精准还要更丰富：探索对外传播算法驱动的对内价值

方师师 贾梓晗

【内容提要】以算法促推精准传播、提升战略传播能力是我国增强国际传播实力的技术路径之一。要实现算法驱动的精准传播，前提条件是要形成“丰富社交”，即被大规模使用的社交网络、高度活跃的用户群体以及规模化的数据增长。算法驱动的对外传播同时还具有对内价值，即用户的算法推薦反馈可以作为对象社会的感知器，算法数据触发可以优化社会动力学模型，以及主动用户的技术养成可以避免被算法反向异化。

【关键词】算法 对外传播 精准传播 社交网络

2021年5月31日，习近平总书记在主持中央政治局第三十次集体学习时发表重要讲话强调，提升我国国际传播能力“必须加强顶层设计和研究布局，构建具有鲜明中国特色的战略传播体系，着力提高国际传播影响力、中华文化感召力、中国形象亲和力、中国话语说服力、国际舆论引导力”，同时“要采用贴近不同区域、不同国家、不同群体受众的精准传播方式，推进中国故事和中国声音的全球化表达、区域化表达、分众化表达，增强国际传播的亲和力和实效性”。①

这一要求同时指出了对外传播的“一体两面”：通过精准传播的方式提升战略传播的能力，并最终指向和实现“五力”。关于对外传播的“一体两面”，近期学界的研究与解读又给出更为具体的路径分析：“战略传播方略需要注意政策布局的顶层性、资源调配的协同性、目标群体的针对性、价值输出的共识性、重点领域的统筹性，精准传播实践需要注意储备智能化技术、指向聚焦化群体、细分区域化目标、建设替代性渠道。”②

算法驱动的对外传播对实现精准传播具有天然的技术优势，这为进一步强化和提升国家战略传播能力提供了实现路径。但需要重视的是，以算法技术促推（nudging technology）精准传播，其本身还需要很多前提条件和资源准备，抵达精准传播本身就是一个目标。

一、算法促推实现“精准传播”的功能与目标

当前算法驱动的内容传播主要基于算法选择程序的九大类型学功能，包括：搜索（search）、聚合（aggregation）、监视（surveillance）、预测（forecast）、过滤（filtering）、推荐（recommendation）、排序（scoring）、生产（content production）、分发（allocation）。这些功能的应用场景包括：搜索引擎网站、内容聚合器、数字足迹追踪、在线趋势预测、内容过滤泡、商品推荐系统、新闻排序算法、自动化内容生产、以及政治广告分发等。③

核心算法经常成为各方关注的焦点。但对于核心算法的理解不能仅限于算法特征，而需要将其看作是一个系统，或是一种网络效应。④作为一种“社会工程”，社交媒体俨然已经成为“软性基础设施”⑤，在一定程度上构成了个体线上生存的在网背景和信息环境。用户的使用与反馈经由数字印记追踪技术统一“抽取”为可被识别、计算、累积、组合的数据原料，供养“庞大而隐秘”的基础设施。系统论观点认为，环境在很大程度上将约束主体的认知和行为。算法内容传播的实质，就是以技术逻辑重新对用户的在线接触、在线使用进行秩序安排，并逐步替代和接管个体主动的、自主的信息选择。

当前社交网络的内容触达正向“推荐网络”转型，让“新闻来找我”（News Finds Me，NFM）；⑥在线社交网络（Online Social Networks，OSNs）上各类社媒机器人、“女巫节点”“钓鱼软件”“网络水军”等，制造出信息茧房、虚假流量、情绪共振、宣传操纵和行为诱导，在现有的网络上再叠加一层“人—机”混合动力传播；⑦而未来，基于元宇宙的“现实生成机”⑧进一步将心理、信息、舆论、网络、认知引导推向感知引导，感官和体验支配的“第一系统”超越基于思考和认知的“第二系统”进行反应和决策，到那时将不再有“虚拟现实”，也不再有“混合现实”，现实只是又一次“泛在存在对个体生成的再分配与再凝结”。⑨

二、作为精准传播前提的算法驱动“丰富社交”

未来的传播技术架构可以归纳为一条公式：算法模型+网络结构+现实生成。在这样的架构中，对精准传播的“有效提升传播效果，将信息传播到明确的受众中去”⑩的要求，将同时伴随着目标受众的生成与发现。因此在精准传播准备阶段，如何找到合适的方法更多地触达受众、了解受众、让受众养成惯习、产生好感、长期且持续地进行有效互动更为关键。必须更加深入地了解传播目标，才能更加精准地传播，这是一个反馈机制，也是一个社会回环。

