網(wǎng)絡(luò)書店推薦系統(tǒng)的負(fù)效應(yīng)與對策

楊金花　李瓊

摘要：網(wǎng)絡(luò)書店推薦系統(tǒng)主要使用信息檢索、協(xié)同過濾和內(nèi)容推薦等技術(shù)。過度使用推薦系統(tǒng)會產(chǎn)生負(fù)效應(yīng)，降低用戶滿意度，給網(wǎng)絡(luò)書店自身發(fā)展帶來威脅。網(wǎng)絡(luò)書店要吸收新成果，提升用戶滿意度；誠信經(jīng)營，承擔(dān)社會責(zé)任。

關(guān)鍵詞：網(wǎng)絡(luò)書店；推薦系統(tǒng)；過度推薦；負(fù)效應(yīng)優(yōu)化

《開卷2016年全國圖書零售市場報告》顯示，2016年我國圖書零售市場總規(guī)模701億元，網(wǎng)上書店的圖書銷售業(yè)務(wù)依然保持30%左右的增長，同時，網(wǎng)上書店銷售的總碼洋首次超過實體書店，當(dāng)當(dāng)一家圖書銷售碼洋就近140億，網(wǎng)絡(luò)書店已成為絕對優(yōu)勢渠道。與此同時，面對圖書種類的紛繁復(fù)雜（如當(dāng)當(dāng)2016年在售品種就有110萬種，還有顯示缺貨的480萬種）和數(shù)量的驟增，用戶經(jīng)常感到無所適從。這種可供選擇的多樣性在為網(wǎng)絡(luò)書店產(chǎn)生巨大經(jīng)濟效益的同時，某種程度上也降低了用戶的滿意度。近年來，推薦系統(tǒng)被證明是一種解決信息超載問題、幫助用戶做決策的有效工具，被應(yīng)用到互聯(lián)網(wǎng)的各個領(lǐng)域。推薦系統(tǒng)中最核心的部分就是推薦技術(shù)，它是利用用戶的一些行為數(shù)據(jù)，通過一定的數(shù)學(xué)算法，向用戶推薦可能喜歡的物品的軟件工具和技術(shù)。

感受推薦系統(tǒng)帶來便利的同時，人們也感覺到它的一些局限和問題，開始對其進(jìn)行反思，如隨著“今日頭條”的崛起，一些媒體行業(yè)的從業(yè)者和觀察者指出，推薦系統(tǒng)的算法分化瓦解了媒體品牌、媒體受眾、媒體策展的概念，這些新平臺上的媒體正與粉絲“失聯(lián)”，但在現(xiàn)有環(huán)境和可預(yù)見的將來，“任何媒體的掌門人，都必須直面算法，接受算法，與算法共舞”。網(wǎng)絡(luò)書店是較早引入推薦系統(tǒng)的領(lǐng)域之一，國外相關(guān)資料顯示，亞馬遜的銷售業(yè)績有20%35%要歸功于推薦系統(tǒng)，京東報告也顯示，搜索對京東訂單引入貢獻(xiàn)非常大，推薦的貢獻(xiàn)更是高速增長，但業(yè)界、學(xué)界較少對其作用進(jìn)行反思。本文擬結(jié)合自身多年的網(wǎng)絡(luò)購書經(jīng)驗，通過網(wǎng)絡(luò)調(diào)研、文獻(xiàn)研讀等方法，歸納描述當(dāng)當(dāng)、京東、亞馬遜（中國）三大網(wǎng)絡(luò)書店主要使用的推薦系統(tǒng)技術(shù)類型，分析其過度依賴和使用推薦系統(tǒng)帶來的問題及成因，并針對性地給出建議，以期出版業(yè)更健康地發(fā)展。

一、推薦系統(tǒng)原理及主要技術(shù)類型

隨著電子商務(wù)的快速發(fā)展，推薦系統(tǒng)與技術(shù)不斷豐富和提高，三大網(wǎng)絡(luò)書店根據(jù)實際需要，選擇了適合自身發(fā)展的推薦系統(tǒng)。

