【西街觀察】反向馴化：天下苦“大數據殺熟”久矣

用算法打敗算法，#反向馴化大數據#值得一個熱搜。

近日，衆多網友紛紛曬出自己的"錦囊妙計"，分享如何對抗那些讓人"越看越貴""越看越煩"的智能算法。

簡單來說，爲了不被算法所算計，年輕人致力於給自己打造一個全新的"窮鬼"人設。比如，在回帖和評論中反覆提及"太貴了，買不起！""這地方去不了，不適合窮人"……

如此表述多了，在平臺的用戶畫像可能就會發生轉向。有部分網友稱，在給手機精準洗腦後，同樣商品的價格確實有了顯著下降。

以其人之道的"小聰明"，看似搞笑，背後卻是大數據殺熟的嚴肅問題。

這些年，大數據"殺熟"現象愈發普遍，讓人防不勝防。平臺知錯"不改"，消費者反向馴化大數據的苦衷，能夠有效共鳴的人太多。

最常見的就是，通過算法的捕捉，復購的商品可能比第一次貴，打車費用也越來越高，會員價甚至比非會員價更高。

從平臺的角度看，算法是財富密碼。雁過留痕，互聯網精準地捕捉用戶習慣、消費痕跡、瀏覽記錄，通過精準分析用戶的消費習慣和偏好，商家執行差異化定價策略，從而刺激消費。

治理大數據殺熟，被各方呼籲，又一直無解。指望個體的反向馴化，去解決實際的殺熟問題，網友們喜提的恐怕只有一時的效果。

要真正根治大數據殺熟，還得強化源頭治理，爲大數據殺熟套上制度和規範的枷鎖。

數據和算法，應該成爲互聯網治理的核心。數據安全不容忽視。

在數據採集方面，超範圍過度採集用戶個人身份、行爲、偏好等隱私數據，倒賣精準的用戶畫像，拓展衍生業務非法牟利等問題必須引起重視。

在監管層面，應對典型的殺熟、信息繭房、算法歧視、氪金誘導，必須要定期審覈和評估算法模型。

圍繞具體的評估點，算法模型的可解釋性、影響評估、安全測試、適用邊界，都應該有公開明確的標準，與公衆信息對稱。

在制度建設上，數據處理的脫敏機制、被遺忘機制，數據集選擇、算法選取等關鍵決策的記錄和回溯機制。

消費者自我保護意識覺醒是好事，也是對治理大數據殺熟的提醒。但網絡平臺算法向上向善，不能僅靠社會呼籲商家自律，個體出招與平臺鬥智鬥勇。

個體的反向馴化終究抵不過代碼的升級，網絡治理終究需要企業、政府、消費者"你來我往"。

北京商報評論員 陶鳳