数字媒体的三个迷思

郭石磊+詹姆斯·韦伯斯特

摘 要： 用户掌控权力、大数据客观中立、受众分化是三个典型的数字媒体迷思。事实上，用户面临着选择困境，受到包括推荐机制在内的媒体结构的影响；大数据中存在着行为偏见、流行度偏见和个性化偏见，而且大数据分析还具有塑造现实的作用；媒体结构和用户消费中都存在着集中化趋势。由此可见，数字媒体给我们带来的变革也许并不完全如同想象的那样，相反的力量仍然在发挥着作用。

关键词： 数字媒体迷思；媒介选择困境；大数据偏见；受众分化

中图分类号：G206.3文献标识码：A

文章编号： 1003-0751（2017）06-0169-04

毋庸置疑，数字媒体正在革命性地改变着我们的世界。然而，对于数字媒体的影响，人们往往从不同角度提出截然不同的预测。“乐观者强调人们乐于分享的倾向，社交媒体增长的数量和影响，或者推荐机制中存在的‘群众的智慧。悲观者则强调人们的选择性接触，过滤技术，或者媒体在定位群体和个人方面日益增长的能力。” ① 不管是悲观者还是乐观者，都强调了数字媒体革命的某个方面，从而构建了数字媒体的迷思。本文从用户掌控权力、大数据推荐、用户分化三个方面分析典型的数字媒体迷思，试图提醒人们数字媒体带来的变革也许并不完全如同想象的那样，相反的力量仍然在发挥着作用。

一、关于用户掌控权力的迷思

数字媒体时代，人们随心所欲地从几百个电视频道上选择电视节目，从多个视频平台点播自己喜欢的影视剧，从自己关注的微博、微信或客户端定制新闻。这很容易让我们得出“用户掌控一切”的结论。与此同时，媒体产业界也在重新推崇“消费者为王”的理念 ② 。学术界亦不缺乏为“产消者（prosumers）”欢呼的声音。他们认为，受众以“产消者”的身份重新参与了文化进程。 ③ 然而，这些乐观的聲音忽视了数字媒体用户所受的限制。

1.用户面临的选择困境

虽然数字媒体产品极大丰富乃至无限，但是用户每天能够用于媒介消费的注意力是有限的。面对这个困境，用户需要借助各种手段来帮助自己做出选择。用户通过创建自己的媒介消费菜单，从海量媒介资源中做出选择。他们只观看几个电视频道，在微博、微信上只关注少量的名人账号或公众号，在豆瓣电影评分榜上选取要观看的电影。总之，用户倾向于利用媒介消费菜单，将其选择限定在有限的范围内，从而使决策变得更加简单。

那些位列菜单之中的媒介产品，获取了用户的大部分注意力。然而，这并不意味着这些产品都是用户的自由选择。媒体平台、推荐机制和社交网络都为用户的媒介选择提前做了过滤，而过滤决策并没有用户的参与，甚至大部分用户对此过滤机制并不知情。那些不在菜单之列的媒介产品，很难获取用户的注意力。媒介是典型的“经验商品”，在体验之前，人们很难知道一个媒介产品能否满足自己的需求。 ④ 很多有潜力满足用户需求的产品， 就这样被过滤掉了。很多用户根本不知道它们的存在，更不用说根据自身需要做出理性选择了。

2.媒体结构对用户偏好的影响

研究媒介接触的理论家们十分重视偏好。他们一般认为，媒介接触是先有偏好的结果，用户会积极地参与管理自己的媒介接触。 ⑤ 这与我们很多时候观察到的情况一致。但问题的关键是，偏好从何而来？如果偏好来自媒体结构之外，人们将根据先有偏好最大化地利用媒体结构。然而，如果偏好来自媒体结构之内，人们将屈服于媒体结构的影响。

