浅析算法推荐机制下的受众商品化逻辑

张晓慧 魏 超

数字媒体时代，算法和数据逐渐成为信息传播的关键变量，而基于大数据和人工智能的算法推荐已成为平台类媒体的核心运行机制。依托算法机制，平台媒体成长为当今主流的媒体类型。算法推荐的基础资源是受众个人资料、网络使用行为以及数字内容生产等汇聚而成的用户数据。基于这些数据，平台媒体绘制用户画像并向其推送定制化的资讯和广告。本研究从受众商品化的角度，对算法推荐这一机制进行传播政治经济学透析，以窥探算法推荐实现资本积累的本质，并提出受众主体性可能的实现策略。

一、受众商品论的产生与内涵

1977年，加拿大传播政治经济学者斯麦兹（Smythe）发表《传播：西方马克思主义的盲点》一文［1］，提出了“受众商品化”理论，指出大众传播产业生产的以及广告商出资购买的商品形式不是资讯、影像、娱乐等等表象，而是“受众”。“受众”观看广告的过程即是商业产品的推销过程，这一过程促进了商品流通过程中分配与消费这两个环节的缝合［2］。受众商品化的过程亦形成了媒介、受众和广告商三位一体的关系，大众媒介的节目安排用来建构受众，广告商为取得受众而付钱给媒介公司，受众于是被转交给广告商（见图1），三者联结在一种有约束力的相互关系中，媒介公司为广告商生产了受众，并且是符合广告商需要的特定的人口学特征的受众［3］。

图1 斯麦兹“三位一体”受众商品论

“受众商品论”自提出即引起了广泛的辩论和对话，斯麦兹的学生李凡特（Livant）和加利（Jahlly）此后又将“受众商品”意涵进行了拓展，运用马克思主义经济学的“劳动价值论”论证受众商品即是受众的劳动时间，而媒介企业的利润来自受众所创造的剩余价值［4］。

二、算法推荐机制下受众商品化的基础

虽然受众商品论诞生于传统媒体时期，但在数字媒体时代，这一理论不仅没有过时，反而更具解释力与启迪性。特别是在以算法推荐为核心机制的平台媒体占据媒介高地的今天，根据用户画像推送资讯、投放广告以及形成自身商业闭环，使得受众的商品化走向了一个新的阶段。

（一）平台媒体实现内容的产品化

根据斯麦兹“三位一体”受众商品论的关系（见图1），传统媒体时代媒体是中介，沟通广告主和受众两个客户。媒介生产的内容是“工具”，连接着受众注意力和广告两类资源。新的传播环境下，平台型媒体不再是过去的内容生产者，而是变成了内容的经营者，这一变化使受众变成了用户。从生产新闻作品到“销售”新闻产品，改变的不仅仅是生产方式，更意味着思维的变化。这一变化，使得平台型媒体建立起了一整套以用户为导向的运营逻辑和机制。这个机制中最关键和核心的就是需要生产出符合用户需求的内容。此时，媒体和受众的关系从单向灌输变成双向互动，媒体和用户之间从简单交流到深度参与。平台型媒体通过不断挖掘和传递与用户紧密相连的话题，使得内容更加的情感化、故事化、情景化，让用户沉浸其中，其和用户日益成为信息传播的共同体、价值判断的共同体、情感传递的共同体［5］。

通过共同体的打造和一整套的激励措施，平台型媒体依靠用户一起生产海量的内容产品。在此基础上，平台型媒体依据数据库、归类、标签等方法，对内容产品进行分类和整理，进而完成对内容的产品化升级和服务的开发，实现了从卖内容转向卖用户、卖品牌、卖产品，从而实现商业价值最大化。

（二）算法推荐系统的优化升级

随着互联网上信息量的大幅增长，用户在面对海量信息时，对信息的使用效率反而下降，此时，算法推荐系统便应运而生。算法推荐系统的精准度是算法机制的核心价值，直接关系到算法平台的生死存亡。为了不断地实现平台型媒体在内容、资讯和广告(电商）上能够更加理想的精准传播，算法推荐系统需要不断的优化和升级。

目前，算法推荐平台主要运用的是基于内容的推荐、协同过滤推荐和关联规则推荐。基于内容的算法推荐主要擅长文字信息的提取，在音视频等非结构化的数据上存在不足。而协同过滤算法推荐主要是通过用户的历史行为建立用户的兴趣模型，然后依据用户的兴趣特征为用户做出产品和内容的推荐。随着用户数据的增加和用户多平台数据的共享，关联推荐算法应运而生。该算法主要基于用户历史数据的挖掘，挖掘出用户数据背后的关联，用来分析用户潜在的需求，向用户推荐其感兴趣的东西。

