摘要：在信息大爆炸的时代背景下，大数据技术应运而生，给用户带来信息检索便利的同时也产生了一些隐蔽性损害。例如，以B站为代表的个性化推荐平台，就有可能给消费者造成人身权益损害和财产性利益损害。在用户人身权益影响方面，具体表现在“信息茧房”加剧用户认知偏差、注意力攫取加深用户主体性焦虑；在用户财产性利益损害方面，具体表现在经营者于上游盘剥用户数据财产、中游引导操控交易行为、下游算法歧视差异化定价。司法实践中，对于此类行为带来的用户损害存在算法责任认定困难、公共妨害与经济利益难以平衡的困扰。对于个性化算法的规制，相关规定散见于各法律规范之中，对于算法侵权的适用场景和损害赔偿不够细化和具体。B站是国内极具代表性和影响力的媒体平台，对于个性化推荐的法律规制研究具有独特意义。国内对个性化推荐的研究主要集中在今日头条APP上，基本上聚焦于传播学上的功能特性，对于法律规制的探究较少。且今日头条属于新闻资讯类APP，其调性与以B站为代表的娱乐性、年轻化视频平台有所不同。基于此，文章从归纳B站的个性化推荐形式入手，分析其在具体应用场景中可能带来的消费者权益损害问题并加以反思，进而提出规制与完善的路径，旨在促进个性化推荐的良性发展。

关键词：个性化推荐；B站；用户损害；人身利益；财产利益

中图分类号：G210.7 文献标志码：A 文章编号：1674-8883（2023）05-0087-03

一、个性化推荐的基本概念

（一）个性化推荐的内涵

个性化推荐的出现是为了在信息超载的时代更好地定位用户需求，提升用戶的使用体验。学者喻国明认为，个性化推荐是通过对用户行为和关系的分析，挖掘用户对内容的偏好和潜在需求，自动生成符合用户需求的信息[1]。这就意味着个性化推荐的前提是充分了解和采集用户的私人信息，推荐的内容容易让用户产生持久的兴趣和稳定的注意力。

2002年，Google News首次启用算法判断生成话题新闻，利用算法对各类新闻机构的新闻进行排序，为用户提供个性化的新闻页面[2]。如今，诸如B站、抖音、今日头条、一点资讯等媒体平台都在努力开发针对用户的个性化推荐服务。腾讯也提出了“降熵”的概念，指出要让信息追着用户走。在这样的情况下，大众传媒可能无法决定用户怎么想，但至少可以潜移默化地影响人们想什么，通过为受众设置议程的方式对其进行无形的控制。

（二）个性化推荐的类型

个性化推荐行为在实践中有多种表现形态。目前，主流算法推荐技术包含基于内容过滤的推荐、基于协同过滤的推荐和基于关联规则的推荐三种方式。

1.基于内容过滤的推荐

基于内容过滤的推荐是通过对用户历史观看数据的深度挖掘，紧紧围绕个人兴趣进行推荐[3]。B站设有与多数社交平台相类似的评论、点赞、收藏、分享等交互方式，对用户的兴趣偏好进行分析，还推出了独具特色的发弹幕、投硬币、充电、稍后再看等功能。除了显性功能设置对用户需求和兴趣的评估，B站还设置了隐性评估方式，即分析“视频留存率”。视频留存率是指视频的播放时长占视频总时长的比例，代表着用户受视频吸引的程度。以上因素成为B站基于内容过滤推送的最核心部分。

2.基于协同过滤的推荐

基于协同过滤的推荐是一种群体性的聚合，是根据有相同兴趣的用户浏览过的信息或众多用户对于某两件项目信息有相似的偏好进行推荐[4]。在B站中，若用户同时关注相同的UP主或经常搜索的视频内容极具相似性，平台进行个性化推荐时，会将A用户下B用户没有操作过的数据推荐给B用户。然而，由于基于协同过滤的推荐方式注重聚焦用户之间的亲疏远近关系，对于用户的控制力也更强，因此需要格外关注推荐过程中对消费者人格利益的侵害问题。在朱烨诉百度案中，百度因朱烨曾搜索过与流产有关的信息，在此后很长一段时间都对其进行此类信息的持续性推送，加深了用户的痛苦记忆[5]。因此，基于协同过滤进行推荐时，应当提高推荐信息的更新频率，避免过去的信息不停烦扰用户。

3.基于关联规则的推荐

基于关联规则的推荐更注重内容之间深层次的关系。此种推荐方式注重挖掘数据池中的潜在联系，是消费者在同质化信息中进行“破圈”的重要途径。B站中“热门”内容的推荐是基于关联规则进行推荐的表现之一，综合播放量和弹幕量等因素形成热度，将热门视频推荐给从未观看过相关领域视频的用户[6]。

在此种推荐机制下，推荐内容的质量问题值得关注。2020年，B站被全国“扫黄打黑”办着重点名，仅举报线索就超500条，约谈高达10余次，“内容低俗”“擦边球”等问题频频发生。在热度导向下，不少原创UP主创作出具有感官刺激的耸动新闻，以牟取经济利益。因此，基于关联规则的推荐应避免流量驱动下算法对流行度指标、关联性标准的绝对控制，要注重对视频质量的把关，以免个性化推荐在低质量的推送中走向恶性循环。