1.推薦系統(tǒng)原理

推薦系統(tǒng)主要依據(jù)人類行為習(xí)慣的可預(yù)測性，利用信息檢索、信息過濾和文本分類等技術(shù)，通過數(shù)據(jù)挖掘、機器學(xué)習(xí)和基于知識的系統(tǒng)等方法進(jìn)行預(yù)測和推薦，涉及的知識類型和知識來源主要有三類：一是社群知識，指關(guān)于整個用戶群體的知識，主要來自用戶使用過程中的上下文、評價、行為和人口統(tǒng)計等；二是個人知識，指關(guān)于目標(biāo)用戶的知識，主要來自目標(biāo)用戶的評價、行為、人口統(tǒng)計、需求等；三是內(nèi)容知識，指關(guān)于將要被推薦的物品的知識以及泛指其用途的知識，主要來自物品內(nèi)容、領(lǐng)域知識、上下文知識等。當(dāng)當(dāng)、京東、亞馬遜中國的推薦系統(tǒng)，就是基于上述研究成果，實現(xiàn)的書目推薦。

2.主要推薦技術(shù)類型

一是信息檢索。信息檢索是最早用于解決信息超載問題的技術(shù)，我們在三大網(wǎng)絡(luò)書店所見到和使用過的圖書分類瀏覽、關(guān)鍵詞查詢以及網(wǎng)站的主編、專家、作者、讀者推薦等，使用的就是信息檢索技術(shù)。其優(yōu)點是直觀、符合用戶傳統(tǒng)購書習(xí)慣，但推薦的信息有限，瀏覽選擇耗時耗力，且因為很多用戶缺乏相關(guān)知識準(zhǔn)備，難以滿足在最短時間內(nèi)找到滿意圖書的迫切需求。

二是協(xié)同過濾。這種方法的原理是找到與該用戶有相同品位的用戶，然后將相似用戶過去喜歡的物品推薦給該用戶。其優(yōu)點是涉及的知識較少，只用到用戶對物品的評價等一些簡單且基礎(chǔ)的數(shù)據(jù)，如亞馬遜會記錄讀者購買過的圖書及其評價，通過人工智能為某位讀者提供可能與他興趣相仿的人購買的圖書（alsobuy功能）。其優(yōu)點是有可能發(fā)掘用戶自己未曾意識到的興趣和需求，缺點是對新用戶推薦的質(zhì)量較差，且由于歷史數(shù)據(jù)質(zhì)量問題，對老用戶的推薦質(zhì)量也有很大提升空間。

三是基于內(nèi)容的推薦。這種技術(shù)方法主要是通過獲取用戶的瀏覽、購買等記錄來為用戶推薦與其過去的興趣類似的圖書，即我們在網(wǎng)絡(luò)書店看到的“猜您喜歡”下面的推薦，如“與您瀏覽過的商品的相關(guān)推薦”“根據(jù)購物習(xí)慣為您推薦”“您最近查看的商品和相關(guān)推薦”等。基于內(nèi)容推薦的核心是能夠得到圖書的描述及其特征的記錄。優(yōu)點是不需要大規(guī)模用戶就可以達(dá)到適度的精準(zhǔn)推薦，而且一旦得到圖書的屬性就能立即推薦新圖書。缺點是對新用戶推薦質(zhì)量差，可分析的內(nèi)容有限，容易過度特征化。

以上是三大網(wǎng)絡(luò)書店使用的主要推薦技術(shù)類型，各有優(yōu)缺點。目前三大網(wǎng)絡(luò)書店基本是以協(xié)同過濾為主，吸收其他推薦技術(shù)的優(yōu)點，通過多層面算法和數(shù)據(jù)交融，提高推薦的個性化和精準(zhǔn)度。

二、過度使用推薦系統(tǒng)的負(fù)效應(yīng)

推薦系統(tǒng)為提高了圖書被發(fā)現(xiàn)的幾率，不但給網(wǎng)絡(luò)書店帶來了巨大經(jīng)濟效益，也幫助用戶節(jié)省了大量時間、選擇決策成本，并帶來新的閱讀發(fā)現(xiàn)，有其不可替代的優(yōu)勢。但是，我們也應(yīng)充分認(rèn)識推薦系統(tǒng)帶來的問題。

