文|可靠阿星。
大数据时代，用户对个人隐私极度不安全。近年来，315曝光了一些用户隐私泄露甚至非法贩卖公民信息的事件，可谓触目惊心！每年两会通过的相应用户隐私保护提案正在逐步完善相应的法律保护边界。
自今日头条大放异彩以来，内容推荐引擎和个性化定制已被众多知名应用采用。然而，用户和信息流平台之间的关系有些微妙。部分用户不仅通过数据采集享受App带来的便利，还担心过度精准推荐带来的“烦恼”。
3月下旬，网上有人质疑饿了么、美团外卖等餐厅的O2O平台通过录音权限窃听用户隐私。饿了么和美团官方均予以否认，认为用录音提取关键词推荐本地商品和服务是“莫须有的猜测”，无法满足相应的技术条件。
几乎与此同时，今天的头条也未能幸免于类似的质疑和谣言。大致描述通常是这样的：“我和朋友昨天在聊xx，第二天头条推荐了XXX”；对我来说”刚在某App看到xxx，第二天头条给我推荐了xxx”等。一些用户也被带入了头条是否也通过录音窃听用户隐私的“自我认证预测”中。尽管有头条的官方传言，由于今日头条逐渐提高了内容兴趣推荐的准确率，类似用户的“猜测”并没有得到缓解。
本质上很多用户不知道算法，从来不知道恐惧，甚至有“迷信”的态度，误以为内容推荐引擎是一种“读心术”，可以知道很多人的隐私。事实上，从Headline和Aauto faster的兴起可以看出，兴趣引擎(机器主动和精准推荐)已经逐渐取代搜索引擎(人们主动要求精准查找)，成为一种新的底层技术架构。两者的融合也将成为未来信息发布平台的主流，这也是百度App和今日头条从不同专业领域取得进展的方向。如果懂的人不说话，不懂的人瞎说，传播虚假信息只会加深对新技术的误解。
#一、对用户隐私的获取边界，是算法的权限
推荐引擎和搜索引擎的区别在于，前者是系统向用户推荐，后者是用户主动发起寻找。因此需要将推荐引擎放入内容池中，在启动期间测试用户的兴趣，然后根据用户上网的行为数据进行定制化推荐，这显然更依赖于用户上网产生的数据。
关于这一点，今天的头条并没有否认它在《隐私政策》:
第(1)条是指“为了保证产品的正常运行，实现个性化推荐、信息发布、互动交流、搜索查询等核心功能，我们将收集您的一些必要信息。”
第(2)条提到了从用户那里收集的信息。“当您根据地理位置注册和认证、发布信息、进行交互或使用服务时，我们可能会收集个人信息，如姓名、联系信息、地址簿、图片和文本、音频和视频文件、地理位置等。法律要求的或实现功能所必需的。”
根据网上审查实名登记系统的要求，上述条款在一个信息App中几乎相同，收集到的“音视频文件”和“图文”都是已发布的信息，只是根据法律要求或实现功能所必需的收集。第(5)条重申“我们将尽最大努力采取合理的安全措施来保护您的个人信息。特别是，我们将尽最大努力以行业通用的方式保护您的敏感个人信息的安全。”
(图片来自头条隐私政策)
如果把头条推荐引擎比作人工智能(AI)机器，AI的特点是“比你更了解自己，帮你工作也不累”。将其应用于信息分发领域，要实现智能推荐，需要有足够丰富的用户大数据作为算法的训练场景。这些数据的来源是用户“关注、收藏、搜索、浏览偏好等”的在线使用行为数据。它是个性化推荐的“燃料”。而且，AI可以根据“用户发起的反馈、发布、点赞、评论等行为以及明确授权并同意开放的地理位置信息”动态调整算法推荐。所以说，算法推荐归根结底也是“后分析”，没有“先知”的窥探能力。
通过对“录音窃听用户隐私”的关注，笔者发现该条款内容如下：“当您使用上传图片、发布音视频等功能时，我们会要求您授权摄像头、照片、麦克风等敏感权利”；就像使用微信，不打开麦克风不能发语音信息，使用滴滴，不能擅自打车。开启麦克风的“敏感权限”只有在上传音视频时才会被用户主动开启，而所谓的“窃听”则是在用户不知情的情况下在后台开启，用于不正当目的。