二、个性化推荐侵害消费者的表现形式

算法个性化推荐侵害了消费者人身利益和财产利益。消费者不仅遭受直接的权益损害，同时还遭受竞争利益受损后带来的个体与集体利益的间接损害，即平台通过破坏市场竞争秩序、恶化市场竞争环境而损害消费者利益。

（一）侵害用户人身利益

1.“信息茧房”加剧认知偏差

个性化推荐技术的用户本位导向隐含了一种成瘾机制，给用户带来了注意力损害。在个性化推荐机制下，人们越是接触自己感兴趣的信息，平台对用户的兴趣定位就越精准，下一次推荐时对用户的吸引力就越强。如此循环往复下，用户对平台推荐内容的成瘾性将会不断加深。以B站的饭圈文化为例，追星女孩点进有关自己偶像的视频，B站则会不停为其推送相关内容，追星女孩们在弹幕赞美的狂欢中不断强化身份认同和圈层归属感。在此种情况下，一旦有人说出与自己所支持的偶像利益不符的言论，粉丝们便会情绪激动，甚至引起一场“骂战”。在有关社会议题的讨论中，算法推荐下形成的“信息茧房”可能会激化社会矛盾。一旦人们形成了自己的态度和倾向，往往会以固有的镜子来比照现实世界，以自身主观的尺度来测量现实。人们在不自觉中住进了算法打造的“圆形监狱”，成了被机器驯化的“数字劳工”，这在很大程度上影响了消费者对真实世界的分析与判断，扩大了个体间的认知偏差[7]。

2.注意力攫取加剧主体性焦虑

在信息大爆炸的时代，人们的注意成了一种稀缺资源。B站2022年9月8日发布的财务报告显示，2022年第二季度，B站月均活跃用户数达3.06亿，日均使用时长达89分钟。可见，B站对人们注意力的攫取能力相当强[8]。

从日常生活中的具体表现来看，B站不断更新的个性化推荐视频不仅吞噬着用户有限的业余时间，其突然弹出的弹窗提示也给人们正常的工作、学习带来了干扰，分散了个人的注意力。在获取感兴趣信息的极度亢奋状态和不断接收同质化信息的消极精神内耗中，用户被来回拉扯。如此循环下去，用户的信息认知焦虑将会加重，甚至引发人格焦虑。2021年7月13日晚，“#B站崩了#”的话题冲上微博热搜。由于服务器故障，用户无法在B站正常登录，不少年轻用户感到“没有B站寸步难行”，处于焦虑恐慌的状态。个性化推荐技术在很大程度上造成了人们的精神“亚健康”，人们看似在喧嚣的信息中找到了归属，却在“数字牢笼”里越陷越深，主体性焦虑日益加剧。

（二）侵害用户财产性利益

1.上游：盘剥用户数据财产

阿里尔·扎拉奇指出，在如今的互联网生态系统中，每个人都是以个人信息数据在向企业付费，而用户自身却不懂得“免费也很昂贵”的道理[9]。以B站为例，用户使用B站免费浏览视频时，必须无条件为其奉献个人信息的“数据养料”，日益成为“透明化”的个人。而平台则在背后监视着用户的一举一动，利用受众源源不断产生的数据信息赚得盆满钵满。由于勾选的“知情同意”内容繁杂、专业性强，多数用户无法清晰理解隐私数据获取条款的具体含义，往往处于“被迫知情”的状态。在“同意或退出”的强制性困境中，不少用户出于接受服务的迫切需求选择让渡个人信息，个人数据控制权被严重盘剥。这在一定程度上使得消费者具有被监视感和不安宁性，严重的还可能侵害消费者的信息人格[10]。

2.中游：引导操控交易行为

消费者在消费时希望能对商品的服务、价格和质量进行比较与甄选，以期获得最合适的商品和最优质的服務。然而对于商家来说，利益则是其最高出发点。在个性化推荐机制下，商家只展示部分信息，这在无形之间产生了对消费者的消费歧视，侵害了消费者的自主选择权[11]。

其具体在B站上表现为，运营方利用弹幕控评的方式为自己引流，通过屏幕上清一色的“前方高能预警”“好用”“入手不亏”等，营造出产品抢手火爆、性价比高的假象。原本市场中向所有消费者公开展示的商品变成了带有强烈舆论引导倾向的商品展示，操纵着消费者的商品选购心理。这种使用算法进行自我优待，提升己方商品和服务在搜索结果中的位次的行为，具有损害消费者权益的可能，需要对其进行规范[12]。

3.下游：算法歧视差异化定价

算法个性化定价是指企业利用收集到的消费者的个人行为或特征等信息，推断出消费者愿意支付的价格，进而为不同的消费者设定不同的价格。在此种情境下，“人的行为”越过“商品价值”成为定价的重要因素。个性化算法逐渐通过对消费者进行细分，改变他们的公平感知能力，进而操控消费者的购买决策行为[13]。