根据社交媒体习惯养成的规则，至少需要完成“提示—行动—奖赏—投入”四个阶段的闭环才能形成惯性。11而算法驱动的内容传播，在这四个阶段均可分别进行引导和干预，形成长期的沉浸式传播。算法改变了之前传播追求的及时性（in-time），代之以适时性（righttime）原则，即在用户最需要的时候“提供”最合适的内容；推荐算法完成了用户—信息—环境三者之间的闭环，通过大量类型化的推荐满足用户喜好；当用户在算法推荐的界面下做出反应时，其一举一动都可以被系统捕捉和计算，并马上根据行为数据修改推荐呈现，算法和用户相互驯化；而当用户沉浸在算法制造的“阿德拉世界”中时，一种熟悉温暖的“包裹感”会让人沉浸其中，感到舒适安全，而算法系统则得以保持用户黏性和长期增长。

2021年2月，抖音国际版（TikTok）推荐算法与mRNA基因疫苗、GPT-3语言模型、数据信托、锂金属电池、数字接触追踪、超高精度定位、远程服务技术、多模态人工智能、绿色氢能一道，被《麻省理工科技评论》评选为2021年“全球十大突破性技术”。在一篇《第一次揭开了TikTok算法神秘面纱》的博文中，抖音国际版推荐算法中的一些重要因素呈现出来：如非常重视视频的“完看度”（video completion rate），用户特定的阅听兴趣要高过网红参与的内容生产，注重挖掘新人并跟推，关注账号的地理位置、语言偏好和设备类型，但推荐的时候倡导“去地方性”，即全球和本地的内容都会呈现。12

这样的核心算法带来了高速增长。自2016年推出以来，抖音国际版在短时间里成为了任何想尽可能广泛地进行信息传播的最有效方法：它充分利用了推特（Twitter）“简洁”和优兔（YouTube）“视觉化”的最佳表现，大大节省了传播主体在网络世界“速成”传播能力的成本。截至2022年1月，抖音国际版在全球总下载量超过30亿次，用户分布在150多个国家，10亿月活用户。在互联网上，每分钟有1.67亿个抖音国际版视频被观看，用户每个月观看视频的时间超过850分钟。13路透牛津《2022年数字新闻报告》表示：作为全球增长最快的社交网络，抖音国际版深度参与了全球的新闻生态构建。“抖音国际版上的视频，不再仅仅只是唱唱跳跳对对口型，它带来了及时消息。”14作为新闻源，抖音国际版与推特共用一套呈现逻辑——即作为信息消费的3V媒体：视觉、语言和病毒性传播（Visual， Verbal， and Viral）重塑新闻业。而英国通讯管理局（Ofcom）《2022英国新闻消费年度报告》也显示，虽然绝对数量还少（只占7%），但在成年人的新闻应用中，抖音国际版的增长最快，贡献主要来自16至24岁的年轻人。15《华盛顿邮报》将这一现象归结为是“抖音国际版算法助推下的对每一个用户喜好的满足”。16

如果仔细思考可以发现，抖音国际版的推荐算法与其说是注重“精准”，不如说是更加注重在“丰富”基础上的对用户的持续培养：通过冷启动、用户画像挖掘用户兴趣，给用户很多高质量的“偶遇内容”，伴随着新鲜感和惊喜感，逐步导入更多可拓展性内容，持续与用户进行交互，并创生更多兴趣交集。近期Meta宣布，包括旗下的脸书、照片墙（Instagram）将正式调整之前基于社交网络的信息流分发模式，更多转向算法推荐。但所谓“社交下行，算法上位”的说法并不等于社交关系不再重要——或者我们可以理解为，社交关系将被更加系统化地融入算法中，社交网络不仅是算法模型运行所依赖的“轨道”，同时算法还可以持续“填海造地”，卷入更多“可能想象”。

三、发现算法驱动对外传播的对内价值

因此，精准传播的“预备役”阶段首先是要“丰富”——被大规模使用的社交网络、高度活跃的用户群体以及规模化的数据增长。只有具备了这些条件，我们所期待的多种促进国际传播的政策、策略、方式、手段、理念才能落地。有研究抓取并统计了自2018年11月至2021年3月《卫报》对抖音国际版的218篇报道发现，数据收集疑云、多国使用禁令、业务归属分拆、应对政府制裁、业务收购斡旋、流行文化制造等是对其关注的核心话题。17近年来，随着各国开始对社交媒体监管强化，世界范围内各个国家对于算法驱动的内容传播，用户大众、特定人群、媒体机构、监管部门等并不是完全不知情，甚至非常关注，因此要实现精准传播所面临的必要条件，依然需要充分的时间和机制予以积累和转化。

