶畫像以及算法推薦邏輯的共同運(yùn)作而實(shí)現(xiàn)的。在這一過程中，算法不僅被用來制造認(rèn)同，同時(shí)還放大了偏見，導(dǎo)致用戶之間的區(qū)隔更加擴(kuò)大。

一、Netflix的推薦算法

算法是一組數(shù)學(xué)程序，也是一套處理信息的技術(shù)系統(tǒng)。其目的是揭示或建構(gòu)人們關(guān)于世界的認(rèn)知，并讓人類決策過程趨向數(shù)字化。Netflix的推薦算法（NRS）既是其業(yè)務(wù)和品牌的核心，也是塑造用戶品位的關(guān)鍵技術(shù)。其算法通過數(shù)據(jù)操作和計(jì)算理性，產(chǎn)生了一種簡單化的社會現(xiàn)實(shí)。

1.算法作為無形的基礎(chǔ)設(shè)施力量。社會基礎(chǔ)設(shè)施具有關(guān)鍵的作用，而且往往指涉水壩、管道、橋梁、光纜等物質(zhì)設(shè)施。算法是網(wǎng)絡(luò)平臺的基礎(chǔ)設(shè)施，并不具有具體的物質(zhì)形態(tài)，而是如同一種不透明的黑箱來行使支配性的權(quán)力。“黑箱算法”是一種信息技術(shù)系統(tǒng)，它將硬件能力與數(shù)據(jù)采集分析、代碼庫、后臺功能、云計(jì)算等技術(shù)手段相互結(jié)合，幫助平臺持續(xù)地為用戶精準(zhǔn)推送信息。因此，算法可以說是平臺社會中最為重要的無形基礎(chǔ)設(shè)施之一。

在法國哲學(xué)家?？驴磥?，算法這種無形的基礎(chǔ)設(shè)施具備治理權(quán)力。福柯認(rèn)為，治理是指導(dǎo)人的行為的技術(shù)和程序。掌控技術(shù)的人可以利用知識或話語來制定政策，從而規(guī)范人的行為方式。?？碌闹卫砑夹g(shù)指的是醫(yī)院、學(xué)校和監(jiān)獄等制度性的物理設(shè)施，而平臺算法則通過比較、排序、分配、管理等程序，來培養(yǎng)用戶的興趣并引導(dǎo)用戶的思考。算法重構(gòu)了用戶理解社會的知識和話語體系，塑造了用戶的社會聯(lián)系和日常生活。在這種無形力量下，收看流媒體平臺內(nèi)容的用戶成為一種“可計(jì)算的公眾”，不斷地被算法暗示、詢喚和馴化。

Netflix算法推薦系統(tǒng)NRS是一種無形的基礎(chǔ)設(shè)施力量，它建立了一套系統(tǒng)的算法知識體系和文化話語，既突出了用戶在內(nèi)容生產(chǎn)和分發(fā)中的核心地位，又通過算法的編碼、排序和分析影響著用戶的觀影行為。這種算法還是一種隱蔽的技術(shù)力量，其價(jià)值取向和特權(quán)偏向隱藏在編碼規(guī)則中。算法在部署和表達(dá)權(quán)力的過程中，重新計(jì)算并設(shè)計(jì)了用戶的需求、品位和習(xí)慣，從而塑造觀眾對流媒體內(nèi)容的興趣品位和文化期待。用戶在觀看和互動(dòng)的過程中，將算法暗示的文化品位轉(zhuǎn)化為自身的文化體驗(yàn)，進(jìn)而形成一種“自我強(qiáng)化的偏見”。

2.Netflix算法系統(tǒng)推薦過程。NRS的推薦過程包括提取、評估和預(yù)測三個(gè)關(guān)鍵環(huán)節(jié)。其中，提取環(huán)節(jié)是指識別和收集用戶的信息和行為數(shù)據(jù)，這些信息和行為數(shù)據(jù)與他們的品位偏好相關(guān)。算法基于對用戶數(shù)據(jù)的持續(xù)分析，找出其顯性偏好和隱性偏好。例如，用戶“點(diǎn)贊”和“分享”等行為可以用來記錄、統(tǒng)計(jì)和分析其顯性的品位偏好；用戶的觀看時(shí)長、搜索、收藏、評論跟帖等具有情感色彩的數(shù)據(jù)，則用來預(yù)測用戶的隱性偏好。隱性偏好比顯性偏好更為重要，因?yàn)樗茴A(yù)測用戶潛意識層面的需求，并可以通過推薦算法激活這些需求。