事实上，后一种可能得到很多证据的支持。为了获取我们的注意力，媒体采取了很多方式来培养我们的偏好。“人们为了匹配过去的行为，从而改变未来偏好”，心理学家将这种现象称为“选择诱导的偏好变化”。 ⑥ 例如，很多一大早就排队去看《生化危机：终章》的人们，并不是因为别的什么原因喜欢这个新上映的电影，而是因为他们之前看过《生化危机》系列的前几个影片。“选择诱导偏好变化”的概念早被媒体生产者熟稔于心。如今，随着媒体生产成本逐渐升高，媒体生产者的风险也在升高。为了将风险降到最低，媒体生产者倾向于模仿过去的成功。这正是为什么娱乐产品往往会推出很多续集或衍生产品的原因。新闻业也存在相似的情况。2006年的《新闻媒体现状》指出：“新闻界遭遇的新悖论是，新闻机构越来越多，报道越来越少。随着生产新闻的地方越来越多，每个新闻机构的受众却在缩减，每个机构的记者数量也降低了。全国性的新闻机构仍然需要报道大事件。因此，我们每天还是会看到更多对同样一组话题的报道。” ⑦

除了传统意义上的媒体生产者，媒体结构还包括各种各样的推荐机制。用户常常依赖社交媒体、搜索引擎或其他推荐机制。社交媒体上的意见领袖总是有选择性地分享媒介内容，并加上自己的评论。通过社交媒体过滤媒介内容的人们，通常使自己处于少数意见领袖的影响之下。这些意见领袖包括名人账号，也包括组织和主流媒体账号。搜索引擎通过复杂的算法为用户筛选信息。然而，再复杂的算法也会将复杂的人简化成一个个贴有分类标签的漫画形象。这些漫画形象并不是真实的人。但是，搜索引擎却有潜力将我们变得越来越像他们刻画的漫画形象。这正是帕里泽所担忧的：“个性化算法会引起身份循环（identity loops），数字代码所掌握的有关你的信息构建了你的媒体环境，你的媒体环境有助于塑造你未来的偏好。” ⑧

二、关于大数据客观中立的迷思

在数字媒体时代，媒体资源愈加丰富，注意力资源愈加难求。媒体和用户都需要依赖“信息机制”来完成各自的目的。不论是媒体使用的“市场信息机制”，还是用户使用的“用户信息机制”，都需要大量的数据进行分析。随着互联网的蓬勃发展，各种平台收集的数据已经达到难以处理的地步，这个数据总量往往被称作大数据。数据本身是中立的，数据分析是由计算机完成的，因此人们很容易认为大数据也是客观中立的。然而，数据分析过程仍由人类主导，有了人类的参与，就不可避免地存在偏见。

1.大数据分析中的行为偏见

网络服务器收集了大量的用户数据，其中大部分数据都被用来解释用户的行为。人们在淘宝上购买了某个商品，就被解释为对这个商品的喜爱；人们在微博上转发了某个链接，就被解释为对这个链接内容的偏好。这些解释将选择等同于偏好，因此也不可避免地带有偏见。实际上，偏好并不能很好地预测选择行为。换言之，从用户选择推测用户偏好，具有一定的方法论缺陷。人类的行为是复杂，但是大数据分析往往将其简化为一种或几种解释。一旦带有行为解释偏见，数据分析就不一定客观中立。

虽然大数据分析存在行为偏见，但是测量机构和用户也没有更好的替代工具。不管是传统的测量机构（如尼尔森），还是Web2.0服务商（如脸书和谷歌）都要靠数据生存。由于传统的大规模样本调查成本较高，Web2.0平台催生了依靠服务器进行的数据收集。用户点开什么链接、搜索什么内容都被服务器记录下来。有时候，用户为了寻找某个问题的答案，在搜索引擎输入文字时，发现服务器推荐了基于其他用户经验的较好答案。有时候，用户在浏览新闻时，广告框里却在推荐用户曾在购物网站不经意点击的商品。前一种情况会让用户感觉到大数据的便利；后一种情况却让用户感到厌烦，因为广告服务器根据不真实的行为数据，曲解了用户的偏好。

