數字媒體的三個迷思

郭石磊+詹姆斯·韋伯斯特

摘 要： 用戶掌控權力、大數據客觀中立、受眾分化是三個典型的數字媒體迷思。事實上，用戶面臨著選擇困境，受到包括推薦機制在內的媒體結構的影響；大數據中存在著行為偏見、流行度偏見和個性化偏見，而且大數據分析還具有塑造現實的作用；媒體結構和用戶消費中都存在著集中化趨勢。由此可見，數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揮著作用。

關鍵詞： 數字媒體迷思；媒介選擇困境；大數據偏見；受眾分化

中圖分類號：G206.3文獻標識碼：A

文章編號： 1003-0751（2017）06-0169-04

毋庸置疑，數字媒體正在革命性地改變著我們的世界。然而，對于數字媒體的影響，人們往往從不同角度提出截然不同的預測?！皹酚^者強調人們樂于分享的傾向，社交媒體增長的數量和影響，或者推薦機制中存在的‘群眾的智慧。悲觀者則強調人們的選擇性接觸，過濾技術，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，都強調了數字媒體革命的某個方面，從而構建了數字媒體的迷思。本文從用戶掌控權力、大數據推薦、用戶分化三個方面分析典型的數字媒體迷思，試圖提醒人們數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揮著作用。

一、關于用戶掌控權力的迷思

數字媒體時代，人們隨心所欲地從幾百個電視頻道上選擇電視節目，從多個視頻平臺點播自己喜歡的影視劇，從自己關注的微博、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”的結論。與此同時，媒體產業界也在重新推崇“消費者為王”的理念 ② 。學術界亦不缺乏為“產消者（prosumers）”歡呼的聲音。他們認為，受眾以“產消者”的身份重新參與了文化進程。 ③ 然而，這些樂觀的聲音忽視了數字媒體用戶所受的限制。

1.用戶面臨的選擇困境

雖然數字媒體產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，從而使決策變得更加簡單。

那些位列菜單之中的媒介產品，獲取了用戶的大部分注意力。然而，這并不意味著這些產品都是用戶的自由選擇。媒體平臺、推薦機制和社交網絡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制并不知情。那些不在菜單之列的媒介產品，很難獲取用戶的注意力。媒介是典型的“經驗商品”，在體驗之前，人們很難知道一個媒介產品能否滿足自己的需求。 ④ 很多有潛力滿足用戶需求的產品， 就這樣被過濾掉了。很多用戶根本不知道它們的存在，更不用說根據自身需要做出理性選擇了。

2.媒體結構對用戶偏好的影響

研究媒介接觸的理論家們十分重視偏好。他們一般認為，媒介接觸是先有偏好的結果，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。但問題的關鍵是，偏好從何而來？如果偏好來自媒體結構之外，人們將根據先有偏好最大化地利用媒體結構。然而，如果偏好來自媒體結構之內，人們將屈服于媒體結構的影響。

事實上，后一種可能得到很多證據的支持。為了獲取我們的注意力，媒體采取了很多方式來培養我們的偏好?！叭藗優榱似ヅ溥^去的行為，從而改變未來偏好”，心理學家將這種現象稱為“選擇誘導的偏好變化”。 ⑥ 例如，很多一大早就排隊去看《生化危機：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》系列的前幾個影片。“選擇誘導偏好變化”的概念早被媒體生產者熟稔于心。如今，隨著媒體生產成本逐漸升高，媒體生產者的風險也在升高。為了將風險降到最低，媒體生產者傾向于模仿過去的成功。這正是為什么娛樂產品往往會推出很多續集或衍生產品的原因。新聞業也存在相似的情況。2006年的《新聞媒體現狀》指出：“新聞界遭遇的新悖論是，新聞機構越來越多，報道越來越少。隨著生產新聞的地方越來越多，每個新聞機構的受眾卻在縮減，每個機構的記者數量也降低了。全國性的新聞機構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

