郭石磊+詹姆斯·韋伯斯特

摘 要： 用戶掌控權(quán)力、大數(shù)據(jù)客觀中立、受眾分化是三個典型的數(shù)字媒體迷思。事實上，用戶面臨著選擇困境，受到包括推薦機(jī)制在內(nèi)的媒體結(jié)構(gòu)的影響；大數(shù)據(jù)中存在著行為偏見、流行度偏見和個性化偏見，而且大數(shù)據(jù)分析還具有塑造現(xiàn)實的作用；媒體結(jié)構(gòu)和用戶消費中都存在著集中化趨勢。由此可見，數(shù)字媒體給我們帶來的變革也許并不完全如同想象的那樣，相反的力量仍然在發(fā)揮著作用。

關(guān)鍵詞： 數(shù)字媒體迷思；媒介選擇困境；大數(shù)據(jù)偏見；受眾分化

中圖分類號：G206.3文獻(xiàn)標(biāo)識碼：A

文章編號： 1003-0751（2017）06-0169-04

毋庸置疑，數(shù)字媒體正在革命性地改變著我們的世界。然而，對于數(shù)字媒體的影響，人們往往從不同角度提出截然不同的預(yù)測?！皹酚^者強調(diào)人們樂于分享的傾向，社交媒體增長的數(shù)量和影響，或者推薦機(jī)制中存在的‘群眾的智慧。悲觀者則強調(diào)人們的選擇性接觸，過濾技術(shù)，或者媒體在定位群體和個人方面日益增長的能力?！?① 不管是悲觀者還是樂觀者，都強調(diào)了數(shù)字媒體革命的某個方面，從而構(gòu)建了數(shù)字媒體的迷思。本文從用戶掌控權(quán)力、大數(shù)據(jù)推薦、用戶分化三個方面分析典型的數(shù)字媒體迷思，試圖提醒人們數(shù)字媒體帶來的變革也許并不完全如同想象的那樣，相反的力量仍然在發(fā)揮著作用。

一、關(guān)于用戶掌控權(quán)力的迷思

數(shù)字媒體時代，人們隨心所欲地從幾百個電視頻道上選擇電視節(jié)目，從多個視頻平臺點播自己喜歡的影視劇，從自己關(guān)注的微博、微信或客戶端定制新聞。這很容易讓我們得出“用戶掌控一切”的結(jié)論。與此同時，媒體產(chǎn)業(yè)界也在重新推崇“消費者為王”的理念 ② 。學(xué)術(shù)界亦不缺乏為“產(chǎn)消者（prosumers）”歡呼的聲音。他們認(rèn)為，受眾以“產(chǎn)消者”的身份重新參與了文化進(jìn)程。 ③ 然而，這些樂觀的聲音忽視了數(shù)字媒體用戶所受的限制。

1.用戶面臨的選擇困境

雖然數(shù)字媒體產(chǎn)品極大豐富乃至無限，但是用戶每天能夠用于媒介消費的注意力是有限的。面對這個困境，用戶需要借助各種手段來幫助自己做出選擇。用戶通過創(chuàng)建自己的媒介消費菜單，從海量媒介資源中做出選擇。他們只觀看幾個電視頻道，在微博、微信上只關(guān)注少量的名人賬號或公眾號，在豆瓣電影評分榜上選取要觀看的電影?？傊?，用戶傾向于利用媒介消費菜單，將其選擇限定在有限的范圍內(nèi)，從而使決策變得更加簡單。

那些位列菜單之中的媒介產(chǎn)品，獲取了用戶的大部分注意力。然而，這并不意味著這些產(chǎn)品都是用戶的自由選擇。媒體平臺、推薦機(jī)制和社交網(wǎng)絡(luò)都為用戶的媒介選擇提前做了過濾，而過濾決策并沒有用戶的參與，甚至大部分用戶對此過濾機(jī)制并不知情。那些不在菜單之列的媒介產(chǎn)品，很難獲取用戶的注意力。媒介是典型的“經(jīng)驗商品”，在體驗之前，人們很難知道一個媒介產(chǎn)品能否滿足自己的需求。 ④ 很多有潛力滿足用戶需求的產(chǎn)品， 就這樣被過濾掉了。很多用戶根本不知道它們的存在，更不用說根據(jù)自身需要做出理性選擇了。