評估則是通過算法將Netflix上的內(nèi)容進(jìn)行轉(zhuǎn)換、分類和評級，Netflix公司內(nèi)部把這種分類過程稱為“altgenres”。NRS會評估內(nèi)容的屬性，如道德倫理、浪漫愛情、血腥暴力等，并將這些屬性貼上微標(biāo)簽。NRS將具有相似品位的用戶歸類為同一的品位社群，并基于對品位社群的計(jì)算分析，作出內(nèi)容推薦決策。用戶端的內(nèi)容標(biāo)題、優(yōu)先排序、內(nèi)容屬性等要素，都是經(jīng)過算法推薦的結(jié)果。整個(gè)過程實(shí)際上是一種聚合匹配用戶興趣品位的動(dòng)態(tài)調(diào)整的流程。

二、Netflix算法塑造用戶品位的邏輯

NRS算法采用基于內(nèi)容過濾和協(xié)同過濾的方法，兩種算法的運(yùn)作基礎(chǔ)是用戶與平臺之間的交互數(shù)據(jù)。在NRS中，每位用戶推薦的內(nèi)容都有所不同，用戶觀看的數(shù)據(jù)越豐富，算法為其推薦的內(nèi)容就越能滿足其個(gè)性化的品位需求。

1.將品位轉(zhuǎn)化為數(shù)據(jù)。平臺的數(shù)據(jù)轉(zhuǎn)化能力不僅包括實(shí)時(shí)執(zhí)行計(jì)算，還包括創(chuàng)造數(shù)字經(jīng)濟(jì)價(jià)值。算法工程師將用戶文化消費(fèi)的個(gè)人偏好數(shù)據(jù)化，對人們主觀層面的品位進(jìn)行量化分類和數(shù)據(jù)計(jì)算。Netflix的NRS算法將用戶品位與視頻內(nèi)容的特征進(jìn)行編碼分析，將內(nèi)容標(biāo)簽與用戶品位相互關(guān)聯(lián)，實(shí)現(xiàn)了“視頻內(nèi)容+數(shù)據(jù)化品位”的視頻精準(zhǔn)分發(fā)。例如，一個(gè)體育迷用戶經(jīng)過幾輪訂閱觀看后，其Netflix主頁上將推送大量包含運(yùn)動(dòng)的照片和視頻。

NRS算法雖然可能會錯(cuò)誤地估計(jì)用戶品位，但品位的數(shù)據(jù)化除了能夠幫助系統(tǒng)自動(dòng)做出推薦決策以外，還能培育用戶的文化身份認(rèn)同，誘導(dǎo)用戶加入某一社群文化。如果Netflix用戶與系統(tǒng)賦予的文化身份標(biāo)簽不匹配，那么平臺就會將該用戶從已有的內(nèi)容推薦關(guān)系中分離出來。當(dāng)用戶進(jìn)行新一輪的觀看行為之后，其品位類別也會被重新數(shù)據(jù)化，并由算法進(jìn)行評估和重組。因此，在Netflix等流媒體平臺中，用戶的品位數(shù)據(jù)并不表現(xiàn)其原始的興趣偏好，而是持續(xù)地被算法計(jì)算、數(shù)據(jù)化和建構(gòu)。這個(gè)動(dòng)態(tài)過程既強(qiáng)化了用戶既有的品位，也擴(kuò)大了因用戶生活與階層不同而產(chǎn)生的品位鴻溝。