而如果我们转换一下思路，网络传播是双向互动的，输出同时会触发生成和反馈。算法驱动的网络传播是这一机制的升级版，即通过算法和模型对某些生物、组织或社会要素进行加权，发现“流量密码”，带来规模效应。这一过程风险与机遇并在，如果我们只看到输出的流量和效果，忽略作为反馈机制的数据增量，那就相当于浪费了一半资源。因此就算法驱动的对外传播而言，至少还具有以下三种对内价值：

（一）算法推荐反馈：作为对象社会的感知器

对外传播的一个重要逻辑是以“输出”换“输入”。2020年6月，《连线》发布了一篇名为《TikTok最终解释了它的“为你推荐”算法如何工作》的文章。该文通过抖音国际版官方博客发布的内容指出，“这一推荐算法依赖一组复杂的加权信号来为用户推荐视频，包括标签、歌曲到用户使用的设备等一切的一切”。18

算法驱动的内容传播可以实现对社会环境的感知。通过深度挖掘用户的使用行为和社交主观呈现，大数据计算可以理解评估他人的意图想法和活动能力，在合适的时候“切入”，触发与用户交流协作的行为，并从他人经验中进行学习。通过计算社会科学的视角，这种“感知生成”的能力可被用来推进就对象“社会性”的研究。而当战略性地选择一个特定群体时，作为人类社会传感器的算法推荐与反馈可以帮助描述和预测其未来社会趋势。

（二）算法体验触发：优化模型的地真数据

用户经由使用社交网络和算法程序触发生成的内容和数据是一种“主观体验报告”，可以帮助大数据科学家建立“受人类社会系统经验现实约束的社会动态模型”，对优化社会动力机制分析具有重要价值。比如很多算法驱动的内容传播会更为关注情感因素，来自脑神经科学、心理学、政治学领域的研究也日益证明情感与认知紧密相关。19新近一些研究发现，人机传播中机器对人的“情绪引导”效果明显，很多政治机器人（political bot）相比人类，情绪更为多样。在对英国脱欧和美国大选中的社交机器人情感“传染性”的研究发现，推特上的人类推文情绪在“模仿”机器人推文情绪：人类账户与机器人账户情绪高度同构，人机交互的情绪波动周期和规律高度近似，带有愤怒、恐惧、惊讶等的内容可以快速引发传染效果。

社交网络上的人机互动情绪是一种典型的算法触发式数据，人类受“影响力机器”（influence bot）的情绪驱动所进行的在线行为是一种主动汇报式的数据来源。这种数据可以排除一般调查问卷中的偏见和“虚假一致”，如果能结合来自媒体、专家以及其他渠道的数据分析，这对观察用户公共传播、优化复杂社会模型、预判社会未来趋势是具有基础价值的“地真数据”（ground-truth data）。

（三）避免算法异化：主动用户的技术养成

算法驱动的网络传播必然会触发算法关系。在线社交网络上，算法与用户的交互基于两种语言模式：自然語言和代码语言。在一定程度上，我们无法否认人与机器的互动也具有社会性，可以反映技术—环境中主体（techno-environmental agency）的行为状态。202021年7月，《华尔街日报》通过实验方法人工协同开设自动化账号，在观看了成千上百个在抖音国际版上的视频之后试图解释抖音国际版推荐算法的核心要义。前谷歌大数据分析专家纪尧姆·查斯洛（Guillaume Chaslot）现身并解释称，抖音国际版的推荐算法甚至可以不需要获取用户的个人信息或者其他要素变量，只需要跟踪并记录用户在某一类内容上停留的时间总和即可——这一“驻留时间”（linger time）既包括观看时间也可以是犹豫的时间等。

用户在观看抖音国际版视频的时候，与符号内容和算法代码的互动无可避免会暴露自身一些属性，这也被认为是可以通过机器进行的“数据盗猎”（data pirate）。当这种“盗猎”深入到一定程度时，则会涉及算法异化（algorithmic alienation）。算法异化强调“算法主导”的完整性和穿透性，认为网络平台组织和理解用户信息的能力是一种运作明确的策略结果，而用户主要是被动受体。在对外传播的初级阶段，大概率会必然使用多种已有的在线社交平台，进而触发算法关系。而如果了解到算法异化的特征和观点，在传播的过程中就不仅能够主动利用算法进行传播，还可以发挥使用者的能动性，以一种不完全由算法设定的方式接触和解释信息，主动选择是否要遵循社交网络平台算法引导，并通过自身的行为驯化和重塑平台算法，绕开和避免落入算法异化。

四、结语

随着国际间交往行为模式的变革，人类社会信息传播的方式也逐渐从简单的诉诸心理、信息、舆论、网络和认知模式进入混合感知模式。加强国际传播的目的，是为国内的改革发展稳定营造有利的外部舆论环境，并推动构建人类命运共同体。算法在这其中扮演着重要角色，对地缘政治安全、国际议程设置、媒介生态环境、网民数字素养、隐私数据保护等均有深层影响。算法没有善恶，但并非中性。因此如何用好这一“技术人造物”以实现对外传播的目标和愿景，需要更多思考、建设和积累。