2.媒體結(jié)構(gòu)對用戶偏好的影響

研究媒介接觸的理論家們十分重視偏好。他們一般認(rèn)為，媒介接觸是先有偏好的結(jié)果，用戶會積極地參與管理自己的媒介接觸。 ⑤ 這與我們很多時候觀察到的情況一致。但問題的關(guān)鍵是，偏好從何而來？如果偏好來自媒體結(jié)構(gòu)之外，人們將根據(jù)先有偏好最大化地利用媒體結(jié)構(gòu)。然而，如果偏好來自媒體結(jié)構(gòu)之內(nèi)，人們將屈服于媒體結(jié)構(gòu)的影響。

事實上，后一種可能得到很多證據(jù)的支持。為了獲取我們的注意力，媒體采取了很多方式來培養(yǎng)我們的偏好?！叭藗?yōu)榱似ヅ溥^去的行為，從而改變未來偏好”，心理學(xué)家將這種現(xiàn)象稱為“選擇誘導(dǎo)的偏好變化”。 ⑥ 例如，很多一大早就排隊去看《生化危機(jī)：終章》的人們，并不是因為別的什么原因喜歡這個新上映的電影，而是因為他們之前看過《生化危機(jī)》系列的前幾個影片?！斑x擇誘導(dǎo)偏好變化”的概念早被媒體生產(chǎn)者熟稔于心。如今，隨著媒體生產(chǎn)成本逐漸升高，媒體生產(chǎn)者的風(fēng)險也在升高。為了將風(fēng)險降到最低，媒體生產(chǎn)者傾向于模仿過去的成功。這正是為什么娛樂產(chǎn)品往往會推出很多續(xù)集或衍生產(chǎn)品的原因。新聞業(yè)也存在相似的情況。2006年的《新聞媒體現(xiàn)狀》指出：“新聞界遭遇的新悖論是，新聞機(jī)構(gòu)越來越多，報道越來越少。隨著生產(chǎn)新聞的地方越來越多，每個新聞機(jī)構(gòu)的受眾卻在縮減，每個機(jī)構(gòu)的記者數(shù)量也降低了。全國性的新聞機(jī)構(gòu)仍然需要報道大事件。因此，我們每天還是會看到更多對同樣一組話題的報道。” ⑦

除了傳統(tǒng)意義上的媒體生產(chǎn)者，媒體結(jié)構(gòu)還包括各種各樣的推薦機(jī)制。用戶常常依賴社交媒體、搜索引擎或其他推薦機(jī)制。社交媒體上的意見領(lǐng)袖總是有選擇性地分享媒介內(nèi)容，并加上自己的評論。通過社交媒體過濾媒介內(nèi)容的人們，通常使自己處于少數(shù)意見領(lǐng)袖的影響之下。這些意見領(lǐng)袖包括名人賬號，也包括組織和主流媒體賬號。搜索引擎通過復(fù)雜的算法為用戶篩選信息。然而，再復(fù)雜的算法也會將復(fù)雜的人簡化成一個個貼有分類標(biāo)簽的漫畫形象。這些漫畫形象并不是真實的人。但是，搜索引擎卻有潛力將我們變得越來越像他們刻畫的漫畫形象。這正是帕里澤所擔(dān)憂的：“個性化算法會引起身份循環(huán)（identity loops），數(shù)字代碼所掌握的有關(guān)你的信息構(gòu)建了你的媒體環(huán)境，你的媒體環(huán)境有助于塑造你未來的偏好?！?⑧