为达到数据价值最大化兑现的目的，平台在屏幕之后操纵着个性化推送下的“千人千价”。携程、滴滴打车对老用户进行大数据杀熟；爱奇艺、优酷对苹果手机用户进行更高额定价[14]。2022年上半年，北京市消费者协会对互联网消费大数据“杀熟”问题展开调查。报告显示，64.33%的受访者表示有过被大数据“杀熟”的经历。

从价格歧视的消极影响来看：一方面，仅因为消费者的平台忠诚度更高、对价格更不敏感而被设置较高价格，构成了不公平、不合理的交易条件，侵害了用户个人作为消费者的公平交易权；另一方面，主导企业利用价格歧视套牢忠诚消费者，对其索取高价，对其他客户施以低价，排挤竞争对手，可能会因为限制竞争间接损害消费者利益[15]。

三、结语

个性化推荐设立的初衷是为了让用户在信息超载的时代提升使用体验，但使用过程中不少用户对过度个性化产生反感，因而应给予用户是否使用个性化推荐以选择的权利，即设置相应的算法拒绝权。当下B站等多数平台设置关闭功能仅流于形式，在关闭个性化推荐后，平台仍然会较为准确命中用户喜好，只是减少推荐常观看的某些细分领域。广告展示方面，平台尽管表示要关闭个性化广告，展示广告的相关度降低，然而具体的降低程度并未明确说明，存在严重的“暧昧性”。基于以上问题，B站在进行个性化推荐的选项设置时，应向用户具体说明采取何种类别的个人数据，将个性化推荐的关闭功能普及化和简洁化。

此外，基于算法带来的用户人格损害分析，B站应当充分利用算法技术对于不良信息的监测和控制作用，及时限制低俗信息。对于未成年用户深度沉迷的现象，B站可以设置定期审核、查验未成年用户持续使用时间，对于过度沉迷的某类视频减少推送，对算法进行优化和改良。

从消费者方面来看，个性化定价可能会损害消费者的自主选择权和公平交易权，然而不少消费者出于举证难、怕麻烦等原因，面对此类损害常常会选择沉默与妥协。正是这样的妥协让违规平台有了得寸进尺的机会。消费者应加强对相关法律知识的学习，主动了解投诉和监督的渠道，利用法律的武器维护自身合法权益。

参考文献：

[1] 刘士超.舆论解读的新视角：置新媒体事件于互动仪式理论视域下分析[J].东南传播，2018（10）：83-84.

[2] 喻国明，李慧娟.大数据时代传媒业的转型进路：试析定制内容、众包生产与跨界融合的实践模式[J].现代传播（中国传媒大学学报），2014，36（12）：1-5，11.

[3] 田维钢，朱毓春，陈小敏.新媒体时代基于算法机制的个性化推荐对当今新闻传播的影响[J].湖南大众传媒职业技术学院学报，2018（3）：5-9.

[4] 胡娜. B站的产品生态和伦理价值风险研究[J].同济大学学报（社会科学版），2019，30（3）：45-51.

[5] 刘珅，喻玲.算法个性化推荐商业应用、消费者损害及其多元救济[J].江南大学学报（人文社会科学版），2022，21（4）：58-69.

[6] 喻玲，兰江华.算法个性化定价的反垄断法规制：基于消费者细分的视角[J].社会科学，2021（1）：77-88.

[7] 谢岱杉.窄化与破圈：推荐系统对跨圈层传播的两种作用：基于B站的数据挖掘研究[J].新媒体研究，2022，8（18）：114-118.

[8] 黄雪莹.从“工具理性”到“人的主体性”：智能化新闻分发算法的传播伦理反思[D].武汉：华中师范大学，2019.

[9] 李云蔚，李毓欣，梁译丹，等.选择性暴露：算法推荐背景下信息茧房的社会效果研究：以综合性互动视频社区bilibili为例[J].中国传媒科技，2022（9）：21-24，28.

[10] 南楠.个性化推荐算法的法律规制研究[D].北京：中央民族大学，2021.

[11] 喻玲，胡晓琪.定价算法权力异化、消费者损害与反垄断法规制的政策补强[J].华中科技大学学报（社会科学版），2021，35（6）：97-107.

[12] 彭兰.导致信息茧房的多重因素及“破茧”路径[J].新闻界，2020（1）：30-38，73.

[13] 李艳霞，龙维.个性化推荐行为法律规制路径的选择：基于中国cookie隐私权纠纷第一案的思考[D].北京：人民法院出版社，2018：425-431.

[14] 张铁薇，陈茂春.《反不正当竞争法》“网络条款”司法适用的反思：以消费者利益标准为视角[J].商业研究，2021（4）：137-145.

[15] 许向东，王怡溪.智能传播中算法偏见的成因、影响与对策[J].国际新闻界，2020，42（10）：69-85.

作者简介 刘瑶，研究方向：新闻法规与伦理。