1.過度依賴推薦系統(tǒng)，降低客戶滿意度

一是錯誤推薦或無效推薦。機器推薦不懂節(jié)制，面對鋪天蓋地、無處不在、大同小異的推薦，用戶經(jīng)常感到無所適從，但最令用戶難以忍受的是錯誤推薦和無效推薦，這主要與推薦系統(tǒng)設(shè)計的理論依據(jù)有關(guān)：人們有共同的興趣愛好且有從眾心理；有共同興趣的用戶有共同的需求；過去的需求能反映用戶的喜好等。事實上，這些只是部分反映了用戶行為的真實性。因為用戶瀏覽購買—本書可能出于各種目的和需求，他們在網(wǎng)絡(luò)書店留下的痕跡只記錄了他們的行為，并不能說明背后的真實原因，人心幽微且變動不居，很多時候連用戶自己都不知道自己的訴求，加之目前推薦技術(shù)本身的不完善以及網(wǎng)絡(luò)書店數(shù)據(jù)庫的質(zhì)量，以此作為用戶的興趣和喜好進(jìn)行推薦，難免造成錯誤推薦或無效推薦，降低用戶滿意度。

二是過度使用甚或操縱推薦系統(tǒng)。三大網(wǎng)絡(luò)書店將推薦系統(tǒng)當(dāng)作營銷工具，不但頁面充滿了明顯的“硬廣”（從各頁面的單品推薦到搜索引擎的營銷），而且將其暗中植入看似個性化的推薦列表，通過“軟廣”操縱用戶的選擇。關(guān)于推薦系統(tǒng)能夠影響用戶對物品的判斷，早在2003年，國外學(xué)者就給出了在協(xié)同過濾推薦時用戶評分行為中從眾效應(yīng)的實證研究。如果我們多了解一些社會心理學(xué)和認(rèn)知心理學(xué)的知識，還能發(fā)現(xiàn)三大網(wǎng)絡(luò)書店“自動”推薦的看似“客觀”的書目序表，有時其實是人工干預(yù)的結(jié)果。如我們在三大網(wǎng)絡(luò)書店的搜索引擎鍵入“紅樓夢”，按照當(dāng)當(dāng)默認(rèn)的“銷量”“好評”“出版日期”等綜合排序，當(dāng)當(dāng)出品的《紅樓夢》（當(dāng)當(dāng)中小學(xué)教輔榜排名90位，五星，970條評論，2016年1月出版）排在了第一位，而人民文學(xué)出版社的《紅樓夢》（當(dāng)當(dāng)小說榜排名47位，五星，86142條評論，2013年1月出版）只排在了第三位；按照京東默認(rèn)的“銷量”“評論數(shù)”“出版時間”等綜合排序，作家出版社出版的“四大名著”（套裝）（中小學(xué)教輔銷量榜第11位，累計評價7100+，2015年12月出版）排在第一位，人民文學(xué)出版社的《紅樓夢》（小說銷量榜第41位，累計評價8.7萬+，2008年07月出版）只排在了第三；按照亞馬遜（中國）默認(rèn)的“相關(guān)度”，排位前三的是：《紅樓夢》Kindle電子書（Kindle商店免費商品排第2名，4.4星，4160條評論）、北京聯(lián)合出版社的《紅樓夢》（圖書商品排第474名，4.0星，11條評論）和《紅樓夢》（上）Kindle電子書（Kindle商店免費商品排第123名，4.0星，34條評論）。很顯然，上述推薦排序利用了社會心理學(xué)中的首因效應(yīng)，將自己主推的圖書排在了首位，對用戶的購買決策施加潛移默化的影響：用戶通常通過圖書所在的位置和推薦的優(yōu)先順序感受其顯著性，除非明顯不符合自己的需求，很少逐項瀏覽推薦序表，更少分析和思考其背后的推薦機制。此外，還暗中使用了認(rèn)知心理學(xué)中的默認(rèn)效應(yīng)，利用默認(rèn)項（實際預(yù)設(shè)了選項）來展現(xiàn)候選書目，影響用戶決策：用戶通常默認(rèn)這樣的推薦，一方面由于“知識鴻溝”，有些用戶根本注意不到；另一方面，即使有些用戶注意到，但因為現(xiàn)狀的改變總與某些損失或預(yù)期的收益有關(guān)，相比于有可能更好的候選書目，因為害怕或厭惡損失，很多用戶仍傾向于維持現(xiàn)狀，從而購買了網(wǎng)絡(luò)書店推薦靠前的圖書。這種看似機器“自動”推薦的結(jié)果更容易迷惑用戶，很容易造成用戶的多買或誤買，降低用戶滿意度。