2.自我身份的詢喚。Netflix界面的每一個(gè)元素都是通過算法計(jì)算生成的結(jié)果。Netflix的NRS算法能夠?qū)崿F(xiàn)“千人千面”的連接，通過代碼來識別用戶的個(gè)性化身份。這一過程可以通過法國學(xué)者阿爾都塞提出的“詢喚”概念進(jìn)行解釋。平臺中個(gè)性化的視覺內(nèi)容都存在某種代碼，其功能是詢喚具有相應(yīng)文化身份認(rèn)同的用戶。與文化身份相關(guān)的標(biāo)簽包括職業(yè)、種族、性別、性認(rèn)同以及社會階層等，平臺內(nèi)容的視覺代碼中就會包含與之相關(guān)的元素。除了語言和視覺以外，NRS還利用用戶主頁的個(gè)性化界面和劇集的排序來進(jìn)行詢喚。所謂詢喚，可以用阿爾都塞提出的一個(gè)著名的例子進(jìn)行解釋。在大街上，一位警察對行人呼叫，被警察呼叫的行人通過轉(zhuǎn)身回應(yīng)了警察，確認(rèn)自己是被警察呼叫的那個(gè)人，從而自愿確認(rèn)了自己的身份。一旦用戶對算法詢喚作出回應(yīng)，就確認(rèn)了算法所預(yù)測的身份，并接受了算法推薦的品位屬性和品位社區(qū)。

用戶自愿接受這種身份，是因?yàn)樗麄兿Ｍ惴ㄍ扑]的內(nèi)容是專門為他們準(zhǔn)備的。他們被視為“獨(dú)一無二”，由此進(jìn)一步確認(rèn)自己的個(gè)性化品位和身份。因此，詢喚過程可以看作算法與自我形成的一種“虛假共識”和“偽親密關(guān)系”。在Netflix平臺中，用戶對算法有著自我的期待，希望通過個(gè)性化的觀看獲得“主人感、存在感和主體感”，進(jìn)而化解或暫時(shí)逃避現(xiàn)實(shí)生活中的挫折與焦慮。算法詢喚可能會讓用戶將算法賦予他們的標(biāo)簽內(nèi)化，使之更信任、依賴算法，并自我確認(rèn)平臺塑造的品位。

3.文化品位的再生產(chǎn)。Netflix的算法對用戶的詢喚是一個(gè)反復(fù)的循環(huán)過程，這也讓用戶在重復(fù)與差異化的推薦過程中產(chǎn)生文化體驗(yàn)。伴隨著內(nèi)容的持續(xù)生產(chǎn)更新，新的內(nèi)容擴(kuò)展了平臺中已有的文化類別和標(biāo)簽，從而避免內(nèi)容推薦的單調(diào)。這些新的影視內(nèi)容通過個(gè)性化和數(shù)據(jù)化被“重新包裝”，以迎合用戶的品位偏好。然后，平臺將更新的內(nèi)容推薦到符合相關(guān)標(biāo)簽的用戶主頁上。當(dāng)用戶選擇和點(diǎn)擊這些新內(nèi)容時(shí)，他的文化品位也得以再生產(chǎn)和再強(qiáng)化。

此外，相同的內(nèi)容經(jīng)過算法的重新編碼和排序，也會影響用戶的品位再生產(chǎn)。例如，對于一部黑人為主角、白人為配角的電影，可能部分白人用戶不會“喜歡”和“點(diǎn)擊”。但如果將白人的某種價(jià)值要素凸顯，并將電影放到Netflix主頁“排行榜”前幾位時(shí)，那么本來習(xí)慣性拒絕的白人用戶就會受到“熱度”的影響，可能會選擇觀看。這表明算法可以影響品位的可見性，并對人的文化品位進(jìn)行操縱。也就是說，NRS算法可以利用重復(fù)和再現(xiàn)的方式，制造新的“熱度”來塑造用戶的文化體驗(yàn)，同時(shí)還能將符合某一群體品位的內(nèi)容放在首要的推薦位置。這些機(jī)制和過程再現(xiàn)了Netflix算法運(yùn)行的邏輯。算法取代了用戶的能動(dòng)性，成為再生產(chǎn)品位的代理。盡管用戶本身有很多興趣，但是通常他們會被算法限制在某些特定的品位社區(qū)當(dāng)中。算法則圍繞用戶的品位，向他們推薦更多“喜歡”的內(nèi)容，在用戶的點(diǎn)贊、評論、分享等互動(dòng)行為中再生產(chǎn)文化品位。