二、關(guān)于大數(shù)據(jù)客觀中立的迷思

在數(shù)字媒體時代，媒體資源愈加豐富，注意力資源愈加難求。媒體和用戶都需要依賴“信息機(jī)制”來完成各自的目的。不論是媒體使用的“市場信息機(jī)制”，還是用戶使用的“用戶信息機(jī)制”，都需要大量的數(shù)據(jù)進(jìn)行分析。隨著互聯(lián)網(wǎng)的蓬勃發(fā)展，各種平臺收集的數(shù)據(jù)已經(jīng)達(dá)到難以處理的地步，這個數(shù)據(jù)總量往往被稱作大數(shù)據(jù)。數(shù)據(jù)本身是中立的，數(shù)據(jù)分析是由計算機(jī)完成的，因此人們很容易認(rèn)為大數(shù)據(jù)也是客觀中立的。然而，數(shù)據(jù)分析過程仍由人類主導(dǎo)，有了人類的參與，就不可避免地存在偏見。

1.大數(shù)據(jù)分析中的行為偏見

網(wǎng)絡(luò)服務(wù)器收集了大量的用戶數(shù)據(jù)，其中大部分?jǐn)?shù)據(jù)都被用來解釋用戶的行為。人們在淘寶上購買了某個商品，就被解釋為對這個商品的喜愛；人們在微博上轉(zhuǎn)發(fā)了某個鏈接，就被解釋為對這個鏈接內(nèi)容的偏好。這些解釋將選擇等同于偏好，因此也不可避免地帶有偏見。實際上，偏好并不能很好地預(yù)測選擇行為。換言之，從用戶選擇推測用戶偏好，具有一定的方法論缺陷。人類的行為是復(fù)雜，但是大數(shù)據(jù)分析往往將其簡化為一種或幾種解釋。一旦帶有行為解釋偏見，數(shù)據(jù)分析就不一定客觀中立。

雖然大數(shù)據(jù)分析存在行為偏見，但是測量機(jī)構(gòu)和用戶也沒有更好的替代工具。不管是傳統(tǒng)的測量機(jī)構(gòu)（如尼爾森），還是Web2.0服務(wù)商（如臉書和谷歌）都要靠數(shù)據(jù)生存。由于傳統(tǒng)的大規(guī)模樣本調(diào)查成本較高，Web2.0平臺催生了依靠服務(wù)器進(jìn)行的數(shù)據(jù)收集。用戶點開什么鏈接、搜索什么內(nèi)容都被服務(wù)器記錄下來。有時候，用戶為了尋找某個問題的答案，在搜索引擎輸入文字時，發(fā)現(xiàn)服務(wù)器推薦了基于其他用戶經(jīng)驗的較好答案。有時候，用戶在瀏覽新聞時，廣告框里卻在推薦用戶曾在購物網(wǎng)站不經(jīng)意點擊的商品。前一種情況會讓用戶感覺到大數(shù)據(jù)的便利；后一種情況卻讓用戶感到厭煩，因為廣告服務(wù)器根據(jù)不真實的行為數(shù)據(jù)，曲解了用戶的偏好。

2.大數(shù)據(jù)分析中的流行度偏見

搜索引擎通常根據(jù)網(wǎng)頁的重要性、與用戶的相關(guān)性甚至是付費多少 ⑨ ，將網(wǎng)頁進(jìn)行排名。社交媒體通常會推薦點擊最多的鏈接、購買最多的商品、閱讀最多的新聞和觀看最多的視頻。這些“用戶信息機(jī)制”都特別倚重流行度。樂觀主義者認(rèn)為，當(dāng)大量不同個體獨立做出決定或預(yù)測時，智慧得以實現(xiàn)。將這些自主決定加在一起，通?？梢援a(chǎn)生一個明顯優(yōu)于專家意見的結(jié)果。 ⑩ 然而，如今的很多信息推薦機(jī)制，并不具備上述“群眾智慧”的產(chǎn)生條件。