当前，单个算法推荐已经很难满足用户的信息需求和平台的商业化拓展，融合多种算法、关联更多数据的组合推荐系统得到发展和完善，媒体平台往往是使用两种或者多种的推荐方法相互整合优点、弥补缺点，同时，通过不断地对推荐算法进行用户体验、优化转化率、优化在线广告等形式的测试和评估，来不断地对算法进行优化升级，以达到对用户的精准推荐和预测。

（三）平台搭建媒介经济生态圈

互联网天生具有开放和链接两大特征。因此，其不仅可以被更多用户使用，搭建更多平台，同时还可以提供更多的信息共生场景。当前，平台型媒体不仅实现了和传统媒体的融合转型，形成了庞大的日活用户群体，同时平台型媒体也通过跨平台、跨行业、多服务的多渠道融合，搭建以用户为核心的媒介经济生态圈，打造出全产业链无缝对接的媒体经济新生态。

与传统的商业平台不同，媒体平台经济主要依托虚拟交易空间，是以大数据与算法为生产要素的。技术作为媒介经济的结构性变量，不断探索着新边界，创新媒介经济的模式［6］。

当前，在平台型媒体上，FaceBook和微信等媒体基本上实现了其纵向一体化的跨行业产业链聚集，微信生态中有基于朋友圈和公众号的精准广告推广，基于场景的小程序入口，基于金融理财、生活服务、交通出行、购物消费的支付功能，这使得微信基于社交成功建立起媒介经济生态圈。作为主要以算法推荐为主的平台型媒体，字节跳动旗下的抖音也在加速打造自己的媒介经济生态圈。在算法推荐机制下，抖音将feed广告和定制品牌广告精准送给对的人，抖音从其平台的各种直播享受着打赏的分成。此外，从2018年开始，抖音就上线“购物车”等工具，以短视频种草的形式为第三方电商平台带货导流。2020年，字节跳动开始整合旗下电商业务，并申请支付牌照，进一步拓展商业版图，以期构建相对完整的媒介经济生态圈。

三、算法推荐下受众商品化的价值链

数字媒体时代，受众商品化概念衍生出新的内涵，受众商品化过程体现出不同于传统媒体时期的特征与方式。受众媒介参与、使用形成的用户数据成为平台媒体的核心资源。围绕用户数据，平台媒体进行追踪、演算、推送等一系列运作，以为资本的积累服务。在受众商品化的进程中，算法推荐机制扮演了全程把控的角色，是数字时代受众商品化的关键要义，串联起受众商品化的价值链（见图2）。

图2 算法推荐机制下受众商品化价值链

（一）用户劳动内容的无偿使用

算法推荐的基础资源是用户数据，不同于传统媒体时代用户数据由媒体调查、收集，数字时代的平台媒体，用户数据由受众自行生产并被商业平台无偿使用，受众既是消费者，同时也是生产者，受众使用媒介的过程即是产生信息数据的过程。早在1980年，阿尔文·托夫勒（Alvin Toffler）即提出“生产消费者”的概念，意指“生产者与消费者之间的界限逐渐模糊”［7］。福克斯（Fuchs）则把这一概念运用到数字媒介的分析中，指出传统大众媒介上的受众与互联网上的受众区别在于，后者也是内容生产者，网络上有用户生成的内容，并且用户从事永久性的创造活动、传播、社区建设和内容生产［8］。由于用户的永久性活动和作为产消者（prosumer）的身份，福克斯认为在商业社交媒体上，受众商品是一种“互联网生产消费者商品（Internet prosumer commodit）”［9］。互联网生产消费者商品的出现意味着人类创造性活动的全面商品化，网络受众的媒介使用过程即是被商品化的过程。

数字平台媒体上，作为消费者的受众源源不断地“生产”着这些可供商业资本利用的用户数据，并且是无酬生产与供给。更为重要的是，受众往往意识不到自己正为商业平台进行着无偿的生产劳动。表面上是用户可以免费享用平台的媒介服务，事实上其中渗透着隐秘性的剥削，用户才是免费劳动的提供者。由受众通过媒介使用而生产的用户数据与内容成为算法推荐机制的演算来源，也成为平台媒体进一步进行积累资本的基础。

（二）商业利益导向的用户数据监控

作为算法推荐的一环，平台媒体会对受众生产的用户数据进行监测和捕获，以为剩余价值的实现创设条件，而这亦是受众商品化的一个重要面向。对于互联网时代的剥削问题，安德烈维克（Andrejevic）提出了“监控（Monitoring）”这一新的资本主义生产要素，认为监控是资本生产价值链中的一个重要因素，用户活动产制的信息成为营销以及生产过程中的一个入口［10］。用户要想顺利地使用媒介平台，只能被迫放弃作为隐私的用户数据，以“隐私换内容”。受众隐私的牺牲成就了商业平台价值、资本的攫取。新网络经济的资本逻辑即是使用者各自的生产、剥削与价值实现，“虽然大部分使用者的线上活动是可以自由进出、自由决定工作内容、不被直接监督命令的，但是他们的线上活动记录资料却是在没有太多选择之下被迫在巨细靡遗的监视下完成”［11］。