三是增加用戶選擇成本。網(wǎng)絡(luò)書店的各種榜單和推薦序表，固然是用戶需求的一種表現(xiàn)，但圖書不同于快消品（使用過程中發(fā)現(xiàn)好用就多次重復(fù)購買同一商品），用戶需要的是不斷滿足自身需求的新內(nèi)容，網(wǎng)絡(luò)書店的很多推薦不但未能滿足用戶這種多樣性和新穎性的需求，而且耗費了用戶大量的時間、精力和費用。長此以往，這種不懂節(jié)制的推薦和操縱推薦，會使用戶產(chǎn)生“心理飽和”和厭煩，降低使用滿意度，甚至放棄選擇并離開。

2.給網(wǎng)絡(luò)書店自身發(fā)展帶來威脅

網(wǎng)絡(luò)書店本希望通過推薦系統(tǒng)產(chǎn)生客戶引流，從而提高轉(zhuǎn)化率和客單額度，但如果不克服上述問題，則有可能造成悖論，降低客戶活躍度、成交比和客單額度，給自身發(fā)展帶來威脅。電子商務(wù)平臺的收入=客流量×成交比×客單價×復(fù)購率，可見客流量是平臺收入的基礎(chǔ)和關(guān)鍵，如果用戶登錄到網(wǎng)站后，面對各種榜單和營銷推薦眼花繚亂、無所適從，他們沒能力或不愿意耗費時間精力進(jìn)行篩選，就有可能少買或不買，甚或離開，轉(zhuǎn)至新的能滿足其需求的平臺，長此下去，客戶活躍度就會相應(yīng)降低，對網(wǎng)絡(luò)書店收入和發(fā)展構(gòu)成威脅。天貓書城的崛起也可以從側(cè)面印證這一問題：相比三大網(wǎng)絡(luò)書店，天貓書城入場最晚，但2016年發(fā)行總碼洋120億，直追當(dāng)當(dāng)。天貓書城有這樣的業(yè)績，固然離不開阿里的數(shù)據(jù)、技術(shù)、財力等資源支持，但不可否認(rèn)的是，天貓上每個書店的規(guī)模和特色，相比于三大網(wǎng)絡(luò)書店的令人“望洋興嘆”，相當(dāng)程度上滿足了用戶逛實體書店的直觀感和可控感。再者，2016年社群營銷的爆發(fā)，某種程度上也可以說是三大網(wǎng)絡(luò)書店海量圖書和過度推薦造成用戶無所適從的一個間接結(jié)果，其帶來的隱性憂患是：一些出版商敏銳地捕捉到了用戶的心理和需求，將社群營銷當(dāng)作“短跑悍將”，迅速精準(zhǔn)地進(jìn)行第一波大規(guī)模銷售，將三大網(wǎng)絡(luò)書店當(dāng)作“中長跑選手”，實現(xiàn)后續(xù)零散銷售，造成三大網(wǎng)絡(luò)書店整體銷量增長乏力。

三、負(fù)效應(yīng)的應(yīng)對策略

與網(wǎng)絡(luò)書店相比，用戶是弱勢的一方，因為經(jīng)濟學(xué)、心理學(xué)的研究成果表明，人的認(rèn)知資源有限且理性有限，他們只能在現(xiàn)有服務(wù)中進(jìn)行選擇；但他們也是強勢的—方，因為他們手里掌握著“投票權(quán)”——根據(jù)自己使用的滿意度決定點擊哪家網(wǎng)絡(luò)書店，并決定是否購買，商家精心設(shè)計的那些模型并不能長久操控他們。因此，網(wǎng)絡(luò)書店在未來要多在提升用戶滿意度、誠信經(jīng)營方面下功夫。

