“顶热度”与“大数据记住我”：用户的算法想象与反向利用实践 ——以小红书平台为例

当下，算法技术普遍应用于社交、内容、生活服务等各大平台之中，使得“算法”二字对于普通用户而言，不再是陌生的语汇，而是深刻渗透于用户的日常实践与社会交往中，使得用户通过相关实践获得算法认知，形构自身的算法想象，并将其再次运用到实践之中。正是在动态的“人——机”交互过程中，用户对算法的认识日渐深入，并开始发挥其自主能动性，抵抗算法驯化，尝试反向利用算法，以实现个人目标乃至社会性目标的。此类现象在采用算法机制的社交媒体平台初见端倪，成为值得关注的议题。

文献回顾与问题提出

算法与用户认知。算法作为平台尤其是社交媒体平台的运作机制，已经深刻渗透于用户的日常生活、社会交往之中，作为一种“普遍现实”而存在。因而，用户对算法的认知也在日益提升。用户的算法认知涵盖较广，既包括指用户对于算法知识的了解、态度也即算法意识，也包括用户在自身与算法相关的在线实践中发展出来的民间理论。用户在与算法的互动实践过程中，会逐渐意识到算法的存在与影响，并自我构建起一套用于解释算法运作机制及其影响的知识框架，随之将其运用于实践中并不断修正。

对用户算法认知的研究中量化研究相对较少，主要是通过对各类型平台用户进行实证调查，探究用户对于算法的基本认知、态度、影响因素等。在对用户算法认知的研究中，理论研究与质性研究数量较多，研究者通过扎根理论、数码民族志、参与式观察、深度访谈等方法，在特定的具体情境中探究普通用户如何感知算法本身及其产生的影响。

在探究用户与算法的认知关系中，Bucher提出了“算法想象”（algorithm imaginary）这一重要概念，意指人们想象、感知和体验算法的方式以及这些想象使之成为可能的实践，不仅关注用户对算法的思考——算法是什么，它们应该是什么以及它们如何运作的方式，也强调用户的自主能动性——这种想象如何中介用户的算法认知与实践。国内也有学者对用户算法想象及其机制、规则进行考察，探讨用户如何从个体性诉求出发，依据算法想象进行抵抗性的实践。尽管用户具有与算法机制进行抵抗、博弈的自主性，但其仍然会受到算法驯化的影响。因而，对于算法想象的研究较为突出地展现了用户算法认知的主体性与复杂的意义建构、互动过程。此外，可供性这一概念也被用于对用户算法认知与实践的分析。申东熙等学者对“可供性”（affordance）理论进行发展，提出“算法可供性”的概念，进一步探讨用户与算法机制的感知互动关系。

总体上看，对于算法与用户认知的相关研究理论视角较为多样，但都注重算法与用户的互动关系，突出用户算法感知形成的动态过程。

算法与用户实践。算法与用户复杂的互动关系，最终体现在用户感知、接收、反馈、被驯化、抵抗的具体实践之中。围绕算法与用户实践展开的研究目前仍然相对较少，用户对于算法尤其是对算法推荐的感知与反馈行为是其中较为常见的一类，研究者将用户置于与算法的“人——机”关系中，考察用户如何解释与使用算法，以及与之对应的，如何接受并产生对于算法负面性、算法驯化的抵抗行为。

用户与算法的互动实践离不开作为“田野”和“环境”的平台，基于依靠算法推荐机制的平台，考察内容生产者和内容接受者的生产、消费实践以及用户与平台算法机制的互动是较为常见的研究方向。除此之外，在对用户算法实践的理论化研究方面，有学者从可供性、情感等较为具有创新性的理论视角出发，考察用户算法实践中复杂的物质性、情感、心理因素。

但总体而言，大多研究局限于算法影响用户、用户做出反馈的框架之内，较少研究从用户本身的主体视角出发，察用户作为能动主体，如何出于自身需要反向利用算法，以实现个人或社会性的目标。因而本研究意图从用户主体视角出发，分析在采用算法推荐机制的社交美团平台用户所体现出的算法想象，探究其具体的算法互动实践行为类型、目的与意义。 

