網絡書店推薦系統的負效應與對策

楊金花　李瓊

摘要：網絡書店推薦系統主要使用信息檢索、協同過濾和內容推薦等技術。過度使用推薦系統會產生負效應，降低用戶滿意度，給網絡書店自身發展帶來威脅。網絡書店要吸收新成果，提升用戶滿意度；誠信經營，承擔社會責任。

關鍵詞：網絡書店；推薦系統；過度推薦；負效應優化

《開卷2016年全國圖書零售市場報告》顯示，2016年我國圖書零售市場總規模701億元，網上書店的圖書銷售業務依然保持30%左右的增長，同時，網上書店銷售的總碼洋首次超過實體書店，當當一家圖書銷售碼洋就近140億，網絡書店已成為絕對優勢渠道。與此同時，面對圖書種類的紛繁復雜（如當當2016年在售品種就有110萬種，還有顯示缺貨的480萬種）和數量的驟增，用戶經常感到無所適從。這種可供選擇的多樣性在為網絡書店產生巨大經濟效益的同時，某種程度上也降低了用戶的滿意度。近年來，推薦系統被證明是一種解決信息超載問題、幫助用戶做決策的有效工具，被應用到互聯網的各個領域。推薦系統中最核心的部分就是推薦技術，它是利用用戶的一些行為數據，通過一定的數學算法，向用戶推薦可能喜歡的物品的軟件工具和技術。

感受推薦系統帶來便利的同時，人們也感覺到它的一些局限和問題，開始對其進行反思，如隨著“今日頭條”的崛起，一些媒體行業的從業者和觀察者指出，推薦系統的算法分化瓦解了媒體品牌、媒體受眾、媒體策展的概念，這些新平臺上的媒體正與粉絲“失聯”，但在現有環境和可預見的將來，“任何媒體的掌門人，都必須直面算法，接受算法，與算法共舞”。網絡書店是較早引入推薦系統的領域之一，國外相關資料顯示，亞馬遜的銷售業績有20%35%要歸功于推薦系統，京東報告也顯示，搜索對京東訂單引入貢獻非常大，推薦的貢獻更是高速增長，但業界、學界較少對其作用進行反思。本文擬結合自身多年的網絡購書經驗，通過網絡調研、文獻研讀等方法，歸納描述當當、京東、亞馬遜（中國）三大網絡書店主要使用的推薦系統技術類型，分析其過度依賴和使用推薦系統帶來的問題及成因，并針對性地給出建議，以期出版業更健康地發展。

一、推薦系統原理及主要技術類型

隨著電子商務的快速發展，推薦系統與技術不斷豐富和提高，三大網絡書店根據實際需要，選擇了適合自身發展的推薦系統。

1.推薦系統原理

推薦系統主要依據人類行為習慣的可預測性，利用信息檢索、信息過濾和文本分類等技術，通過數據挖掘、機器學習和基于知識的系統等方法進行預測和推薦，涉及的知識類型和知識來源主要有三類：一是社群知識，指關于整個用戶群體的知識，主要來自用戶使用過程中的上下文、評價、行為和人口統計等；二是個人知識，指關于目標用戶的知識，主要來自目標用戶的評價、行為、人口統計、需求等；三是內容知識，指關于將要被推薦的物品的知識以及泛指其用途的知識，主要來自物品內容、領域知識、上下文知識等。當當、京東、亞馬遜中國的推薦系統，就是基于上述研究成果，實現的書目推薦。

2.主要推薦技術類型

一是信息檢索。信息檢索是最早用于解決信息超載問題的技術，我們在三大網絡書店所見到和使用過的圖書分類瀏覽、關鍵詞查詢以及網站的主編、專家、作者、讀者推薦等，使用的就是信息檢索技術。其優點是直觀、符合用戶傳統購書習慣，但推薦的信息有限，瀏覽選擇耗時耗力，且因為很多用戶缺乏相關知識準備，難以滿足在最短時間內找到滿意圖書的迫切需求。