除了傳統意義上的媒體生產者，媒體結構還包括各種各樣的推薦機制。用戶常常依賴社交媒體、搜索引擎或其他推薦機制。社交媒體上的意見領袖總是有選擇性地分享媒介內容，并加上自己的評論。通過社交媒體過濾媒介內容的人們，通常使自己處于少數意見領袖的影響之下。這些意見領袖包括名人賬號，也包括組織和主流媒體賬號。搜索引擎通過復雜的算法為用戶篩選信息。然而，再復雜的算法也會將復雜的人簡化成一個個貼有分類標簽的漫畫形象。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。這正是帕里澤所擔憂的：“個性化算法會引起身份循環（identity loops），數字代碼所掌握的有關你的信息構建了你的媒體環境，你的媒體環境有助于塑造你未來的偏好?！?⑧

二、關于大數據客觀中立的迷思

在數字媒體時代，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“信息機制”來完成各自的目的。不論是媒體使用的“市場信息機制”，還是用戶使用的“用戶信息機制”，都需要大量的數據進行分析。隨著互聯網的蓬勃發展，各種平臺收集的數據已經達到難以處理的地步，這個數據總量往往被稱作大數據。數據本身是中立的，數據分析是由計算機完成的，因此人們很容易認為大數據也是客觀中立的。然而，數據分析過程仍由人類主導，有了人類的參與，就不可避免地存在偏見。

1.大數據分析中的行為偏見

網絡服務器收集了大量的用戶數據，其中大部分數據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；人們在微博上轉發了某個鏈接，就被解釋為對這個鏈接內容的偏好。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。人類的行為是復雜，但是大數據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，數據分析就不一定客觀中立。

雖然大數據分析存在行為偏見，但是測量機構和用戶也沒有更好的替代工具。不管是傳統的測量機構（如尼爾森），還是Web2.0服務商（如臉書和谷歌）都要靠數據生存。由于傳統的大規模樣本調查成本較高，Web2.0平臺催生了依靠服務器進行的數據收集。用戶點開什么鏈接、搜索什么內容都被服務器記錄下來。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，發現服務器推薦了基于其他用戶經驗的較好答案。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站不經意點擊的商品。前一種情況會讓用戶感覺到大數據的便利；后一種情況卻讓用戶感到厭煩，因為廣告服務器根據不真實的行為數據，曲解了用戶的偏好。

2.大數據分析中的流行度偏見

搜索引擎通常根據網頁的重要性、與用戶的相關性甚至是付費多少 ⑨ ，將網頁進行排名。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“用戶信息機制”都特別倚重流行度。樂觀主義者認為，當大量不同個體獨立做出決定或預測時，智慧得以實現。將這些自主決定加在一起，通常可以產生一個明顯優于專家意見的結果。 ⑩ 然而，如今的很多信息推薦機制，并不具備上述“群眾智慧”的產生條件。

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識的人，“或是親友，或是同事，或是新近認識的朋友” B11 。用戶根據“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”來優化自己的選擇了。

其次，大數據顯示的流行度容易引發用戶的從眾行為。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容最流行，而且還誘導更多的人選擇這些內容，造成富者愈富、贏者通吃的封閉循環。

3.大數據分析中的個性化偏見

百度搜索為用戶提示可能喜歡的關鍵詞，京東應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。商業平臺努力提供適合每個用戶的獨特內容，這本身無可厚非。但是，大數據分析有意或無意地帶有個性化偏見。它們引導用戶追逐吸引他們興趣或偏見的內容，過濾掉他們不喜歡、不認同的內容。

商業平臺意識到創造忠誠客戶的最好方法，是“提供真正對應每個人獨特興趣、欲望和需求的內容” B12 ，從而有意加強了推薦機制中的個性化偏見。社交媒體也在無意中造成了個性化偏見。由于社交網絡的私密性和同質化，符合圈內成員興趣和偏見的內容更容易在該社交網絡中傳播。一個社交網絡內傳播的內容不一定會在另一個社交網絡內受歡迎，從而有可能導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，其結果是用戶的視野變窄，偏見增強。 B13

