图：资讯大爆炸催生“推荐演算法”。

　　随着资讯时代的到来，十几年前我们就已经进入了资讯大爆炸的阶段。所谓资讯大爆炸，就是指我们接收到的资讯量远远大於我们能够处理範围的状态。从前，我们可能只需要从三个选项中选择一个，而现在我们也许要从几十万甚至百万、千万个选项中进行选择。为了降低一般人在过多的选项面前束手无策、不知如何选择的问题，几乎所有的行业都引入了“演算法”，其中最常见的演算法就是“推荐演算法”。\姚 刚

　　在资讯匮乏的时代，我们对於世界的认知大多来源於有限的可以触达的资讯传播渠道，比如书籍报刊，还有单向的资讯传达方式比如广播和电视。在那个时代，社交的範围很有限，很多时候，认识新朋友需要通过已有的朋友介绍，或者通过线下的活动才能相识。大家的交际圈也大多在自己工作、学习和生活的人际範围之内，除了结交一些笔友外，没有太多认识陌生人的机会。这一切，在今天看来，都是那麼的落伍，那麼的不便。

　　推演“用户画像”

　　“推荐演算法”的基本作用原理是，通过一系列的数据对用户的特征进行判断，分析出他的喜好，从而将“投其所好”的资讯优先展示在选项列表中。比如，在购物的时候亚马逊、淘宝、拼多多等电商平台能够通过你的搜索纪录、购买纪录，结合你所在的地理位置、年龄等社会属性，从而勾勒出你的“用户画像”。比如笔者本人在这些购物平台的“用户画像”很可能就是：生活在一线城市，喜欢电子科技产品，对性价比敏感，注重生活品质的三十多岁的互联网白领。其实，所谓的用户画像，可以说就是一个平台给用户贴上的各种标籤。不同标籤对应不同类型的商品，多种标籤的组合，就可以得出一个相对精準的用户购物品类倾向。

　　无独有偶，当我们在阅读新闻或资讯流类的内容时，其实也都是在看经过了“推荐演算法”计算和整理过的结果。比如在今日头条或者抖音上，我们浏览内容的习惯也被贴上了一个个的标籤，通过演算法归纳出用户画像。因此我们会发现自己在使用抖音这样的APP时容易“上瘾”，一刷就是几个小时，停不下来。这就是演算法的力量。

　　利用好奇心理

　　在社交领域，演算法也被广泛应用。众多的交友软体都通过收集你的各种个人资讯，比如年龄、身高、工作、爱好、地区、收入、性格，甚至手机型号等多种纬度的数据为你匹配“演算法觉得合适的其他用户”。也有研究表明，通过互联网平台寻找另一半的情况，如果双方在生活环境、成长背景、性格以及三观等方面，共同点越多、两个人越相似，未来两个人相处的过程中大概率会越和谐。所以越来越多的互联网平台，通过填写个人资讯，做性格测试、三观问答等形式，来挖掘你的个人特征，从而通过演算法帮你寻找与你相似的人。

　　“微信之父”张小龙在一次分享中谈到了微信推出的“视频号”背后的推荐演算法其演进过程。视频号的内容与抖音相似，都是短视频为主的形式。外界也一直把它作为微信对标抖音推出的新功能来看待。最开始的时候，微信团队也是像其他平台一样，通过用户自己去浏览各种不同的内容，从而建立起这个用户的画像，然后为之推荐相应的内容。但发现用户打开视频号的积极性不是很高。无论演算法如何优化，都没有起到能吸引用户进门的作用。用户使用的越少，演算法能够塑造的用户画像就越不精準。於是，他们换了一个思维角度，利用了人的好奇心理，把推荐的核心从内容本身改为：你认识的XX人，他最近看了XXX内容，从而吸引好奇的用户去浏览相同的内容。这个巧妙的调整一下子提升了微信视频号的用户量。这样的演算法既精準，又有温度。

　　再以打车软件为例，平台可以给需要打车的用户精準推荐最近的司机，经过演算法筛选的、真正距离近的司机才能抢单。这样的演算法在一定程度上节约了社会资源，让有限的资源可以高效的运转起来。