流媒體平臺的算法推薦、品位塑造與區隔再現

摘要：Netflix業務的核心是其推薦系統（NRS），它是用來識別和推薦用戶感興趣的內容、產品和服務的算法工具。Netflix的NRS算法是一種無形的基礎設施，它將用戶品位數據化，利用算法標簽標記用戶身份，并在持續的推薦過程中再生產品位，從而影響用戶文化品位的構建，最終形成一種既定的品位秩序。但算法構建的品位社區也是社會差異再生產的中心，系統推薦的內容會越來越窄，并因此而再現新的社會區隔。

關鍵詞：算法推薦 文化品位 區隔 Netflix

近十年來，流媒體平臺迅速崛起，吸引了大量用戶。其中，Netflix因其高質量的內容和精準的服務而發展成為全球最受歡迎的流媒體平臺之一。該平臺獨特的算法推薦技術助推其快速擴張。Netflix宣稱，其算法可以讓用戶接觸到來自不同地區的影視作品，并能在用戶之間建構共同的品位偏好，從而將具有相似背景和興趣的用戶連接在一起。“將人們與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，并不是以傳統的人口統計學作為標準，而是基于復雜的內容標簽、立體的用戶畫像以及算法推薦邏輯的共同運作而實現的。在這一過程中，算法不僅被用來制造認同，同時還放大了偏見，導致用戶之間的區隔更加擴大。

一、Netflix的推薦算法

算法是一組數學程序，也是一套處理信息的技術系統。其目的是揭示或建構人們關于世界的認知，并讓人類決策過程趨向數字化。Netflix的推薦算法（NRS）既是其業務和品牌的核心，也是塑造用戶品位的關鍵技術。其算法通過數據操作和計算理性，產生了一種簡單化的社會現實。

1.算法作為無形的基礎設施力量。社會基礎設施具有關鍵的作用，而且往往指涉水壩、管道、橋梁、光纜等物質設施。算法是網絡平臺的基礎設施，并不具有具體的物質形態，而是如同一種不透明的黑箱來行使支配性的權力。“黑箱算法”是一種信息技術系統，它將硬件能力與數據采集分析、代碼庫、后臺功能、云計算等技術手段相互結合，幫助平臺持續地為用戶精準推送信息。因此，算法可以說是平臺社會中最為重要的無形基礎設施之一。

在法國哲學家?？驴磥?，算法這種無形的基礎設施具備治理權力。福柯認為，治理是指導人的行為的技術和程序。掌控技術的人可以利用知識或話語來制定政策，從而規范人的行為方式。?？碌闹卫砑夹g指的是醫院、學校和監獄等制度性的物理設施，而平臺算法則通過比較、排序、分配、管理等程序，來培養用戶的興趣并引導用戶的思考。算法重構了用戶理解社會的知識和話語體系，塑造了用戶的社會聯系和日常生活。在這種無形力量下，收看流媒體平臺內容的用戶成為一種“可計算的公眾”，不斷地被算法暗示、詢喚和馴化。

Netflix算法推薦系統NRS是一種無形的基礎設施力量，它建立了一套系統的算法知識體系和文化話語，既突出了用戶在內容生產和分發中的核心地位，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力量，其價值取向和特權偏向隱藏在編碼規則中。算法在部署和表達權力的過程中，重新計算并設計了用戶的需求、品位和習慣，從而塑造觀眾對流媒體內容的興趣品位和文化期待。用戶在觀看和互動的過程中，將算法暗示的文化品位轉化為自身的文化體驗，進而形成一種“自我強化的偏見”。

2.Netflix算法系統推薦過程。NRS的推薦過程包括提取、評估和預測三個關鍵環節。其中，提取環節是指識別和收集用戶的信息和行為數據，這些信息和行為數據與他們的品位偏好相關。算法基于對用戶數據的持續分析，找出其顯性偏好和隱性偏好。例如，用戶“點贊”和“分享”等行為可以用來記錄、統計和分析其顯性的品位偏好；用戶的觀看時長、搜索、收藏、評論跟帖等具有情感色彩的數據，則用來預測用戶的隱性偏好。隱性偏好比顯性偏好更為重要，因為它更能預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上的內容進行轉換、分類和評級，Netflix公司內部把這種分類過程稱為“altgenres”。NRS會評估內容的屬性，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算分析，作出內容推薦決策。用戶端的內容標題、優先排序、內容屬性等要素，都是經過算法推薦的結果。整個過程實際上是一種聚合匹配用戶興趣品位的動態調整的流程。