首先，社交媒體對流行度的計算，往往是基于一個很小的、同質(zhì)化程度很高的小群體，并不能代表“群眾智慧”。如微信朋友圈中存在大量的信息分享與交換，但是朋友圈里的大部分成員是相互認(rèn)識的人，“或是親友，或是同事，或是新近認(rèn)識的朋友” B11 。用戶根據(jù)“像自己一樣的人”的行為來做出選擇，只會愈加生活在“回音壁”里，更不要說憑借“群眾智慧”來優(yōu)化自己的選擇了。

其次，大數(shù)據(jù)顯示的流行度容易引發(fā)用戶的從眾行為。Web2.0平臺的很多算法，例如谷歌的“佩奇排名”、臉書的“圖譜搜索”、亞馬遜的“協(xié)同過濾”，都傾向于為用戶顯示流行度。微信朋友圈中廣泛散播的“100000+”的文章，通常能夠輕松賺取更多的讀者。換言之，搜索引擎和社交媒體不僅告訴人們哪些內(nèi)容最流行，而且還誘導(dǎo)更多的人選擇這些內(nèi)容，造成富者愈富、贏者通吃的封閉循環(huán)。

3.大數(shù)據(jù)分析中的個性化偏見

百度搜索為用戶提示可能喜歡的關(guān)鍵詞，京東應(yīng)用會向用戶推薦他們可能喜歡的商品，微信公眾號向用戶提供個性化的定制新聞。商業(yè)平臺努力提供適合每個用戶的獨特內(nèi)容，這本身無可厚非。但是，大數(shù)據(jù)分析有意或無意地帶有個性化偏見。它們引導(dǎo)用戶追逐吸引他們興趣或偏見的內(nèi)容，過濾掉他們不喜歡、不認(rèn)同的內(nèi)容。

商業(yè)平臺意識到創(chuàng)造忠誠客戶的最好方法，是“提供真正對應(yīng)每個人獨特興趣、欲望和需求的內(nèi)容” B12 ，從而有意加強了推薦機(jī)制中的個性化偏見。社交媒體也在無意中造成了個性化偏見。由于社交網(wǎng)絡(luò)的私密性和同質(zhì)化，符合圈內(nèi)成員興趣和偏見的內(nèi)容更容易在該社交網(wǎng)絡(luò)中傳播。一個社交網(wǎng)絡(luò)內(nèi)傳播的內(nèi)容不一定會在另一個社交網(wǎng)絡(luò)內(nèi)受歡迎，從而有可能導(dǎo)致平行文化和過濾氣泡。個性化偏見讓用戶撤回到舒服的信息孤島，其結(jié)果是用戶的視野變窄，偏見增強。 B13

除了在預(yù)測現(xiàn)實中存在偏見，大數(shù)據(jù)分析還有可能塑造現(xiàn)實。人類世界的預(yù)測不同于物理世界的預(yù)測。天氣預(yù)報預(yù)測明天是小雨天氣，雨量不會因為預(yù)測而增加。但是，假如某個視頻網(wǎng)站告訴用戶一個視頻的觀看次數(shù)有3億，就會有更多的人去觀看，3億次很快就可能會變成7億次。對于這種“自我應(yīng)驗的預(yù)言”，默頓解釋為：“某個情況（預(yù)言或預(yù)測）的公共定義成為這個情況的組成部分，因此影響到事態(tài)的后續(xù)發(fā)展。這是人類事務(wù)特有的。自然界中并不存在。” B14 “自我應(yīng)驗預(yù)言”的更大后果是，大數(shù)據(jù)分析中的偏見將注意力引向偏見所指的方向，從而改變文化消費的性質(zhì)。流行度偏見將注意力集中于追逐人數(shù)最多的內(nèi)容，而非用戶最需要、質(zhì)量最高、最有價值的內(nèi)容。個性化偏見則使注意力分化，將用戶隔離在過濾氣泡里。