研究方法

本研究主要采取参与式观察法，考虑到用户群体与平台特性，对小红书这一采用算法推荐机制为主的社交媒体平台中用户对算法机制的认知与实践进行为期一个月的沉浸式观察，并分析由此所产生文本内容及其背后的情感态度与目的。此外，本研究选取部分用户进行线上访谈，时长为25分钟~30分钟，以获取更丰富的质性材料，补充观察结果，深入挖掘背后的复杂意义与行动脉络。

用户算法想象：从本体到情感

可供性与重要性认知。近年来，由于抖音、快手、小红书等依靠算法进行推荐内容平台的崛起，对“算法”这一概念的讨论频繁地出现于网络舆论、媒体报道之中，检视算法的作用及其可能带来的社会影响，强调对于算法的正确引导与规制。同时，平台自身也将精准推送符合用户兴趣爱好的内容算法作为卖点，因而对于大多数用户尤其是年轻用户而言，算法并非一个陌生概念。

尽管大部分用户实际上并未从事算法相关的工作，也并不了解算法技术相关的专业知识，但通过长时间的平台使用实践，用户得以感知、体验、想象算法的基本功能、运转机制与作用。受访者Puddin认为，“算法是一种前沿技术，通过用户数据的收集，可以精准推荐用户感兴趣的内容，但是也可能造成隐私侵犯、信息茧房等等问题。”事实上，上述用户对于算法效用的感知与算法实际属性之间的互动，可以描述为一种“算法可供性”。

此外，用户对算法的重要性也有充分的感知。受访者Ape认为，“如果没有算法，微博、抖音、快手、小红书这些平台可能根本就没有办法运行了。”受访者Arthur则指出，“我们现在获取的信息相当大一部分都是算法推送给我们的……如果没有算法，我可能就没办法这么便利地获取合心意的内容了。”

但不可否认的是，用户对于算法的认知仍然是处于“黑箱”之中的，无论是何种认知，都是用户在算法实践中以“想象”的方式构建出来的，算法实际的运作方式和过程是用户无法触及的。正如受访者Rui所言，“我慢慢开始觉得这是在想象算法了……因为我们实际上并不知道平台的算法机制是怎么样运作的，我们只能基于自己的实际体验和平台给我们的反馈去猜测，想象平台是怎么去实现它的。”

人格化想象与情感互动。与早期巴伦·李维斯、克利夫·纳斯通过实验发现的“媒介等同”理论类似，尽管用户理智地将算法视为某种技术物，但在实际的实践过程中，用户在与算法的互动中仍会不自觉地以人格化的方式对待算法。在典型的“大数据记得下次早点推给我”“再不给我红包我就卸载了”等用户话语中，用户将平台算法视为能够“听懂”自己所表达的意愿的对象，以或恳求、或半胁迫等各种掺杂情绪态度的语言与算法进行互动。小红书用户“姓氏乔”甚至认为，“要学会PUA大数据……每次遇到满意度调查时都PUA系统，选择很不满意”，在获得此种反馈之后，“系统就会更加殷勤/努力推荐不同类型的高质量短视视频”。PUA（Pick-up Artist）这一概念，最早可追溯到美国1960年代的临床心理学家Albert Ellis，泛指精通吸引异性方法的男女，后其内涵范围为处在交往关系的双方其中一方通过精神打压等方式，对另一方进行情感上的控制打压。因而，这些对于算法的人格化描述体现出用户在与算法进行互动，衡量、评判算法时往往会将其作为与人类同等的角色看待，在互动过程中也会产生情感和态度的碰撞。

另一方面，用户在与算法的互动中对算法负面性的感知会激发不满、担忧、抵抗等情绪的产生，尤其是在算法未能满足个人需求的特定时刻，如受访者Puddin就认为平时在算法推荐的“温床”之中不会产生什么特别的情感，但之前她考研的时候，平台铺天盖地推送不喜欢的明星消息，即便点击不感兴趣也无济于事，“这种时候就会觉得算法真讨厌，快别推了”。受访者Rui认为，“被采集数据就令我挺反感的，有一种隐私泄露的感觉……而且现在的推荐算法还不够成熟，并不能把你最想用的内容精准推送给你，久而久之你就会偏好算法给你推荐的内容，形成惯性思维”。 