二、Netflix算法塑造用戶品位的邏輯

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

1.將品位轉化為數據。平臺的數據轉化能力不僅包括實時執行計算，還包括創造數字經濟價值。算法工程師將用戶文化消費的個人偏好數據化，對人們主觀層面的品位進行量化分類和數據計算。Netflix的NRS算法將用戶品位與視頻內容的特征進行編碼分析，將內容標簽與用戶品位相互關聯，實現了“視頻內容+數據化品位”的視頻精準分發。例如，一個體育迷用戶經過幾輪訂閱觀看后，其Netflix主頁上將推送大量包含運動的照片和視頻。

NRS算法雖然可能會錯誤地估計用戶品位，但品位的數據化除了能夠幫助系統自動做出推薦決策以外，還能培育用戶的文化身份認同，誘導用戶加入某一社群文化。如果Netflix用戶與系統賦予的文化身份標簽不匹配，那么平臺就會將該用戶從已有的內容推薦關系中分離出來。當用戶進行新一輪的觀看行為之后，其品位類別也會被重新數據化，并由算法進行評估和重組。因此，在Netflix等流媒體平臺中，用戶的品位數據并不表現其原始的興趣偏好，而是持續地被算法計算、數據化和建構。這個動態過程既強化了用戶既有的品位，也擴大了因用戶生活與階層不同而產生的品位鴻溝。

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

用戶自愿接受這種身份，是因為他們希望算法推薦的內容是專門為他們準備的。他們被視為“獨一無二”，由此進一步確認自己的個性化品位和身份。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“偽親密關系”。在Netflix平臺中，用戶對算法有著自我的期待，希望通過個性化的觀看獲得“主人感、存在感和主體感”，進而化解或暫時逃避現實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簽內化，使之更信任、依賴算法，并自我確認平臺塑造的品位。

3.文化品位的再生產。Netflix的算法對用戶的詢喚是一個反復的循環過程，這也讓用戶在重復與差異化的推薦過程中產生文化體驗。伴隨著內容的持續生產更新，新的內容擴展了平臺中已有的文化類別和標簽，從而避免內容推薦的單調。這些新的影視內容通過個性化和數據化被“重新包裝”，以迎合用戶的品位偏好。然后，平臺將更新的內容推薦到符合相關標簽的用戶主頁上。當用戶選擇和點擊這些新內容時，他的文化品位也得以再生產和再強化。

此外，相同的內容經過算法的重新編碼和排序，也會影響用戶的品位再生產。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“點擊”。但如果將白人的某種價值要素凸顯，并將電影放到Netflix主頁“排行榜”前幾位時，那么本來習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行操縱。也就是說，NRS算法可以利用重復和再現的方式，制造新的“熱度”來塑造用戶的文化體驗，同時還能將符合某一群體品位的內容放在首要的推薦位置。這些機制和過程再現了Netflix算法運行的邏輯。算法取代了用戶的能動性，成為再生產品位的代理。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當中。算法則圍繞用戶的品位，向他們推薦更多“喜歡”的內容，在用戶的點贊、評論、分享等互動行為中再生產文化品位。

三、流媒體算法推薦中區隔再現

Netflix的算法通過品位社區的塑造，將具有共同品位的用戶聯系在一起，即使他們天各一方，文化背景也大相徑庭。流媒體平臺被認為是一種國際化、跨文化的平臺。然而，事實并非如此。平臺中的品位社區既強化了不同個體的身份認同，也導致了過濾氣泡和觀念排斥，進而出現新的區隔現象。