二是協同過濾。這種方法的原理是找到與該用戶有相同品位的用戶，然后將相似用戶過去喜歡的物品推薦給該用戶。其優點是涉及的知識較少，只用到用戶對物品的評價等一些簡單且基礎的數據，如亞馬遜會記錄讀者購買過的圖書及其評價，通過人工智能為某位讀者提供可能與他興趣相仿的人購買的圖書（alsobuy功能）。其優點是有可能發掘用戶自己未曾意識到的興趣和需求，缺點是對新用戶推薦的質量較差，且由于歷史數據質量問題，對老用戶的推薦質量也有很大提升空間。

三是基于內容的推薦。這種技術方法主要是通過獲取用戶的瀏覽、購買等記錄來為用戶推薦與其過去的興趣類似的圖書，即我們在網絡書店看到的“猜您喜歡”下面的推薦，如“與您瀏覽過的商品的相關推薦”“根據購物習慣為您推薦”“您最近查看的商品和相關推薦”等。基于內容推薦的核心是能夠得到圖書的描述及其特征的記錄。優點是不需要大規模用戶就可以達到適度的精準推薦，而且一旦得到圖書的屬性就能立即推薦新圖書。缺點是對新用戶推薦質量差，可分析的內容有限，容易過度特征化。

以上是三大網絡書店使用的主要推薦技術類型，各有優缺點。目前三大網絡書店基本是以協同過濾為主，吸收其他推薦技術的優點，通過多層面算法和數據交融，提高推薦的個性化和精準度。

二、過度使用推薦系統的負效應

推薦系統為提高了圖書被發現的幾率，不但給網絡書店帶來了巨大經濟效益，也幫助用戶節省了大量時間、選擇決策成本，并帶來新的閱讀發現，有其不可替代的優勢。但是，我們也應充分認識推薦系統帶來的問題。

1.過度依賴推薦系統，降低客戶滿意度

一是錯誤推薦或無效推薦。機器推薦不懂節制，面對鋪天蓋地、無處不在、大同小異的推薦，用戶經常感到無所適從，但最令用戶難以忍受的是錯誤推薦和無效推薦，這主要與推薦系統設計的理論依據有關：人們有共同的興趣愛好且有從眾心理；有共同興趣的用戶有共同的需求；過去的需求能反映用戶的喜好等。事實上，這些只是部分反映了用戶行為的真實性。因為用戶瀏覽購買—本書可能出于各種目的和需求，他們在網絡書店留下的痕跡只記錄了他們的行為，并不能說明背后的真實原因，人心幽微且變動不居，很多時候連用戶自己都不知道自己的訴求，加之目前推薦技術本身的不完善以及網絡書店數據庫的質量，以此作為用戶的興趣和喜好進行推薦，難免造成錯誤推薦或無效推薦，降低用戶滿意度。

