【明報專訊】在過去10年，平台化商業模式在中國數字化經濟中日益突顯。這些平台利用用戶數據分析來策劃個人化內容、推薦和服務。雖然推動了重大創新和生意的成長，但也同時引發了有關私隱、公平和社會影響的重要議題。
行動互聯網的快速普及和人工智能的進步，也進一步推動了平台經濟。阿里巴巴、騰訊和字節跳動等中國主要科技平台的推薦系統和定向廣告，為消費者行為產生了不少影響，特別是信息過濾和消費市場選擇的社會影響也帶來不少擔憂。
拼多多成立於2015年，是結合社群分享與遊戲化來提升使用者參與度的電子商務平台。其算法分析用戶瀏覽和購買數據，以呈現高度個人化的產品推薦，實現轉換率顯著高於行業平均水平。
TikTok/抖音為字節跳動營運的短視訊平台，在中國取得了驚人的客戶數量成長速度，部分原因在於其先進的推薦引擎。透過追蹤使用者互動和對內容偏好行為做建模，該算法能够提供高度有吸引力的個人化資訊流推送，使用戶平均每天在應用程式上停留將近一小時。
中國社交媒體和消費品推廣平台從技術層面上，算法依靠於以下兩種：
A） 自然語言處理（NLP）：平台通常使用NLP技術來理解項目的文本內容、用戶生成的評論和搜尋查詢。這使他們能夠更好地對內容做分類並將其與用戶興趣作匹配，從而提供更相關的推薦，比如微信和聊天App。
B） 電腦視覺（Computer Graphics and Vision）：平台可以利用電腦視覺來分析項目的視覺內容，例如圖像和影片。這有助於理解視覺內容的上下文和相關性，然後可用於提供更個人化的推薦，例如淘寶、京東、視頻號等。
而使用的主要算法一般以內容、互動和個人化推薦系統為主，平台通常會結合多種算法模型：
‧內容過濾（Content-Based Filtering）：
根據項目內容（例如貼文、產品資訊、關鍵字、圖像、影片等）與用戶過往的偏好和互動的相似性來分析，並將其與用戶的興趣和行為相匹配，比如小紅書等內容為主的推送平台。
‧ 協同過濾（Collaborative Filtering）：
算法利用集體相似度來識別具有共同興趣和偏好的用戶，並推薦和引發用戶的互動或參與，代表有拼多多。
下期會再介紹混合方法及強化學習這兩種算法模型。
香港大學中國商業學院營銷管理學科主任ICB
（本網發表的文章若提出批評，旨在指出相關制度、政策或措施存在錯誤或缺點，目的是促使矯正或消除這些錯誤或缺點，循合法途徑予以改善，絕無意圖煽動他人對政府或其他社群產生憎恨、不滿或敵意。）