1.制造過濾氣泡。塑造品位是流媒體運營中不可或缺的一部分。喜歡、分享、關注、標記、評論等互動不僅是品位表達，也是算法生產品位的實踐。在Netflix平臺，A/B算法測試將用戶數據進行分類，進而確認用戶的品位及身份。用戶在平臺中的每一次點擊都可以被記為一次“事件”，他們每進入一個頁面，也會被記錄一次數據。Netflix的程序員或數據分析師根據需要，構建可以“解碼”這些事件和數據的實驗與機器學習過程。這些數據科學解碼模式能夠對“點擊”意味著什么作出假設，點擊Netflix節目意味著人們對該節目感興趣。因此，程序員和工程師反復強調用戶點擊的重要性。通過算法過濾、自動排序和組織首頁內容，平臺基于用戶的點擊來計算、理解他們的身份，并在尋找分類的過程中逐漸讓他們產生區隔。算法分類會產生個體隔離，而不是包容差異。

Netflix算法推薦系統的優勢在于將用戶品位數據化，能夠實現千人千面的推薦模式，從而為用戶帶來更為精細的觀影體驗。但算法也不可避免地為用戶制造了過濾氣泡。因為算法是根據用戶的觀看行為和觀看歷史而形成推薦清單，于是，用戶個體的自我經驗形成了一種封閉的“舒適區”。這類似于伊萊·帕里澤發現的現象，地域、種族、教育程度、政治立場都相同的兩位女性，同時在谷歌上搜索英國石油公司，所得到的結果卻顯著不同，一位看到的是關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，在現實生活中身份屬性相似的兩人在網絡中產生個性化的信息消費數據。需求和消費行為數據不同，讓兩人如同生活在不同的氣泡當中。簡而言之，算法所形成的過濾氣泡減少了用戶對其他內容的接觸，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性化推薦帶來的其中一種負面影響，它形成了一個由算法操縱的品位社區，造成了用戶與其他品位的區隔、不滿甚至敵意。

2.本地化戰略帶來的排斥。從《虎王》到《魷魚游戲》，本地化戰略在Netflix迅速崛起的過程中發揮著重要作用。這一戰略的關鍵就是為每一個本地市場定制符合當地用戶品位的內容。為了更好地迎合本地市場的語言與用戶習慣，Netflix會耗費大量人力成本將影視內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題，使之契合本地用戶的偏好。另外，Netflix還會調整用戶界面，在網頁上運用醒目的海報和易于理解的懸浮內容介紹，引導用戶點擊影視內容。本地化戰略能夠讓Netflix更容易鎖定本地用戶，同時也讓不同地區和國家的用戶產生“為我設計”的主體感。

Netflix平臺一向標榜世界主義和國際化的價值理念。然而矛盾的是，其本地化的策略會帶來新的社會區隔。例如，Netflix在2021年曾投資5億美元用于韓國影視內容的創作，先后推出《王國》《愛的迫降》等爆紅作品。在這些作品中，Netflix致力于再現韓國人的生活方式、價值觀、外貌和愛情關系，表現韓國文化的親和力。尤其是言情劇，會強調具有韓國特色的愛情和浪漫敘事。這些關于韓國文化的敘事和視覺腳本，總是根據當地的主觀經驗進行創作，這反過來又強化了韓國觀眾的觀看體驗，增強了文化認同。但是，這種本土化創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和共鳴，會對這些文本產生文化距離，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”居多。這種差異塑造了不同的品位，也會強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體驗，通過推薦算法塑造用戶的品位，從而讓用戶產生文化與價值上的共鳴。然而，平臺并不客觀中立。平臺算法通過可見性的指標和規范化的代碼，在塑造品位、影響行為和輸出某種文化價值觀念方面發揮著強大的作用。盡管平臺算法能幫助用戶更好地找到符合自己品位的內容和社區，獲得更好的視聽體驗，但由算法塑造和操縱的品位區隔一旦出現在用戶的日常生活中，則會引發新的社會問題。

作者單位 深圳大學傳播學院

參考文獻

[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，2021（03）.

【編輯：陳文沁】