用户对算法的反向利用实践：由个体向社会延伸

个人维度：算法“试验”与关系“打捞”。从个人层面上看，用户的算法反向利用实践主要体现为出于特定的利益需要而对平台算法机制进行试探性的利用，其目的较为多样，除了通过积极对自己感兴趣的内容进行点赞、转发等反馈以获取更符合自己取向的内容推荐这一常规行为，还包括通过平台之间的大数据与算法关联获取其他平台的优惠、获取特定类型的与自己相关的利益信息等如“薅羊毛”、让自己发布的内容获得更好的数据等。之所以是一种“试探性利用”或“试验”，原因在于大多数用户在进行此类出于个人需要的算法利用实践时，并不能确定此类实践的效果，也不清楚平台算法机制运作的基本逻辑，往往只是跟风模仿，复制特定的话术，如“大数据请记住我，下次这类型的信息早点推给我”“美团外卖，我要3.9（元）开会员@美团”。

值得注意的是，此类对于特定平台的话语还会涉及平台之间的竞争关系，如“美团太难用了，我要下饿了么，再不给我红包我就卸载了”。此类话语的表述，不仅暗含了用户对于国内平台市场垄断现象的认知，也明确指向了用户对于平台算法、大数据“杀熟”等乱象的不满情绪与微观的抵抗尝试。并且，通过用户群体性的模仿和传播，这类试探性的算法实践可能会被确立为某种集体的行为模式，并经由用户间的相互印证而不断固化。在检索相关内容时，往往会有用户主动提出此种做法是行之有效的，“第一次骂美团，是真的有用，昨天还是12.9（元），今天看就变成3.9（元）了”“骂美团，亲测有效”等，因而又会引起更多的效仿行为，成为部分用户群体的惯常的实践模式。受访者Rui对此解释道：“现在下载app都会让你“是否授权app跟踪系统应用，授权之后，它就有权限收集你在其他应用的操作，你在小红书这些社交平台发表言论比如骂美团，它是可以收集到的，这是通过网络cdn技术实现的。”不过，他也指出，尽管其他平台如美团外卖能够获取相关言论内容，但是否会给予优惠取决于它自身的平台算法，可能考量的不仅是用户言论的单一指标，也会考虑用户账号的其他指标如过往消费情况等。

在用户为优化自身所发布内容的数据包括浏览量、点赞量、转发量等指标时，往往也会经历上述的“试探——反馈——调整”的试验，通过调整图片顺序、文字标题、标签、语言风格等发现不同平台算法对于内容推荐的偏好，经过多次试验调整后再固定为某一种内容生产风格，可以视为一种用户在自身的算法实践中形成的民间理论。

除此之外，用户出于个人需要所进行的算法利用实践也可能涉及与他人关系的联结，典型例子是“大数据捞人”。算法会依据用户所处的地点、特定时间、相关标签、个人偏好等进行内容推送，也会将相似的内容推给有过时空交集或有相似活动轨迹的用户。以小红书APP为例，有不少用户通过发帖寻找自己在现实中遇到的感兴趣的人，通过大数据“精准寻人”，并且产生了较多的成功案例，算法则在某种程度成为媒介和桥梁，链接起本无干系的用户节点，搭建起弱关系，并带来培育强关系的可能性。但此类实践只是相较于传统大众媒介时代提高了关系链接的精准度和可能性，并不能总是保证成功的可能性。

社会维度：议题可见性与互助行动。在出现特定的社会公共议题而议题未得到足够的社会关注时，或相关事件未能得到妥善处置时，用户会自发进行“顶热度”行为，通过评论、点赞的方式增加被算法推荐的可能，实质上也是一种对算法进行反向利用的实践。以大熊猫“丫丫”事件中，小红书平台上有大量用户发帖为“丫丫”发声，评论区则呈现出一致性较高的“顶热度”话术，如“顶热度专用！”“不放弃不放弃，需要全网有热度”等，并且通过重复的复制粘贴使其占据较多版面。此类评论行为有些类似于web1.0时代贴吧、论坛网友的“灌水”“盖楼”行为，但社交媒体用户的目的并不是提升自己的账号等级、增加“经验”，而是通过试图通过数据的增加来获得更高的算法推荐权重，使未得到充分关注的公共议题借助算法获得更多的可见性，增加事件热度，并向公共机构施加一定的社会舆论压力。

