超越显式和隐式：用户如何提供反馈以塑造个性化推荐内容

研究背景与问题

• 作者发现了哪些问题或挑战？

  • 随着个性化推荐算法在社交媒体平台上变得越来越重要，用户逐渐意识到自己可以通过行为和平台机制影响推荐内容。然而现有研究较少关注用户如何通过行为提供反馈来影响推荐内容生成。
  • 当前的显性和隐性反馈的二分法未能充分捕捉用户在个性化推荐系统中的行为策略和主动性。同时，平台对隐性反馈的处理常常局限于正面反馈，可能忽略了用户的负面意图。

• 为什么这个问题很重要？

  • 个性化推荐算法的广泛应用可能导致“信息茧房”或“回声室”效应，限制内容多样性，负面影响用户的体验和心理健康。
  • 理解用户与算法的交互方式有助于设计更适应用户需求的反馈机制，减少重复和不相关内容的推送，提高推荐的多样性和相关性。

• 研究动机与相关工作

  • 关注用户如何提供反馈来影响推荐内容，扩展了传统的显性-隐性反馈模型。
  • 将现有的用户行为研究与推荐系统反馈机制相结合，探索用户行为背后的动机以及反馈设计的优化方向。

解决方案

• 作者提出了哪些方法或解决方案？

  • 作者通过半结构化采访研究了34名个性化推荐平台的活跃用户（使用平台包括小红书、抖音、快手等），并分析了用户提供反馈的三种方式：显性反馈、主动隐性反馈和非主动隐性反馈。
  • 提出了“主动隐性反馈”的概念，强调用户有意通过隐性行为（如快进某视频、点击特定内容等）来引导推荐内容，是显性和隐性反馈二分法的重要扩展。

• 该解决方案的创新之处是什么？

  • 在显性和隐性反馈的传统分类中引入了“用户意图”这一维度，提出用户的主动性能够明显影响推荐内容。
  • 从用户角度出发，探讨用户塑造推荐内容的行为和动机，而不是仅站在系统视角解释用户行为。
  • 分析了用户反馈与其使用平台的目的之间的关系，以及如何优化设计满足用户的特定需求。

• 实施步骤是什么？使用了哪些关键技术？

  • 研究方法：
    • 招募34名参与者，并通过线上问卷和滚雪球采样法保证样本的多样性。
    • 进行半结构化访谈，探索参与者的使用行为、对于个性化推荐算法的理解、以及如何通过反馈定制内容。
  • 数据分析：
    • 结合归纳与演绎的编码方法，对访谈数据进行主题分析，识别用户行为类型及其行为背后的目的。
    • 使用共现分析技术挖掘行为类型与目标之间的关系。
  • 行为分类：
    • 显性反馈（如标记“不感兴趣”、使用标签等）。
    • 主动隐性反馈（如搜索新内容、忽视某些推荐、切换平台等）。
    • 非主动隐性反馈（如点赞、收藏、浏览个人主页等）。

研究成果

• 取得了哪些具体成果？

  • 分析用户反馈行为分为三类，并详细讨论了与用户使用目标之间的关系，包括：内容消费（占60%的非主动隐性反馈）、定制推荐内容（75.9%采用主动隐性反馈与显性反馈）、定向信息查询、内容创建与推广。
  • 发现显性反馈与主动隐性反馈主要应用于推荐内容定制：显性反馈更多用于减少不适合内容（如广告和侵害隐私的内容）；主动隐性反馈更倾向于多样化和相关性优化。
  • 非主动隐性反馈主要用于自然的内容消费和信息查询，虽然用户对其影响算法的能力普遍缺乏认识，但算法仍将这些行为视为反馈。

• 与现有解决方案相比，它有哪些优势？

  • 扩展了现有显性-隐性反馈的分类框架，首次引入“主动隐性反馈”的概念，揭示用户利用自然交互行为来影响内容推荐的主动性。
  • 强调用户行为与用户意图的联系，更精准地捕捉用户反馈方式背后的复杂性。
  • 提供了设计个性化推荐系统反馈机制的具体指导，包括针对用户目的的反馈响应模型和基于透明性的隐性反馈识别框架。

• 实验或评估结果是什么？

  • 实验发现用户在不满意推荐内容时，平均更倾向于选择主动隐性反馈（如搜索、切换平台）以及显性反馈（如标记“不感兴趣”）。
  • 针对特定目标，用户反馈方式具有显著差异：如提高内容多样性更倾向使用搜索等主动隐性反馈，减少不适宜内容多使用显性反馈。
  • 为设计透明与目标导向的反馈机制提供了定量和质性数据支持。

• 局限性与未来方向

  • 局限性：
    • 样本偏向年轻和教育程度较高的用户，可能未完全代表平台用户的广泛人群。
    • 未获得平台真实数据，仅基于用户报告进行行为分类，可能无法涵盖所有隐性反馈行为。
  • 未来方向：
    • 通过大规模调查研究验证反馈行为与目标之间的关联性。
    • 进一步量化用户反馈对推荐系统性能、用户满意度的影响，特别是主动隐性反馈的有效性。
    • 探讨人口特征和算法认知程度对用户反馈选择的影响，以设计更个性化的反馈机制。

以上研究和建议为改进个性化推荐系统的反馈机制提供了重要参考，同时丰富了用户与算法交互领域的理论框架。