1.吸收新成果，提升用戶滿意度

一是吸收新技術(shù)成果優(yōu)化現(xiàn)有推薦系統(tǒng)，提升用戶滿意度。通過前面原理和主要技術(shù)類型的介紹，我們知道，網(wǎng)絡(luò)書店在數(shù)據(jù)質(zhì)量和推薦技術(shù)方面還有很大的優(yōu)化余地。因此，網(wǎng)絡(luò)書店要保持開放心態(tài)，敏捷反應(yīng)，利用自身在品牌信譽、數(shù)據(jù)積累和倉儲物流等方面的優(yōu)勢，不斷吸收探索新的提升用戶滿意度的方法。如在用戶模型中加入長期記憶功能，精準(zhǔn)描繪其畫像；再如在現(xiàn)有分類體系中引入大眾分類法，允許用戶自己用關(guān)鍵詞從多個維度對圖書進(jìn)行描述，從而方便用戶檢索使用。此外，在不打擾用戶的前提下，探索其他提升用戶滿意度的新技術(shù)方法，如與社交媒體、專業(yè)機構(gòu)等合作，精準(zhǔn)導(dǎo)流，目前三大網(wǎng)絡(luò)書店在此已有所行動。

二是吸收其他學(xué)科新成果優(yōu)化現(xiàn)有推薦系統(tǒng)，提升用戶滿意度。按照黑格爾正題反題合題的辯證過程，我們會最終發(fā)現(xiàn)，目前的推薦技術(shù)只能在一定的范圍內(nèi)解決輔助用戶決策、提升體驗滿意度的問題。因此，網(wǎng)絡(luò)書店還需要開拓視野，吸收其他相關(guān)學(xué)科的研究成果，特別是一些交叉學(xué)科的成果，如結(jié)合數(shù)據(jù)、科學(xué)與技術(shù)的人類動力學(xué)，再如神經(jīng)心理學(xué)與功能性核磁共振成像技術(shù)相結(jié)合的社會認(rèn)知神經(jīng)科學(xué)，將其整合進(jìn)推薦系統(tǒng)，不斷提高預(yù)測用戶行為的能力，節(jié)省用戶的決策成本，提升其使用滿意度。

2.誠信經(jīng)營，承擔(dān)社會責(zé)任

不操縱用戶行為，誠信經(jīng)營。對于網(wǎng)絡(luò)書店來說，不操縱用戶行為的要求或許目前很難實際得到其積極回應(yīng)，但百度和谷歌的教訓(xùn)就在眼前：因為2016年的魏則西事件，依據(jù)相關(guān)法律我國已將付費模式的競價排名界定為互聯(lián)網(wǎng)廣告，為此，百度不但股指下降，且給品牌和信譽造成了重大傷害；號稱“不作惡”的谷歌也在經(jīng)過歐盟7年的調(diào)查后，因為涉嫌操縱搜索結(jié)果且同時傷害了競爭對手，2017年面臨27億美元的罰款和90天整改的勒令?？梢姡@樣的要求不是道德高標(biāo)，而是企業(yè)規(guī)避法律和道德風(fēng)險的經(jīng)營底線。因而網(wǎng)絡(luò)書店在經(jīng)營中要始終牢記，收集用戶的相關(guān)信息，將其整合進(jìn)推薦系統(tǒng)，是為了更好地滿足其需求，而不是為了一己私利。只有誠信經(jīng)營，尊重用戶和滿足用戶的需求，企業(yè)才能生存和長久發(fā)展。因而，網(wǎng)絡(luò)書店今后應(yīng)該通過共情，更好地體會用戶的使用場景，給予適度推薦，而不是過度追求“深入人心”，操縱用戶行為。

尊重消費者，承擔(dān)社會責(zé)任。每年“雙十一”等節(jié)日大促前，電商被相關(guān)政府部門約談的報道時有可見，旨在防止其濫用市場支配地位，利用技術(shù)優(yōu)勢侵犯消費者的知情權(quán)和選擇權(quán)等，這說明電商在經(jīng)營中確實存在不規(guī)范現(xiàn)象。但考慮到網(wǎng)絡(luò)經(jīng)濟具有的生產(chǎn)力和活力，政府部門這些年的管理越來越柔化，在保持經(jīng)濟繁榮的前提下，主要通過正面引導(dǎo)使其更加自律。網(wǎng)絡(luò)書店要自覺維護(hù)好這一市場環(huán)境，因為培養(yǎng)健康的市場環(huán)境不只是政府的職責(zé)，也是企業(yè)尊重消費者、承擔(dān)社會責(zé)任的表現(xiàn)和自身發(fā)展的現(xiàn)實訴求，而且企業(yè)越大，社會責(zé)任越大。