除了赋予特定社会公共议题可见性，此类用户实践也广泛运用于线上的社会互助行动中，互助对象一般有较为明确的指向。迪尔凯姆从社会分工的角度提出了社会互助的重要性，而克鲁泡特金发展了这一概念,认为人类相互帮助和相互支持的需要是人类进行社会化的一种本能需求。随着时代发展，社会互助的行动形式可能会发生相应变化，但其本质精神不会消失。在此类在线社会互助行动中，尽管也会涉及到“大数据寻人”，但其目的与前述“捞人”行为存在差异性，即并非出于用户个人的需求而是意在助人，如寻找走失的老人儿童、救助流浪动物、针对某个个人的风险提醒和帮助等等。在某些案例中，用户通过披露聊天记录或其他个人发布的内容截图和大致的IP定位等信息，借助算法机制和其他用户的“顶热度”行为精准推送给当事人，从而帮助当事人成功规避风险。用户参与此类社会互助行动具有相当强的随机性和不求回报的无目的性，因而是一种“偶遇式”的、人人可参与的泛公益性质的线上社会行动，从而在整体上有助于促进社会交往活动中人与人之间的互助互惠。 

用户算法反向利用实践的再审视

尽管用户对于算法的反向利用实践能够部分地满足个人的需求，并且在某些情况下能够促进用户对更广泛社会互助行动的公共参与，但这种实践仍然是零散化、无组织的，其效果仍有待商榷，也有可能会造成某些负面后果。出于个人需要进行“大数据捞人”，往往会涉及某些个人私密信息，比如照片、聊天记录、IP地址乃至工作单位、家庭情况等，侵犯个人隐私。网友“小红薯632C4F51”认为，“我真的不理解这种偷拍行为……就这种偷拍了把人的照片放上来，真的没有一点法律意识吗？”在极端情况下，潜在犯罪分子有可能通过这种方式伪装自身动机，获取对方的私密信息、活动轨迹等，用户可能会“好心办坏事”，造成不良的社会后果。网友“石原离谱”指出，作为女生，她并不觉得“全网捞人是浪漫”，几十条一模一样的“捞人”帖子她看到的是背后的执拗，“只觉得恐怖”。

在线上社会互助层面，用户的算法反向利用实践成效也未必能尽如人意，部分用户也对此类行为提出质疑。受访者Ape认为：“一味刷屏同样的话术而不是解释清楚事情的经过、予以关注的重要性，只会消耗大众的注意力，甚至激起部分人的‘逆反’心理。而且更重要的是这样很可能会被平台限流，起到反作用，属于‘好心办坏事’了。”除了大量“刷屏”造成信息接受者的观感不佳，大量复制粘贴的话术也可能淹没真正有用的具体信息，并使平台算法机制有可能将其内容判定为恶意刷评论的“水军”，降低推送权重，造成相反的效果。 

结语

通过对依靠算法机制的社交媒体平台的参与式观察与对部分用户的访谈，研究发现，用户的算法想象体现在对于算法可供性和重要性的基本认知，以及人格化想象与情感化的互动；而用户的算法反向利用实践可以分为个人与社会两个面向，个人维度上的算法利用实践包括出于个人需求的算法“试验”与关系“打捞”，社会维度上的算法反向利用实践则体现为通过“顶热度”等行为赋予社会公共议题可见性、促进社会互助行动。但需要注意的是，用户的算法想象与认知仍然是零散的、不全面的，而用户的算法反向利用实践也可能造成个人隐私泄露、不利于公共议题扩散等负面后果。

此外，本研究在研究对象选取、参与式观察时长、概念界定等方面仍然存在较多局限，有待今后研究进一步进行完善。

文章来源：  《声屏世界》   https://www.zzqklm.com/w/xf/24481.html