三、關(guān)于受眾分化的迷思

數(shù)字媒體產(chǎn)品極大豐富，加上信息機(jī)制為用戶推薦個性化的內(nèi)容，使得受眾分化廣受關(guān)注。很多評論家擔(dān)心，受眾分化意味著用戶將只看到自己樂意看到的內(nèi)容，只與自己志趣相投的人們交流，從而遁入彼此隔離的信息孤島或過濾氣泡。這樣的受眾分化意味著公共空間的終結(jié)，是社會極化的先兆。這可能危言聳聽，但是我們還應(yīng)該看到硬幣的另一面——注意力市場存在集中化的趨勢。

1.媒體機(jī)構(gòu)中的集中化趨勢

首先，媒體結(jié)構(gòu)總是發(fā)生變化，但這個變化過程需要時間。新媒體雖然使傳統(tǒng)媒體受眾流失，但在一定時間內(nèi)傳統(tǒng)媒體仍是人們優(yōu)先的媒介選擇。數(shù)據(jù)顯示，73.8%的受訪者將電視作為他們的主要信息來源，只有17.3%的受訪者選擇了互聯(lián)網(wǎng) B15 。

其次，注意力市場存在長尾效應(yīng)。長尾效應(yīng)指的是重要的媒體機(jī)構(gòu)或互聯(lián)網(wǎng)品牌占據(jù)了絕大部分注意力，而數(shù)量眾多的其他機(jī)構(gòu)或品牌只分享了很少的注意力，以至在以受歡迎程度為縱軸、以機(jī)構(gòu)或品牌為橫軸的數(shù)據(jù)圖上呈現(xiàn)出“大頭長尾”的分布。少數(shù)幾個重量級選手占據(jù)消費的絕大部分。在文化消費領(lǐng)域，通常存在這種“贏家通吃”的市場。 B16 以中國社交媒體為例，2011年年底微博用戶數(shù)達(dá)到2.5億，網(wǎng)民使用率為48.7% B17 。到了2016年年底，85.8%的網(wǎng)民使用微信，微博使用率則下降到了37.1%，其他社交媒體使用率都在9%以下 B18 ?？梢?，在社交媒體使用領(lǐng)域，微博和微信的用戶此消彼長，注意力仍然集中在少數(shù)巨頭手里。

2.用戶消費模式中的集中化趨勢

首先，用戶追逐優(yōu)質(zhì)內(nèi)容，容易導(dǎo)致注意力集中。數(shù)字媒體的充裕為用戶選擇高質(zhì)量產(chǎn)品提供了便利。一方面，由于數(shù)字媒體的公共產(chǎn)品屬性和不斷更新的技術(shù)，媒介產(chǎn)品更容易被（甚至免費）復(fù)制，更容易跨網(wǎng)絡(luò)、跨平臺、跨國界流動。另一方面，數(shù)字媒體的豐富使用戶變得越來越挑剔。在廣播電視時代，受眾很多時候是被迫選擇的，因為沒有別的可選。在數(shù)字媒體時代，用戶只去消費優(yōu)質(zhì)產(chǎn)品。

其次，媒體消費的社交屬性和社交媒體的發(fā)展，使用戶注意力更容易集中在少數(shù)產(chǎn)品上。當(dāng)周圍的人們都在談?wù)撃硞€新聞或某個電視劇時，如果你想要繼續(xù)存在于這個社交網(wǎng)絡(luò)中，就會去消費同樣的產(chǎn)品。在數(shù)字媒體時代，媒體消費的社交屬性拓展到了虛擬空間。成千上萬從未謀面的人們通過網(wǎng)絡(luò)組成數(shù)字化群體，社交網(wǎng)絡(luò)將群體注意力集中到成員們認(rèn)為值得注意的內(nèi)容上。