三、流媒體算法推薦中區(qū)隔再現(xiàn)

Netflix的算法通過品位社區(qū)的塑造，將具有共同品位的用戶聯(lián)系在一起，即使他們天各一方，文化背景也大相徑庭。流媒體平臺被認(rèn)為是一種國際化、跨文化的平臺。然而，事實(shí)并非如此。平臺中的品位社區(qū)既強(qiáng)化了不同個(gè)體的身份認(rèn)同，也導(dǎo)致了過濾氣泡和觀念排斥，進(jìn)而出現(xiàn)新的區(qū)隔現(xiàn)象。

1.制造過濾氣泡。塑造品位是流媒體運(yùn)營中不可或缺的一部分。喜歡、分享、關(guān)注、標(biāo)記、評論等互動(dòng)不僅是品位表達(dá)，也是算法生產(chǎn)品位的實(shí)踐。在Netflix平臺，A/B算法測試將用戶數(shù)據(jù)進(jìn)行分類，進(jìn)而確認(rèn)用戶的品位及身份。用戶在平臺中的每一次點(diǎn)擊都可以被記為一次“事件”，他們每進(jìn)入一個(gè)頁面，也會被記錄一次數(shù)據(jù)。Netflix的程序員或數(shù)據(jù)分析師根據(jù)需要，構(gòu)建可以“解碼”這些事件和數(shù)據(jù)的實(shí)驗(yàn)與機(jī)器學(xué)習(xí)過程。這些數(shù)據(jù)科學(xué)解碼模式能夠?qū)Α包c(diǎn)擊”意味著什么作出假設(shè)，點(diǎn)擊Netflix節(jié)目意味著人們對該節(jié)目感興趣。因此，程序員和工程師反復(fù)強(qiáng)調(diào)用戶點(diǎn)擊的重要性。通過算法過濾、自動(dòng)排序和組織首頁內(nèi)容，平臺基于用戶的點(diǎn)擊來計(jì)算、理解他們的身份，并在尋找分類的過程中逐漸讓他們產(chǎn)生區(qū)隔。算法分類會產(chǎn)生個(gè)體隔離，而不是包容差異。

Netflix算法推薦系統(tǒng)的優(yōu)勢在于將用戶品位數(shù)據(jù)化，能夠?qū)崿F(xiàn)千人千面的推薦模式，從而為用戶帶來更為精細(xì)的觀影體驗(yàn)。但算法也不可避免地為用戶制造了過濾氣泡。因?yàn)樗惴ㄊ歉鶕?jù)用戶的觀看行為和觀看歷史而形成推薦清單，于是，用戶個(gè)體的自我經(jīng)驗(yàn)形成了一種封閉的“舒適區(qū)”。這類似于伊萊·帕里澤發(fā)現(xiàn)的現(xiàn)象，地域、種族、教育程度、政治立場都相同的兩位女性，同時(shí)在谷歌上搜索英國石油公司，所得到的結(jié)果卻顯著不同，一位看到的是關(guān)于英國石油公司的投資信息，另一位看到的則是英國石油公司在墨西哥灣漏油的新聞。造成這種差異的原因在于，在現(xiàn)實(shí)生活中身份屬性相似的兩人在網(wǎng)絡(luò)中產(chǎn)生個(gè)性化的信息消費(fèi)數(shù)據(jù)。需求和消費(fèi)行為數(shù)據(jù)不同，讓兩人如同生活在不同的氣泡當(dāng)中。簡而言之，算法所形成的過濾氣泡減少了用戶對其他內(nèi)容的接觸，用戶越來越被封閉在自己的品位氣泡中。流媒體平臺算法制造的過濾氣泡是算法個(gè)性化推薦帶來的其中一種負(fù)面影響，它形成了一個(gè)由算法操縱的品位社區(qū)，造成了用戶與其他品位的區(qū)隔、不滿甚至敵意。