具体来说，商业性网络平台的运营商和第三方广告客户，持续不断地监控和记录用户的个人资料和网络活动，存储、整合和分析收集的数据，这些经营者和广告客户能够创建关于用户详细的个人资料档案，包括用户的个人兴趣和线上行为，形成庞大的数据库资源［12］。另一方面，用户数据亦成为经营者和广告商之间利益交换的筹码，作为商品的用户数据被运营平台售卖给广告商，平台由此实现资本的积累与变现。

（三）数据自动演算的失真与诱导

算法推荐实现了用户调研的自动化，依靠大数据演算，完成用户分析。“这种对信息的深度‘开发’及攫取，既是资本主义商品化在数字经济时代的表征，更是信息资本主义下数字劳动被剥削的体现。”［13］虽然算法实现了用户数据的自动演算和分析，但亦可能会造成一定的偏颇，更有可能会导致受众的数字自我失真。“如果人们把对信息的选择权完全交给算法，每天都只是等着算法投喂的信息，也会导致他们越来越失去自主性与判断力。”［14］过于依赖算法提供的信息内容，容易导致受众的认知窄化，框限住受众的视野。更有学者指出，数字时代的数字自我演算可能将沦为算法的俘虏，致力于实现人工智能设定的自我形象，商业平台媒体异化地控制受众以及受众的媒介使用过程［15］。

作为资本流通的一环，用户数据演算并非基于受众立场，而是为了资讯和广告更好地售卖和到达。此时，算法推荐机制不仅仅传播资讯，还会依据商业导向来形塑用户的消费观念，并运用生动的画面和话语将现实和消费者头脑里的欲望联结起来，形成新的生活方式和消费观念，以刺激他们的消费欲望，对受众实施物质生活消费的诱导。算法推荐下的受众画像和数字自我已经失真并沦为资本积累中的一块拼图。

（四）广告（电商）精准投放的集约型剥削

在现今的平台媒体中，很多定向广告直接以电商导购的形式出现。事实上，平台媒体的定向广告（电商）是一种新的剥削模式，基于用户数据演算的广告精确投放，实现了对受众的“集约型剥削（intensive exploitation）”［16］。福克斯认为可以将网络定向广告看成一种相对剩余价值的生产，传统电视里，所有观众在同一时间看到的是相同的广告，而在网络上，广告商能够在播送非定向广告的同一时间，也投放可能符合消费者兴趣的广告，线上定向广告更具生产力，而用户的点击购买过程是广告公司剩余价值的实现过程［17］。

这种定向广告（电商）往往会变身成一种生活方式、一个故事，一种符号等，被移用在物品之上，试图为广告（电商）充当背景和场景，其有条不紊地轮换强制性地造成了用户唯一的接受模式，即消费模式。这无疑使得商业平台和客户的共谋产出最大化，实现了对用户的精准剥削。针对用户定制精确广告资讯，也减少了广告商普遍撒网的成本付出，提高了资本的利用效率。定向广告与电商的结合，实现了数字平台受众商品化的最后一环，为资本的剥削积累提供了牢靠的保障。

四、算法推荐下受众主体性的实现路径

算法推荐机制下， 受众的媒介使用活动即是在为平台媒体劳动做工，受众商品化的每一环，用户都遭受着资本控制。分析算法机制下受众商品化的价值链，批判是一方面，但最终人们还是希冀通过这一机制的透析，找寻到在当前的媒介情境下，受众能够抵抗资本平台并实现自身主体性的可行策略，本研究建议可以从下述几个方面进行努力：

（一）技术规制平台，保障受众参与数字主体建构过程

平台媒体的最大资产是用户数据，而这由受众无偿生产的数据内容反过来成为进一步剥削受众的来源，经过大数据演算推导出的结果进一步反噬平台用户。受众要想对此有所制衡，应积极争取权利，参与到数字主体建构的过程中来。受众要向平台媒体争取对个人资讯筛选与拥有“知的权利（right to know）”“被遗忘的权利（right to be forgotten）”与“改变的权利（right to change）”，以及了解、检查、修正与自主运用相关数据的权利［18］。受众要争取知情权，要求数字平台说明用户数据收集及使用目的，做到资讯采集的合法、透明。在数据存储方面，尊重并保护用户的被遗忘权，包括历史数据的遗忘权以及敏感信息的删除权，用户有权要求平台删除相关的消费数据，对确有必要存储的信息，予以妥善保存，通过屏蔽等措施进行有效保护［19］。