2.大数据分析中的流行度偏见

搜索引擎通常根据网页的重要性、与用户的相关性甚至是付费多少 ⑨ ，将网页进行排名。社交媒体通常会推荐点击最多的链接、购买最多的商品、阅读最多的新闻和观看最多的视频。这些“用户信息机制”都特别倚重流行度。乐观主义者认为，当大量不同个体独立做出决定或预测时，智慧得以实现。将这些自主决定加在一起，通常可以产生一个明显优于专家意见的结果。 ⑩ 然而，如今的很多信息推荐机制，并不具备上述“群众智慧”的产生条件。

首先，社交媒体对流行度的计算，往往是基于一个很小的、同质化程度很高的小群体，并不能代表“群众智慧”。如微信朋友圈中存在大量的信息分享與交换，但是朋友圈里的大部分成员是相互认识的人，“或是亲友，或是同事，或是新近认识的朋友” B11 。用户根据“像自己一样的人”的行为来做出选择，只会愈加生活在“回音壁”里，更不要说凭借“群众智慧”来优化自己的选择了。

其次，大数据显示的流行度容易引发用户的从众行为。Web2.0平台的很多算法，例如谷歌的“佩奇排名”、脸书的“图谱搜索”、亚马逊的“协同过滤”，都倾向于为用户显示流行度。微信朋友圈中广泛散播的“100000+”的文章，通常能够轻松赚取更多的读者。换言之，搜索引擎和社交媒体不仅告诉人们哪些内容最流行，而且还诱导更多的人选择这些内容，造成富者愈富、赢者通吃的封闭循环。

3.大数据分析中的个性化偏见

百度搜索为用户提示可能喜欢的关键词，京东应用会向用户推荐他们可能喜欢的商品，微信公众号向用户提供个性化的定制新闻。商业平台努力提供适合每个用户的独特内容，这本身无可厚非。但是，大数据分析有意或无意地带有个性化偏见。它们引导用户追逐吸引他们兴趣或偏见的内容，过滤掉他们不喜欢、不认同的内容。

商业平台意识到创造忠诚客户的最好方法，是“提供真正对应每个人独特兴趣、欲望和需求的内容” B12 ，从而有意加强了推荐机制中的个性化偏见。社交媒体也在无意中造成了个性化偏见。由于社交网络的私密性和同质化，符合圈内成员兴趣和偏见的内容更容易在该社交网络中传播。一个社交网络内传播的内容不一定会在另一个社交网络内受欢迎，从而有可能导致平行文化和过滤气泡。个性化偏见让用户撤回到舒服的信息孤岛，其结果是用户的视野变窄，偏见增强。 B13

除了在预测现实中存在偏见，大数据分析还有可能塑造现实。人类世界的预测不同于物理世界的预测。天气预报预测明天是小雨天气，雨量不会因为预测而增加。但是，假如某个视频网站告诉用户一个视频的观看次数有3亿，就会有更多的人去观看，3亿次很快就可能会变成7亿次。对于这种“自我应验的预言”，默顿解释为：“某个情况（预言或预测）的公共定义成为这个情况的组成部分，因此影响到事态的后续发展。这是人类事务特有的。自然界中并不存在。” B14 “自我应验预言”的更大后果是，大数据分析中的偏见将注意力引向偏见所指的方向，从而改变文化消费的性质。流行度偏见将注意力集中于追逐人数最多的内容，而非用户最需要、质量最高、最有价值的内容。个性化偏见则使注意力分化，将用户隔离在过滤气泡里。

三、关于受众分化的迷思

数字媒体产品极大丰富，加上信息机制为用户推荐个性化的内容，使得受众分化广受关注。很多评论家担心，受众分化意味着用户将只看到自己乐意看到的内容，只与自己志趣相投的人们交流，从而遁入彼此隔离的信息孤岛或过滤气泡。这样的受众分化意味着公共空间的终结，是社会极化的先兆。这可能危言耸听，但是我们还应该看到硬币的另一面——注意力市场存在集中化的趋势。

1.媒体机构中的集中化趋势

首先，媒体结构总是发生变化，但这个变化过程需要时间。新媒体虽然使传统媒体受众流失，但在一定时间内传统媒体仍是人们优先的媒介选择。数据显示，73.8%的受访者将电视作为他们的主要信息来源，只有17.3%的受访者选择了互联网 B15 。