2.本地化戰(zhàn)略帶來的排斥。從《虎王》到《魷魚游戲》，本地化戰(zhàn)略在Netflix迅速崛起的過程中發(fā)揮著重要作用。這一戰(zhàn)略的關(guān)鍵就是為每一個(gè)本地市場定制符合當(dāng)?shù)赜脩羝肺坏膬?nèi)容。為了更好地迎合本地市場的語言與用戶習(xí)慣，Netflix會耗費(fèi)大量人力成本將影視內(nèi)容的語言翻譯成本地語言，或者配上本地文字字幕，并修改影視作品的標(biāo)題，使之契合本地用戶的偏好。另外，Netflix還會調(diào)整用戶界面，在網(wǎng)頁上運(yùn)用醒目的海報(bào)和易于理解的懸浮內(nèi)容介紹，引導(dǎo)用戶點(diǎn)擊影視內(nèi)容。本地化戰(zhàn)略能夠讓Netflix更容易鎖定本地用戶，同時(shí)也讓不同地區(qū)和國家的用戶產(chǎn)生“為我設(shè)計(jì)”的主體感。

Netflix平臺一向標(biāo)榜世界主義和國際化的價(jià)值理念。然而矛盾的是，其本地化的策略會帶來新的社會區(qū)隔。例如，Netflix在2021年曾投資5億美元用于韓國影視內(nèi)容的創(chuàng)作，先后推出《王國》《愛的迫降》等爆紅作品。在這些作品中，Netflix致力于再現(xiàn)韓國人的生活方式、價(jià)值觀、外貌和愛情關(guān)系，表現(xiàn)韓國文化的親和力。尤其是言情劇，會強(qiáng)調(diào)具有韓國特色的愛情和浪漫敘事。這些關(guān)于韓國文化的敘事和視覺腳本，總是根據(jù)當(dāng)?shù)氐闹饔^經(jīng)驗(yàn)進(jìn)行創(chuàng)作，這反過來又強(qiáng)化了韓國觀眾的觀看體驗(yàn)，增強(qiáng)了文化認(rèn)同。但是，這種本土化創(chuàng)作也會帶來截然不同的作用。韓國之外的用戶，尤其是歐美國家的觀眾，由于缺乏對韓國文化的體驗(yàn)和共鳴，會對這些文本產(chǎn)生文化距離，使得文本遭遇接受障礙。例如，同樣是男性演員，韓劇男性的氣質(zhì)多是清秀干凈、溫文爾雅和“男孩子氣”，而美劇男性角色則是“硬漢風(fēng)”居多。這種差異塑造了不同的品位，也會強(qiáng)化人們對不同國家影視作品中性別角色的刻板印象。這種刻板印象的效應(yīng)之一，便是韓國之外的市場對韓國影視文化的偏見和排斥。

四、結(jié)語

為了吸引并留下用戶，流媒體平臺為用戶打造更好的消費(fèi)體驗(yàn)，通過推薦算法塑造用戶的品位，從而讓用戶產(chǎn)生文化與價(jià)值上的共鳴。然而，平臺并不客觀中立。平臺算法通過可見性的指標(biāo)和規(guī)范化的代碼，在塑造品位、影響行為和輸出某種文化價(jià)值觀念方面發(fā)揮著強(qiáng)大的作用。盡管平臺算法能幫助用戶更好地找到符合自己品位的內(nèi)容和社區(qū)，獲得更好的視聽體驗(yàn)，但由算法塑造和操縱的品位區(qū)隔一旦出現(xiàn)在用戶的日常生活中，則會引發(fā)新的社會問題。

作者單位 深圳大學(xué)傳播學(xué)院

參考文獻(xiàn)

[1]SEAVER N.Seeing like an infrastructure： avidity and difference in algorithmic recommendation[J].Cultural Studies，2021（35）.

[2]BEVIR M.Rethinking Governmentality：Towards Genealogies of Governance[J].European Journal of Social Theory，2010（13）.

[3]陳家洋.推薦算法與流媒體影視的算法文化[J].電影藝術(shù)，2021（03）.

【編輯：陳文沁】