23 · 反推薦：一篇宣言

你用的多數軟體在做的是推薦東西。Spotify 推薦歌曲。Netflix 推薦劇。YouTube 推薦影片。Amazon 推薦商品。Steam 推薦遊戲。

這個 pattern 普及到我們已經停止質疑。推薦是內容到達我們的預設模式。

但推薦不是中立的。它對你的品味、你的注意力、你跟「選擇」的關係做特定的事。其中一些是壞的。多數使用者已經停止注意，因為替代是看不見的。

這篇文章是關於「注意」。

推薦在優化什麼

每個推薦系統有目標。目標通常是某種「engagement」、「點擊率」或「session 長度」的版本。這些是「使用者覺得有用」的代理，但不是同一件事。

點每個推薦的使用者有高 engagement。他們可能也在慢慢漂離他們自己的偏好，朝向 platform 的偏好。系統分不出有生產力的 engagement 跟成癮的 engagement。兩個在 metrics 看起來一樣。

多年下來，推薦系統把使用者塑造成它的形狀。不是惡意的，系統在做它被建來做的事。塑造是副作用。

你失去什麼

你失去「選擇」這個體驗。選擇是一個小小的自我定義動作。當演算法選的時候，你不執行那個動作。你消費被提供的東西。你拿到的東西可能很棒，但你沒挑。久了，這改變你是誰。

你失去邊緣的品味。系統把你縮窄到 cluster 裡。Cluster 外的東西不會被 surface。你對「我喜歡什麼」的感覺收縮到系統決定你會點的東西。

你失去評估的肌肉。如果某個東西總是被預先選好，你停止發展自己評估東西的能力。工作被 outsource 了。能力萎縮。

你失去 serendipity。沒被推薦的東西、隨機的發現、朋友奇怪的建議：這些不出現在演算法 feed 裡。演算法偏好安全配對。

信念

Maida 背後的信念是：對某些活動類別，推薦是錯的預設。具體：選擇行為本身就是價值的一部分的休閒活動，品味應該隨時間擴展的活動，個人能動性比效率重要的活動。

遊戲是其中之一。閱讀也是。音樂，有時候。可說，多數我們花可自由支配時間的方式都是。

推薦對效用很棒。找最便宜的機票、回家最好的路徑、為已知需要的對的產品。為這些自由優化。

對休閒，推薦是腐蝕的。它把「你決定你想要什麼」這個體驗的部分換成一個替你決定的系統。決定就是那個東西。移除它就是移除那個體驗。

反推薦在實踐裡看起來像什麼

反推薦不是「不 surface」。那會是太多摩擦。某種 surface 是必要的，使用者沒辦法 navigate 原始庫存。

反推薦是不帶偏好的 surface。Maida 給你看一個遊戲。那個遊戲不是因為你會喜歡而被挑。它是從已安裝遊戲池中以輕微的行為加權挑出來的。系統不嘗試預測你的偏好，它在不評斷地提供選項。

使用者做決定的工作。今晚試這個，或不要。不要的話看下一個。系統永遠不說「但這個比較好，再看一次」。使用者保持是偏好的來源。

這比演算法推薦慢。它在「產生什麼」上面也根本不同。使用者透過「選擇」這個動作發展自己的品味。他們不把發展 outsource 給有跟自己不同目標的系統。

這要求使用者什麼

反推薦比推薦要求使用者更多。你必須決定。你必須夠認識自己以評估。你必須容忍選擇的摩擦。

這是 feature。摩擦是建立品味的東西。決定是強化能動性的東西。做了這個工作的使用者，有了一個沒做的使用者沒有的東西：跟自己的偏好的關係，是他們自己的，不是從一個系統借來的。

順帶一提

Maida 是這個想法的一個小、部分的實作。它只處理一片：從已安裝遊戲選今晚玩什麼。它不嘗試修整個問題。

但原則可以放大。每當你發現自己在伸手找推薦系統，你可以問：我比較想被服務，還是比較想選？對某些類別答案是「服務」。對其他，「選」是你真正想要的，而你忘了。

Maida 在這裡。它是一個尊重你到讓你選的工具。