最后，社交媒體用戶的行為通常存在“羊群效應(yīng)”或“從眾效應(yīng)” B19 。有時候，一個人在微博上發(fā)布一條消息或圖片，很快就會有更多的人轉(zhuǎn)發(fā)。本來默默無聞的故事，很快就會在微博上甚至社會上變成萬人矚目的事件。所有這些證據(jù)表明，受眾在分化的同時，媒體結(jié)構(gòu)和用戶消費模式卻都存在集中化的趨勢，受眾的注意力不會四處分散。文化生產(chǎn)和消費的力量創(chuàng)建了一個既分散又集中的環(huán)境。用戶并沒有完全生活在相互隔離的平行世界里，而是在很多時候共同關(guān)注相同的內(nèi)容。

四、結(jié)語

用戶掌控權(quán)力、大數(shù)據(jù)客觀中立、受眾分化，這三個典型的數(shù)字媒體迷思牽動著我們的希望和擔(dān)憂。然而，就像希望和擔(dān)憂是一個硬幣的兩面一樣，數(shù)字媒體給我們帶來的變革和影響也存在兩面性。用戶在獲得權(quán)力的同時，仍然受到種種限制。大數(shù)據(jù)在客觀之外，仍然存在著行為偏見、流行度偏見和個性化偏見。用戶在分化的同時，其注意力仍然存在集中化的趨勢。由于相反力量的存在，數(shù)字媒體給人們帶來的前景并不明朗。媒體機(jī)構(gòu)一方面仍要為獲取注意力而競爭，另一方面也應(yīng)該承擔(dān)相應(yīng)的社會責(zé)任，致力于培育而不是撕裂公共空間。用戶一方面應(yīng)該充分利用數(shù)字媒體給自己帶來的權(quán)力，另一方面也應(yīng)該避免遁入彼此隔離的信息孤島。

注釋

①④⑤詹姆斯·韋伯斯特：《注意力市場：如何吸引數(shù)字時代的受眾》，郭石磊譯，中國人民大學(xué)出版社，2017年，第4、37、141頁。

②Zach Gottlieb. In Online Media， Consumer Is King . Wired， https：//www.wired.com/2010/06/in-online-media-consumer-is-king/， 2010-06-29.

③Jenkins Henry. Convergence Culture： Where Old and New Media Collide . New York： New York University Press， 2006， p.24.

⑥Petter Johansson， Lars Hall， Nick Chater. Preference Change through Choice. in Raymond J. Dolan. Neuroscience of Preference and Choice . London： Academic Press， 2012， pp.121-141.

⑦Pew Research Center. State of the News Media 2006： An Annual Report on American Journalism . 2006.

⑧B12Eli Pariser. The Filter Bubble： What the Internet is Hiding from You . New York： Penguin Press， 2011， p.233， p.24.

⑨張欣、楊虹艷：《網(wǎng)站搜索以價排名》，《人民日報》2016年6月30日。

⑩James Surowiecki. The Wisdom of Crowds . New York： Doubleday， 2004， p.31.

B11聶磊、傅翠曉、程丹：《微信朋友圈：社會網(wǎng)絡(luò)視角下的虛擬社區(qū)》，《新聞記者》2013年第5期。

B13Cass R. Sunstein. Republic.com 2.0 . Princeton： Princeton University Press， 2007， p.63.

B14Robert K. Merton. The Self-Fulfilling Prophecy. The Antioch Review ， 1948， Vol.8， No.2， pp.193-210.

B15這些數(shù)據(jù)由作者根據(jù)“中國綜合社會調(diào)查（2012）”中的原始數(shù)據(jù)分析得來。

B16B19Matthew J. Salganik， Peter Sheridan Dodds， Duncan J. Watts. Experimental Study of Inequality and Unpredictability in An Artificial Cultural Market. Science ， 2006， Vol.311， No.5762， pp.854-856.

B17中國互聯(lián)網(wǎng)絡(luò)信息中心：《第29次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》，2012年1月發(fā)布。

B18中國互聯(lián)網(wǎng)絡(luò)信息中心：《第39次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》，2017年1月發(fā)布。

責(zé)任編輯：沐 紫