二是過度使用甚或操縱推薦系統。三大網絡書店將推薦系統當作營銷工具，不但頁面充滿了明顯的“硬廣”（從各頁面的單品推薦到搜索引擎的營銷），而且將其暗中植入看似個性化的推薦列表，通過“軟廣”操縱用戶的選擇。關于推薦系統能夠影響用戶對物品的判斷，早在2003年，國外學者就給出了在協同過濾推薦時用戶評分行為中從眾效應的實證研究。如果我們多了解一些社會心理學和認知心理學的知識，還能發現三大網絡書店“自動”推薦的看似“客觀”的書目序表，有時其實是人工干預的結果。如我們在三大網絡書店的搜索引擎鍵入“紅樓夢”，按照當當默認的“銷量”“好評”“出版日期”等綜合排序，當當出品的《紅樓夢》（當當中小學教輔榜排名90位，五星，970條評論，2016年1月出版）排在了第一位，而人民文學出版社的《紅樓夢》（當當小說榜排名47位，五星，86142條評論，2013年1月出版）只排在了第三位；按照京東默認的“銷量”“評論數”“出版時間”等綜合排序，作家出版社出版的“四大名著”（套裝）（中小學教輔銷量榜第11位，累計評價7100+，2015年12月出版）排在第一位，人民文學出版社的《紅樓夢》（小說銷量榜第41位，累計評價8.7萬+，2008年07月出版）只排在了第三；按照亞馬遜（中國）默認的“相關度”，排位前三的是：《紅樓夢》Kindle電子書（Kindle商店免費商品排第2名，4.4星，4160條評論）、北京聯合出版社的《紅樓夢》（圖書商品排第474名，4.0星，11條評論）和《紅樓夢》（上）Kindle電子書（Kindle商店免費商品排第123名，4.0星，34條評論）。很顯然，上述推薦排序利用了社會心理學中的首因效應，將自己主推的圖書排在了首位，對用戶的購買決策施加潛移默化的影響：用戶通常通過圖書所在的位置和推薦的優先順序感受其顯著性，除非明顯不符合自己的需求，很少逐項瀏覽推薦序表，更少分析和思考其背后的推薦機制。此外，還暗中使用了認知心理學中的默認效應，利用默認項（實際預設了選項）來展現候選書目，影響用戶決策：用戶通常默認這樣的推薦，一方面由于“知識鴻溝”，有些用戶根本注意不到；另一方面，即使有些用戶注意到，但因為現狀的改變總與某些損失或預期的收益有關，相比于有可能更好的候選書目，因為害怕或厭惡損失，很多用戶仍傾向于維持現狀，從而購買了網絡書店推薦靠前的圖書。這種看似機器“自動”推薦的結果更容易迷惑用戶，很容易造成用戶的多買或誤買，降低用戶滿意度。

三是增加用戶選擇成本。網絡書店的各種榜單和推薦序表，固然是用戶需求的一種表現，但圖書不同于快消品（使用過程中發現好用就多次重復購買同一商品），用戶需要的是不斷滿足自身需求的新內容，網絡書店的很多推薦不但未能滿足用戶這種多樣性和新穎性的需求，而且耗費了用戶大量的時間、精力和費用。長此以往，這種不懂節制的推薦和操縱推薦，會使用戶產生“心理飽和”和厭煩，降低使用滿意度，甚至放棄選擇并離開。

2.給網絡書店自身發展帶來威脅

網絡書店本希望通過推薦系統產生客戶引流，從而提高轉化率和客單額度，但如果不克服上述問題，則有可能造成悖論，降低客戶活躍度、成交比和客單額度，給自身發展帶來威脅。電子商務平臺的收入=客流量×成交比×客單價×復購率，可見客流量是平臺收入的基礎和關鍵，如果用戶登錄到網站后，面對各種榜單和營銷推薦眼花繚亂、無所適從，他們沒能力或不愿意耗費時間精力進行篩選，就有可能少買或不買，甚或離開，轉至新的能滿足其需求的平臺，長此下去，客戶活躍度就會相應降低，對網絡書店收入和發展構成威脅。天貓書城的崛起也可以從側面印證這一問題：相比三大網絡書店，天貓書城入場最晚，但2016年發行總碼洋120億，直追當當。天貓書城有這樣的業績，固然離不開阿里的數據、技術、財力等資源支持，但不可否認的是，天貓上每個書店的規模和特色，相比于三大網絡書店的令人“望洋興嘆”，相當程度上滿足了用戶逛實體書店的直觀感和可控感。再者，2016年社群營銷的爆發，某種程度上也可以說是三大網絡書店海量圖書和過度推薦造成用戶無所適從的一個間接結果，其帶來的隱性憂患是：一些出版商敏銳地捕捉到了用戶的心理和需求，將社群營銷當作“短跑悍將”，迅速精準地進行第一波大規模銷售，將三大網絡書店當作“中長跑選手”，實現后續零散銷售，造成三大網絡書店整體銷量增長乏力。

