个性化媒介需求在计算传播学中的重要性

“个体之间从学习能力到适应能力、从理解不同的想法到解决现实的挑战等方面都存在着巨大的差异”^[14]，这种差异在今天的媒介消费需求方面也客观地存在着。《数字化生存》作为一本信息产业圣经，深刻地影响了全球的互联网领域和传播学世界，在书中作者激情澎湃地畅想了这样的未来，“你的界面代理人可以阅读地球上每一种报纸、每一家通讯社的消息，掌握所有广播电视的内容，然后把资料组合成个性化的摘要。”^[15]这种伟大的构想就是风靡当下的个性化内容推荐系统的先驱思想，尽管我们已经对它习以为常，但在尼葛洛庞帝提出这一解决方案的当时，它无疑是一种前沿性的甚至是一种颠覆性的理念。几年之后，“针对分类目录和搜索引擎的不足，推荐系统应运而生，并于20世纪末成为独立的研究领域”^[16]，但推荐系统有关的研究理论和技术成果在各个领域的大范围应用却是在21世纪第二个十年才开始的。

今天，安装在智能手机、智能电视、智能平板、智能手表等设备上五花八门的应用程序正在借助个性化推荐技术竞相成为尼葛洛庞帝所说的这种“界面代理人”角色，以期满足每位个性化的用户天差地别的信息互动和内容消费需求。在本质上而言，用户的个性化需求存在已久，只不过在过去信息渠道稀缺和媒介资源稀缺的环境下被忽视了。这一方面是因为传统大众媒介的印刷技术和广播技术无法支持大规模的个性化内容生产和分发机制，另一方面则是由于用户对于信息、内容和娱乐的消费需求还处在较为初级的卖方市场阶段。但随着网络传播和计算传播技术的普遍安装和广泛应用、传播话语权从传者本位向用户本位的过渡以及信息产品供求关系的天平逐渐向买方市场倾斜，这时候无论在基础理论层面、现实供求层面还是在传播技术层面，差异化的供给和个性化的需求之间达成某种意义上的精准匹配就成了一种市场必然。

客观来看，“人是同质性与异质性的统一，亦即在某些方面具有相同性或高度的相似性，在另外一些方面具有明显的甚至是极大的差异性……主体的适应性在某些时候呈现趋同化，在某些时候又有多样化的表现。”^[17]异质性原则或者个性化原则描述了我们定义一个事物区别于其他事物的方式。^[18]一直以来，大众传播媒体在绝大多数的情况下无论主动还是被动地，都更倾向于将它的受众看作无差别的同质化群体，在这样的认识论基础上所形成的传播模式也遵循了同质化的内容生产和分发逻辑，尽管大众媒体也会试图通过区分不同版面、设置不同频道等方式对受众进行市场细分，但这在本质上仍然无法真正照顾到每位受众的异质性特征和个性化需求，因为无论其认识论还是方法论都无法支持它对某一个异质性个体进行关注。只有借助于全新的信息科技手段、数据挖掘工具和社会计算科学，我们才获得了全新的机会以便“在一个紧密框架下整合数据对个人生活进行定量化的描述”^[19]，并借助于不同维度的客观数据在个体层面上进行更加精准的用户画像，从而能够在信息过载的传播环境下更加清晰地把握用户的兴趣偏好并有针对性地进行个性化内容生产和分发，最终提升传播效果和用户体验。

因此，对用户的异质性特征和个性化需求的关注成为计算传播范式的逻辑出发点。从这个点出发去审视新闻资讯行业和视频娱乐行业，今日头条、抖音、一点资讯、快手、趣头条等智能媒体时代快速崛起的传媒新秀显然没有沿着大众传播的路径继续探索，而是在解决现实传播问题的十字路口，选择了“利用智能算法，对用户接触信息的习惯和喜好进行数据分析和定位跟踪，并直接向用户推荐他们感兴趣的信息”^[20]，这里的用户是立体的、动态的、异质性的个体用户。尽管算法推荐并不排斥群体用户的共性需求，但大众媒体在很大程度上已经解决了同质化受众的传播问题，因此，计算传播更倾向于将其核心焦点放在解决当前更为迫切的个性化传播问题上面。(www.xing528.com)

同样的进程也发生在广告领域，消费者在物质消费和文化消费方面都越来越追求个性而非共性，以前的消费观是“我也想有一件和他一样的”，而今天的消费观则是“我想要一件和他不一样的”，这种自我意识的觉醒驱动着企业投入更多的资源为用户量身打造更加个性化的品牌和产品，也驱动着营销机构投入更多的资源挖掘用户数据以便定向地向不同的用户精准地投放更符合他们需求的广告信息。“在计算科学的驱动下，广告的传播效果不断实现细分，经历了大众时代、分众时代，目前正在进入个众化传播的阶段。”^[21]这种“个众化”或者“微分化”的广告传播在本质上已经不同于传播效果的“魔弹论”式的广告轰炸，它在本质上更像是一种信息服务，一种在品牌过剩、产品过剩、营销过剩、广告过剩的语境下为消费者过滤出最符合他们需求的产品或信息的个性化推荐服务。

为了强调新时代异质化的个体之于传播本身的重要性，Hippel^[22]将用户创新（User Innovation）的概念引入了传播学的研究中来，当越来越多的个体用户借助于社交网络、即时通信工具、社会化媒体平台发布他们的个性化创意、需求或解决方案并主动参与到产品研发、品牌营销、内容生产、社区互动等传播环节中来的时候，用户创新就发生了。无论是媒体还是企业，如果想要组织并利用好这种用户创新为自己的业务服务，就必须在战略层面真正将其业务的出发点不折不扣地聚焦于关注其每一位异质化用户的个性化表达和个性化需求，同时在战术层面上应该“对用户的社交行为以及人们的行为方式在多大程度上取决于他们在自己的社交网络中的态度和行为这些事情更感兴趣”^[23]。进一步地，要实现这种战略和战术的转型，就必须建立起一套数据驱动和算法驱动的方法论工具、系统或平台。因为，当我们开始关注上百万甚至数以亿计的有差别的用户以及他们时时产生的非结构化数据的时候，仅仅依靠人力分析和计算来完成数据的采集、存储、挖掘、分析、建模和推论是不切实际的，从这个角度看计算传播学的发生和发展，不但是必要的，而且是必须的、必然的。

计算传播范式对于个体以及个性化需求的关注和强调并不意味着对大众的共性需求的无视，恰恰相反，它在利用数据思维和算法工具解决个性化需求的同时也很好地实现了优质内容的大众化、规模化覆盖，从而较好地满足了用户的共性需求。