至于App，当它打开用户的麦克风偷听录音时，需要远程控制用户的手机。一般黑客会先把病毒安装包放在用户手机上。市面上的手机系统和病毒软件已经解决了这样的安全漏洞。即使App通过麦克风录音，也要综合考虑语速、音量、环境音和清晰的声音。
晰度以及地域口音等因素，其语音识别准确率非常有限、商业用户价值不大，远远不如通过用户上网行为数据进行推荐来得直接有效。算法推荐除了用户个性化资讯push外，还应用在广告精准推送和营销上，这构成了目前信息流产品的主要商业模式。
# 二、从微头条、抖音推荐内容中管窥社交在算法机制中作用
头条系产品的形态不一样，但是底层技术是一致的，尤其是基于用户上网行为分析出兴趣图谱推荐潜在感兴趣或有用信息的引擎是一样的。
头条产品在2017年4月份上线微头条之后，头条系统推荐内容的确更加精准化了，此前很多媒体人骂头条内容low，现在基本上是听不到了。
主要原因一方面，头条的流量上涨吸引了很多优质原创作者，导致其内容生态整体质量上有提升；另一方面是引入微头条等社交关系链之后，系统在启动期不需要释放不同类型、关键字领域的内容来测试读者的兴趣点，而是会参考互动频次最高的网友，已筛选或相关领域的内容推送给关系链上的用户，通过社交紧密程度辅助内容个性化推荐的准确率。
如果用户有两台手机分别不同的头条账户就会发现，“在微头条中互动的频次比较高，并且会直接影响到系统内容推荐，而系统推荐的一些大V，往往也是好友所关注的，这加速了一些大V吸粉的效率。”一位关注阿星微头条、并且经常互动的好友向我反馈，“头条不只是完全的信息‘流’，很注重粉丝的留存。”
(第一张图和第二张图是新手机头条账户；第三张图是我经常使用头条号页面，相关度很高)
社交关系链的引入对头条内容进化来说是一次“蝶变”，以往头条的推荐只需要根据用户本身上网数据进行兴趣推荐；引入到社交因素之后，除了根据机器默认用户兴趣偏好以外，还会把好友已经看过的西瓜视频、小视频、悟空问答等推荐给新用户，从而大大产品的使用粘性。
类似的作用机制与微信公众号中好友通过点赞“在看”筛选优质内容如出一辙，不过，以社交推荐内容的方式在头条相对隐蔽，也更为数据化。
同样的机制也会出现在抖音的流量推荐之中，第一步是机器测试、积累数据后识别用户的兴趣爱好；第二步开始引入互动高频的抖音好友完播、点赞、评论的内容，从而让用户在刷抖音时获得沉浸式体验。
在第一阶段的抖音，机器会更换美女、帅哥、美景、搞笑、萌娃、宠物、才艺、技能、情感、干货等不同类型进行测试，在兴趣标签相对宽泛时，信息流推荐容易出现审美疲劳，并导致火爆的视频创意演变为套路化的程式。
而在引入社交相关度个性化推荐之后，用户刷到的下一个短视频，推荐权重最高的是，很多概率会是抖音上互关的好友点赞过短视频，会做优先呈现；如果你关注的好友很少，这种体会将更加明显，机器默认为好友感兴趣的视频你也会喜欢。这一点上看，抖音进行流量推荐也并非神秘莫测。
_「假如你有两个抖音账户，你会发现抖音推荐的小秘密
，那就是会直接推荐关系链上（互关的、互动高频的朋友）看过的视频，比如在另一个手机上点的视频，会推荐到另一账户之上，要是找不到此前看过短视频，只要在另一台手机上一直往下刷，一定可以刷到！另外，西瓜视频的推荐也是如此，这让我找到了自己喜欢刷西瓜视频的原因，因为机器默认我的朋友大体上和我的欣赏趣味是一致的，所有看起来厉害的算法推荐，其实也是有社交的。」_
我曾把这个微头条征求其他好友确认，发现这并非个别情况:
（同时两台不同手机登陆不同的账户刷抖音，重合率非常高并非偶然现象）
在微头条、抖音之中都有一个特点是，每一条更新内容的流量与粉丝量的大小并无强关联，头条的算法推荐摆脱了自媒体对私欲流量的依赖，只要是优质的、并且有高强度的互动率内容，都有可能“爆”，这表明，社交因素在其中既起到了甄别内容质量作用，也引导着账户间互动。
# 三、理解算法机制，就理解了信息流平台“懂用户”的逻辑
算法型驱动产品不仅在信息分发中逐渐成为主流，还大量应用在电商以及O2O交易平台之中，这也是为什么现在淘宝强调内容电商、拼多多强调“去中心化的商品兴趣推荐”的原因。头条用户、市场人常文平认为，“算法推荐虽然方便，应用在电商平台，系统会结合用户此前的搜索数据结果显示推荐，一些已购买的商品重复推荐，会白白浪费一些流量位置。”
这意味着，在内容领域“筛选”已消耗的优质内容的逻辑是否能真正在电商领域跑通，依然在摸索之中。
信息流平台的推荐算法引擎被认为容易导致用户获取其他视角或领域的内容受到局限；一些盲目的、无意识的点击都会在后续带来大量并不会真正想看到的内容，在新用户启动期时容易出现。
解决此类问题的办法是用户有意识的训练手机的应用里的机器，才能得到高效、适合自己的个性化页面；与此同时，算法产品会越来越重视“好友圈”，通过人群亲密程度与共同话题来更新用户的兴趣圈层。当然，如果以后信息流平台能够设置到“特别关注”好友，把好友认可的内容分享给关注对象，或许能有助于优质内容获取到更多的流量。
头条用户称呼“太准了”以致于出现对用户隐私利用的猜疑，背后也反映出今日头条产品在“个性化推荐”上的确愈发成熟化。根据笔者的观察，今日头条之所以能够达到这种境界，与其他信息流平台有两个不同的特点：
一是，头条产品的流量是复合利用的。头条为了实现人机互动的高频，不断在今日头条App接入新的功能，从自媒体资讯、西瓜视频、火山直播、小视频、微头条、悟空问答、电商橱柜、付费专栏、圈子、小游戏......用户使用产品功能越多，平台识别用户的画像体系越清晰，系统推荐就越个性化。
二是，头条系众多产品把技术力量和流量资源的“复用”发挥到极致、边际成本降低，而其他很多公司如果不看到这一点，盲目去做多个App就会陷入到兵力分散、人才浪费的困境之中。
结合头条算法结合兴趣社区与社交因素的推测可以看出，头条做社交特点并不是表现在及时沟通上，而是通过内容作为共同连接点，拉近粉丝与自媒体、用户与用户之间的联系。
如果说微信的内容是为了社交粘性服务的，那么头条的社交如微头条、多闪等并非突出聊天，更是为了内容推荐更精准、用户粘性更高，从而实现推荐“场景化”，以致于“懂用户”信息流平台被误会有“用户隐私”的不安全感。
结语
用户隐私保护在全球范围内都是一个永恒话题，去年Facebook因为泄露用户隐私负面事件导致市值大跌；国内用户对于用户隐私的焦虑和关切也与日俱增，隔一段时间国内就出现一些滥用用户隐私的质疑，这需要引起平台型企业的重视，坚持把用户利益放在首位。
通过机器记忆的办法来进行自发推荐，是信息分发更加智能化的表现，也使得用户隐私保护自然成为更为敏感环节，用户敏感隐私与网友所产生的数据本身是有区别的，前者属于法律范畴，后者是技术范畴，个性化推荐意味着平台对相应的隐私保护的升级，这事关信息流平台生存的根本；没有用户数据资源为基础，信息流平台的个性化推荐和商业化也是空中楼阁。
对头条算法上述解读不难发现，内容推荐算法既离不开用户上网行为数据化，也离不开用户所关注的人，是“信息找人”与“人找信息”相辅相成；算法由人创造，也可以服务于人，其边界和权限也可以由人来控制的，无需进行妖魔化或者神秘化。
