搜內衣給我推內褲,被大數據包圍怎麼辦?_風聞
观察者网用户_233003-2018-07-30 16:14
作者: Jason Pallant(果殼網)
有的時候,購物網站讓人覺得有點無語:我剛買了5千克的洗衣液,就又給我推薦各式各樣各個牌子的洗衣液……我又不開洗衣店!
但有的時候,它猜我心思的能力又極其可怕:我才剛跟人聊到了要買什麼,購物 app 的推送就把它推了過來,它真的在監聽我們的對話嗎?

這都跟購物網站的算法有關。這些算法有時候能夠預測你的偏好(雖然不一定準),有時候甚至可以****影響你的行為。原理很簡單——如果你認識樓下的咖啡店店員,而你每次都點大冰美式加奶,他在看到你的時候就會問:還是老樣子?然後把準備好的大冰美遞給你。購物網站的原理是一樣的,不過它們用到了更精密的算法,以及更多數據。
推薦算法是怎麼來的?
一切的來源都是數據**。**商業公司獲取的數據量已經多到令人難以置信,而類別也越來越豐富——你的交易記錄,網頁瀏覽記錄,甚至是社交網絡上的帖子。
商家通過這些數據信息來預測你未來的行為。比如,瀏覽記錄和搜索記錄存在了你的cookie裏,而在你瀏覽網站的時候,通常會跳出來一個(你看也不會看的)框,意思是他們會根據cookie來優化你的網絡體驗——於是,側邊欄的廣告位置,就會根據你的搜索記錄推送給你相應的廣告,讓你有一種被探了老底的錯覺。

網站經常出現的cookie 協議 | Thirtybees
與用户行為有關的推薦算法,在購物網站(乃至影音網站)的設計中佔到了重要地位。亞馬遜上,有35%進行購買的用户是通過推薦商品過來的,而在Netflix上,這個數據達到了75%——可以説是送來什麼點開什麼看**。**
這些算法通過分析你曾經看過或買過的東西,以及看過或買過這些東西的其他人的行為來分析可能性。比如,買過A的人,大部分都買了B;那麼,如果你買了A,算法就會把B推薦給你。
推薦你買,你真的會買
去年,澳大利亞斯威本科技大學研究市場營銷的團隊做過一個小研究,通過用户的瀏覽記錄和瀏覽習慣,來分析它們購買的習慣。他們發現,“逛”購物網站的人並不太傾向於“買”,而關注某一種商品的人則更有可能購買;而通過搜索引擎(比如搜索一個商品)來訪問的用户,比通過營銷郵件來訪問的用户更有可能下單。
而他們也建議,網站可以根據這些數據分析出用户的“購買動機”,設計更流暢的用户體驗。比如從搜索引擎來的用户直接可以導到結算頁面,而對於隨便看看的用户,則不會跳轉結算頁面。

搜索的用户更容易接受推薦商品 | pixabay
**除了行為以外,也有大量的其它數據被用作算法預測的根據。**比如沃爾瑪,在大型颶風來臨前夕,他們會加大草莓小餡餅的囤貨量。這是他們根據以前的購物數據和天氣數據進行相關性分析的結果——人們縮在家裏躲颶風時可能會吃掉更多甜品。

齁甜的草莓小餡餅 | poptarts.com
一些數據也可以預測用户是否會改變購物習慣,例如從線下購物轉向線上購物(在線上囤積以前在超市裏購買的生活必需品)。而此前的研究發現,商家可以通過****改變與顧客溝通的模式,來改變顧客的消費習慣,比如在關鍵的節點發優惠券。

線上購物 | pixabay
你大概也發現了,註冊了購物網站之後總會時不時有優惠券出現,而優惠券用着用着就沒了。但當你停止使用一段時間——又沒有到完全遺忘的地步的時候——優惠券又會再次出現。這些都有算法在背後進行估算,而算法的好壞和數據的充分與否,是能否抓住顧客的關鍵。
我的隱私安全怎麼辦?
你在不知不覺中購買了更多的東西、花掉了更多的錢,可能還不是最要緊的問題。問題在於,**你的這些行為數據是誰在使用,得到的這些數據是否侵犯了用户的隱私。**大量的數據能夠得出一些比較敏感的判斷,比如就有購物網站通過行為預測到了顧客是否懷孕、是否生病,甚至顧客自己都沒有察覺。
不過話説回來,商家並不會對任何一個“個人”感興趣。雖然算法模擬出來的是“個性化”的推薦,但是這些推薦,很大程度上是根據羣體行為得出、並根據個人的情況進行的“自動”調整。真正對個人知根知底的情況還是比較少的。

網絡隱私安全? | pixabay
一切都在於你是否願意用這些數據交換到購物時的方便。比如,你在搜索一個商品的同時,你的行為數據會通過算法給你提供推薦,其中包括了商家為了鼓勵購買而提供的優惠信息——商家知道,經過搜索而購買的可能性很大,而優惠券這樣的激勵能起到更明顯的效果。另外,商家也會根據大量用户的搜索習慣與購買習慣,制定更好的價格。
但是,如果你對自己的隱私很在意的話,就要善用瀏覽器的隱身功能進行搜索,使用社交網絡的時候也要多加小心——盯着你的“眼睛”,從來沒有如此強大過。