三、負效應的應對策略

與網絡書店相比，用戶是弱勢的一方，因為經濟學、心理學的研究成果表明，人的認知資源有限且理性有限，他們只能在現有服務中進行選擇；但他們也是強勢的—方，因為他們手里掌握著“投票權”——根據自己使用的滿意度決定點擊哪家網絡書店，并決定是否購買，商家精心設計的那些模型并不能長久操控他們。因此，網絡書店在未來要多在提升用戶滿意度、誠信經營方面下功夫。

1.吸收新成果，提升用戶滿意度

一是吸收新技術成果優化現有推薦系統，提升用戶滿意度。通過前面原理和主要技術類型的介紹，我們知道，網絡書店在數據質量和推薦技術方面還有很大的優化余地。因此，網絡書店要保持開放心態，敏捷反應，利用自身在品牌信譽、數據積累和倉儲物流等方面的優勢，不斷吸收探索新的提升用戶滿意度的方法。如在用戶模型中加入長期記憶功能，精準描繪其畫像；再如在現有分類體系中引入大眾分類法，允許用戶自己用關鍵詞從多個維度對圖書進行描述，從而方便用戶檢索使用。此外，在不打擾用戶的前提下，探索其他提升用戶滿意度的新技術方法，如與社交媒體、專業機構等合作，精準導流，目前三大網絡書店在此已有所行動。

二是吸收其他學科新成果優化現有推薦系統，提升用戶滿意度。按照黑格爾正題反題合題的辯證過程，我們會最終發現，目前的推薦技術只能在一定的范圍內解決輔助用戶決策、提升體驗滿意度的問題。因此，網絡書店還需要開拓視野，吸收其他相關學科的研究成果，特別是一些交叉學科的成果，如結合數據、科學與技術的人類動力學，再如神經心理學與功能性核磁共振成像技術相結合的社會認知神經科學，將其整合進推薦系統，不斷提高預測用戶行為的能力，節省用戶的決策成本，提升其使用滿意度。

2.誠信經營，承擔社會責任

不操縱用戶行為，誠信經營。對于網絡書店來說，不操縱用戶行為的要求或許目前很難實際得到其積極回應，但百度和谷歌的教訓就在眼前：因為2016年的魏則西事件，依據相關法律我國已將付費模式的競價排名界定為互聯網廣告，為此，百度不但股指下降，且給品牌和信譽造成了重大傷害；號稱“不作惡”的谷歌也在經過歐盟7年的調查后，因為涉嫌操縱搜索結果且同時傷害了競爭對手，2017年面臨27億美元的罰款和90天整改的勒令。可見，這樣的要求不是道德高標，而是企業規避法律和道德風險的經營底線。因而網絡書店在經營中要始終牢記，收集用戶的相關信息，將其整合進推薦系統，是為了更好地滿足其需求，而不是為了一己私利。只有誠信經營，尊重用戶和滿足用戶的需求，企業才能生存和長久發展。因而，網絡書店今后應該通過共情，更好地體會用戶的使用場景，給予適度推薦，而不是過度追求“深入人心”，操縱用戶行為。

尊重消費者，承擔社會責任。每年“雙十一”等節日大促前，電商被相關政府部門約談的報道時有可見，旨在防止其濫用市場支配地位，利用技術優勢侵犯消費者的知情權和選擇權等，這說明電商在經營中確實存在不規范現象。但考慮到網絡經濟具有的生產力和活力，政府部門這些年的管理越來越柔化，在保持經濟繁榮的前提下，主要通過正面引導使其更加自律。網絡書店要自覺維護好這一市場環境，因為培養健康的市場環境不只是政府的職責，也是企業尊重消費者、承擔社會責任的表現和自身發展的現實訴求，而且企業越大，社會責任越大。