受众争取数字主体建构的主动权，就是要打破与算法平台间不对称的权力关系，要求平台提升算法透明度，建立信息平衡。对于用户的消费记录、个人支出以及住所位置等方面的敏感隐私信息的获取，应明确告知用户以及使用目的，取得受众的同意与许可。事实上，这完全可以通过技术优化得以实现，如苹果隐私政策的调整就顺应了用户隐私保护的诉求，于2021年4月生效的苹果隐私政策新规规定，应用程序需要征求苹果手机用户的授权后，才能追踪其使用手机的在线行为数据［20］。

从技术维度规制算法平台，可以减少用户与平台间的信息不对等，构建两者间的算法平衡，而受众参与数字主体的建构过程，一定程度上可以削弱资本平台对自身的控制力度，拿回一部分本应属于自己的权利，为重新成为数据资料的主人创造可能。

（二）提升受众算法素养，培养批判意识和行动能力

不同媒体时代，受众的媒介素养直接关系到认识、运用媒介的能力。算法时代，同样需要受众提高相应的算法媒介素养。算法无可避免，受众需要做的是正确了解算法给我们认知、行为造成的影响，继而能够理性、有效地面对算法以及使用算法平台。需要培养受众对算法推荐的理性认知和批判意识，能够知晓算法推荐的技术逻辑和运行机理，在此基础上，能够合理地运用算法而又不被算法所操纵［21］。提升算法素养，就是要破除算法迷信、对抗算法风险，通过积极的行动对算法异化进行纠偏，提高驾驭算法的能力。在了解了算法推荐的技术逻辑后，受众要锻炼自控能力［22］，能够及时从平台营造的个人偏好“同温层”中抽身而出，提高自主性。另外，对信息来源保持警觉，提高抵御不良信息的防范能力。

提升算法素养，除了提高知觉意识外，在使用平台的过程中，受众还可以主动采取一些操作策略，以反制算法对自身的数字异化。面对商业平台的宰制，受众并非束手无策，仍然可以积极采取行动。如在数字媒介使用完成后对不感兴趣的信息进行标注、归于一类、取消相关关注等等，通过这些逆向操作干扰算法，降低算法平台对使用者异化和偏离的程度。逆向操作是反制算法异化的可行手段，为扭转算法漩涡以及受众主体性的部分获得提供了可能。算法素养的培养，可以有效提升受众对平台媒体使用的主动权和掌控力，不至完全落入算法剥削的窠臼。

（三）建立公共数字媒体平台，赋权受众自主使用

受众使用商业平台媒体，不可避免地卷入资本累积的漩涡中，参与数字主体建构、提升算法素养只能争取到一部分权力。要想实现主体性的完整获得，则需在平台媒体之外建立一个免费的非商业性的公共数字媒体平台。学者Bauwens即呼吁建立具有一定影响力的公共数字媒体与社交平台，渴望一定程度上解决数字用户既帮资本平台劳动，同时又扮演消费者的尴尬境地［23］。

事实上，类似的公共媒体平台已提供了借鉴，如由非营利的维基媒体基金会经营的维基百科，即是提供自由近用、合作劳动的非商业性数字平台。维基百科创设了一种资讯共产主义的形式，经费主要来自用户捐款，没有任何广告，没有商业模式，不为资本积累的目的服务；劳动者自己管理生产，共同决定所有决策并控制生产过程；在自愿性的基础上，用户提供所有人可以免费使用的公共知识财产，并从中获得乐趣［24］。维基百科开创了另类媒体的先河，在商业数字平台寡占受众注意力的今天，为受众争取自由、重获自主赢得了生机和可能。

公共数字媒体平台的广泛建立，需要适宜的土壤，一个基于参与式民主的社会公共领域的实现是重要前提，而作为一种对抗，非商业性数字平台代表了资本逻辑笼罩下的用户反叛力量。商业平台的本质是剥削，公共数字平台的要义则是赋权，非商品化的特质使得公共数字平台用户可以实现最大程度的主体性。用户在一种自愿劳动、自我决定的机制下，获得真正自由平等的媒介使用体验。

五、结语

我们已经进入了一个算法的时代，无可逃避它的影响力，透析算法推荐的机制以及资本积累本质可以帮助我们更加冷静、理性地对待算法，在接触商业平台媒体的过程中，秉持一颗警惕的心，带着批判的眼光去使用，摆脱算法剥削的窠臼，掌握主动权。数字资本控制犹在，但受众可以进行抵抗和反规训。