除了在預測現實中存在偏見，大數據分析還有可能塑造現實。人類世界的預測不同于物理世界的預測。天氣預報預測明天是小雨天氣，雨量不會因為預測而增加。但是，假如某個視頻網站告訴用戶一個視頻的觀看次數有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“自我應驗的預言”，默頓解釋為：“某個情況（預言或預測）的公共定義成為這個情況的組成部分，因此影響到事態的后續發展。這是人類事務特有的。自然界中并不存在?！?B14 “自我應驗預言”的更大后果是，大數據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。流行度偏見將注意力集中于追逐人數最多的內容，而非用戶最需要、質量最高、最有價值的內容。個性化偏見則使注意力分化，將用戶隔離在過濾氣泡里。

三、關于受眾分化的迷思

數字媒體產品極大豐富，加上信息機制為用戶推薦個性化的內容，使得受眾分化廣受關注。很多評論家擔心，受眾分化意味著用戶將只看到自己樂意看到的內容，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，是社會極化的先兆。這可能危言聳聽，但是我們還應該看到硬幣的另一面——注意力市場存在集中化的趨勢。

1.媒體機構中的集中化趨勢

首先，媒體結構總是發生變化，但這個變化過程需要時間。新媒體雖然使傳統媒體受眾流失，但在一定時間內傳統媒體仍是人們優先的媒介選擇。數據顯示，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網 B15 。

其次，注意力市場存在長尾效應。長尾效應指的是重要的媒體機構或互聯網品牌占據了絕大部分注意力，而數量眾多的其他機構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、以機構或品牌為橫軸的數據圖上呈現出“大頭長尾”的分布。少數幾個重量級選手占據消費的絕大部分。在文化消費領域，通常存在這種“贏家通吃”的市場。 B16 以中國社交媒體為例，2011年年底微博用戶數達到2.5億，網民使用率為48.7% B17 。到了2016年年底，85.8%的網民使用微信，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?，在社交媒體使用領域，微博和微信的用戶此消彼長，注意力仍然集中在少數巨頭手里。

2.用戶消費模式中的集中化趨勢

首先，用戶追逐優質內容，容易導致注意力集中。數字媒體的充裕為用戶選擇高質量產品提供了便利。一方面，由于數字媒體的公共產品屬性和不斷更新的技術，媒介產品更容易被（甚至免費）復制，更容易跨網絡、跨平臺、跨國界流動。另一方面，數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。在數字媒體時代，用戶只去消費優質產品。

其次，媒體消費的社交屬性和社交媒體的發展，使用戶注意力更容易集中在少數產品上。當周圍的人們都在談論某個新聞或某個電視劇時，如果你想要繼續存在于這個社交網絡中，就會去消費同樣的產品。在數字媒體時代，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絡組成數字化群體，社交網絡將群體注意力集中到成員們認為值得注意的內容上。

最后，社交媒體用戶的行為通常存在“羊群效應”或“從眾效應” B19 。有時候，一個人在微博上發布一條消息或圖片，很快就會有更多的人轉發。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。所有這些證據表明，受眾在分化的同時，媒體結構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。文化生產和消費的力量創建了一個既分散又集中的環境。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注相同的內容。

四、結語

用戶掌控權力、大數據客觀中立、受眾分化，這三個典型的數字媒體迷思牽動著我們的希望和擔憂。然而，就像希望和擔憂是一個硬幣的兩面一樣，數字媒體給我們帶來的變革和影響也存在兩面性。用戶在獲得權力的同時，仍然受到種種限制。大數據在客觀之外，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，數字媒體給人們帶來的前景并不明朗。媒體機構一方面仍要為獲取注意力而競爭，另一方面也應該承擔相應的社會責任，致力于培育而不是撕裂公共空間。用戶一方面應該充分利用數字媒體給自己帶來的權力，另一方面也應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：如何吸引數字時代的受眾》，郭石磊譯，中國人民大學出版社，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：社會網絡視角下的虛擬社區》，《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這些數據由作者根據“中國綜合社會調查（2012）”中的原始數據分析得來。

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中國互聯網絡信息中心：《第29次中國互聯網絡發展狀況統計報告》，2012年1月發布。

B18中國互聯網絡信息中心：《第39次中國互聯網絡發展狀況統計報告》，2017年1月發布。

責任編輯：沐 紫