方师师系上海社会科学院新闻研究所副研究员，互聯网治理研究中心主任；贾梓晗系上海社会科学院新闻研究所硕士研究生

「注释」

①《习近平在中共中央政治局第三十次集体学习时强调 加强和改进国际传播工作 展示真实立体全面的中国》，人民网，http：//politics.people.com.cn/ n1/2021/0602/c1024-32119745.html，2021年6月2日。

②刘俊、江玮：《战略传播思维与精准传播实践》，《对外传播》2022年第7期，第13-17页。

③Saurwein， F.， Just， N. & Latzer， M.， “Governance of Algorithms： Options and Limitations，” info， vol. 17， no. 6， 2015， pp.35-49.

④[美]大卫·伊斯利、乔恩·克莱因伯格：《网络、群体与市场：揭示高度互联世界的行为原理与效应机制》（李晓明、王卫红、杨韫利译），北京：清华大学出版社，2011年，第316页。

⑤Slota， S.， Slaughter， A. & Bowker， G.， "The Hearth of Darkness： Living with Occult Infrastructure，" in Lievrouw， L. & Loader， D.， eds.， Routledge Handbook of Digital Media and Communication， New York： Routledge， 2021， p.17.

⑥de Zú？iga， H. G.， & Cheng， Z.， “Origin and Evolution of the News Finds Me Perception： Review of Theory and Effects，” Profesional de la información， vol.30， no. 3， 2021， pp.1-17.

⑦Hepp， A.， “Artificial Companions， Social Bots and Work Bots： Communicative Robots as Research Objects of Media and Communication Studies，” Media， Culture & Society， vol.42， no.7-8， 2020， pp.1410-1426.

⑧段伟文：《现实冲击：作为世界生成机器的元宇宙》，《晨刊》2022年第4期，第4-6、10页。

⑨Tsang， T.， & Morris， A.， “A hybrid quality-of-experience taxonomy for mixed reality iot （xri） systems，” in 2021 IEEE International Conference on Systems， Man， and Cybernetics （SMC） ， IEEE， 2021， pp. 1809-1816.

⑩Zabin， J.， Breach， G. & Kotler， P.， “Precision Marketing： The New Rules for Attracting， Retaining， and Leveraging Profitable Customers，” Akuntansi Pegawai， no.3， 2004， pp. 158-165.

11Yao， D.， "How to Build a Habit-forming Product-to Understand the Hook Model through an Analysis of WeChat，" 商大ビジネスレビュ？=Shodai Business Review， vol.7， no.4， 2018， pp.141-158.

12Memon， M.， “How the TikTok Algorithm Works in 2020 （and How to Work With It），” Hootsuite， from https：//blog.hootsuite.com/tiktok-algorithm/， July 29， 2020.

13TikTok Statistics – 63 TikTok Stats You Need to Know [2022 Update]. Influencer Marketing Hub， from https：//influencermarketinghub.com/tiktokstats/， August 1， 2022.

14Reuters Institute for the Study of Journalism， “Digital News Report 2022，”from https：//reutersinstitute.politics.ox.ac.uk/digital-news-report/2022， June 15， 2022.

15Ofcom， “News Consumption in the UK： 2022，” from https：//www.ofcom.org. uk/__data/assets/pdf_file/0027/241947/News-Consumption-in-the-UK-2022-report.pdf， July 21， 2022.

16Hunter， T.， “Is TikTok winning the Olympics？” The Washington Post， from https：//www.washingtonpost.com/technology/2021/07/30/tiktok-videosolympics/？utm_source=Pew+Research+Center&utm_campaign=c60e3fc430-EMAIL_CAMPAIGN_2021_08_02_01_43&utm_medium=email， July 30， 2021.

17方師师：《TikTok上的媒体圈子：自由、混合与固化》，《青年记者》2021年第1期，第62-65页。

18Louise， M. L.， “TikTok Finally Explains How the ‘For You Algorithm Works，” Wired， from https：//www.wired.com/story/tiktok-finally-explains-foryou-algorithm-works/， Jun 18， 2020.

19袁光锋：《迈向“实践”的理论路径：理解公共舆论中的情感表达》，《国际新闻界》2021年第6期，第55-72页。

20Graeff， E.， Darling， K.， Hake， D.， & Nelson， M.， “Governing the Ungovernable： Algorithms， Bots， and Threats to Our Information Comfort-Zones，” 2014 TPRC Conference Paper. 2014.

责编：霍瑶