其次，注意力市场存在长尾效应。长尾效应指的是重要的媒体机构或互联网品牌占据了绝大部分注意力，而数量众多的其他机构或品牌只分享了很少的注意力，以至在以受欢迎程度为纵轴、以机构或品牌为横轴的数据图上呈现出“大头长尾”的分布。少数几个重量级选手占据消费的绝大部分。在文化消费领域，通常存在这种“赢家通吃”的市场。 B16 以中国社交媒体为例，2011年年底微博用户数达到2.5亿，网民使用率为48.7% B17 。到了2016年年底，85.8%的网民使用微信，微博使用率则下降到了37.1%，其他社交媒体使用率都在9%以下 B18 。可见，在社交媒体使用领域，微博和微信的用户此消彼长，注意力仍然集中在少数巨头手里。

2.用户消费模式中的集中化趋势

首先，用户追逐优质内容，容易导致注意力集中。数字媒体的充裕为用户选择高质量产品提供了便利。一方面，由于数字媒体的公共产品属性和不断更新的技术，媒介产品更容易被（甚至免费）复制，更容易跨网络、跨平台、跨国界流动。另一方面，数字媒体的丰富使用户变得越来越挑剔。在广播电视时代，受众很多时候是被迫选择的，因为没有别的可选。在数字媒体时代，用户只去消费优质产品。

其次，媒体消费的社交属性和社交媒体的发展，使用户注意力更容易集中在少数产品上。当周围的人们都在谈论某个新闻或某个电视剧时，如果你想要继续存在于这个社交网络中，就会去消费同样的产品。在数字媒体时代，媒体消费的社交属性拓展到了虚拟空间。成千上万从未谋面的人们通过网络组成数字化群体，社交网络将群体注意力集中到成员们认为值得注意的内容上。

最后，社交媒体用户的行为通常存在“羊群效应”或“从众效应” B19 。有时候，一个人在微博上发布一条消息或图片，很快就会有更多的人转发。本来默默无闻的故事，很快就会在微博上甚至社会上变成万人瞩目的事件。所有这些证据表明，受众在分化的同时，媒体结构和用户消费模式却都存在集中化的趋势，受众的注意力不会四处分散。文化生产和消费的力量创建了一个既分散又集中的环境。用户并没有完全生活在相互隔离的平行世界里，而是在很多时候共同关注相同的内容。

四、结语

用户掌控权力、大数据客观中立、受众分化，这三个典型的数字媒体迷思牵动着我们的希望和担忧。然而，就像希望和担忧是一个硬币的两面一样，数字媒体给我们带来的变革和影响也存在两面性。用户在获得权力的同时，仍然受到种种限制。大数据在客观之外，仍然存在着行为偏见、流行度偏见和个性化偏见。用户在分化的同时，其注意力仍然存在集中化的趋势。由于相反力量的存在，数字媒体给人们带来的前景并不明朗。媒体机构一方面仍要为获取注意力而竞争，另一方面也应该承担相应的社会责任，致力于培育而不是撕裂公共空间。用户一方面应该充分利用数字媒体给自己带来的权力，另一方面也应该避免遁入彼此隔离的信息孤岛。

注释

①④⑤詹姆斯·韦伯斯特：《注意力市场：如何吸引数字时代的受众》，郭石磊译，中国人民大学出版社，2017年，第4、37、141页。

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、杨虹艳：《网站搜索以价排名》，《人民日报》2016年6月30日。

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

B11聂磊、傅翠晓、程丹：《微信朋友圈：社会网络视角下的虚拟社区》，《新闻记者》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这些数据由作者根据“中国综合社会调查（2012）”中的原始数据分析得来。

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中国互联网络信息中心：《第29次中国互联网络发展状况统计报告》，2012年1月发布。

B18中国互联网络信息中心：《第39次中国互联网络发展状况统计报告》，2017年1月发布。

责任编辑：沐 紫