新技術應用和大數據的快速發展，使得個性化服務成為可能，然而個性化服務在提供便利，滿足用戶需求的同時，也容易引發“信息繭房”效應，帶來負面影響。

　　“信息繭房”這一概念最早是由哈佛大學教授桑斯坦提出的，他認為，互聯網為公眾提供了“資訊汪洋”，但人們接觸信息并不是全盤接收，而是根據個人喜好有選擇性地吸收。通俗來說，就是“信息偏食”，看自己想看的，聽自己想聽的。久而久之，“回音室效應”之下，公眾會將自身桎梏于蠶繭般的“繭房”中。

　　個性化搜索一定會帶來“信息繭房”嗎?我們一起來看新浪新聞新媒體實驗室、新榜研究院聯合發布的《以Facebook和Google為例的國外信息繭房案例研究》報告結果。

　　一、Google的個性化搜索：千人千面

　　在Google瀏覽器中，不同用戶輸入相同的搜索詞，會得到完全不同的搜索結果。這種個性化服務不僅體現在網頁搜索上，還體現在新聞和視頻信息搜索中，用戶在使用新聞和視頻搜索時，其結果同樣存在明顯的個性化差異。

　　2018年，谷歌競爭對手DuckDuckGo的一項研究顯示，同一用戶在私密瀏覽模式(退出Google賬戶)下的搜索結果與正常模式下的搜索結果大致相同，這在一定程度上說明，“信息繭房”依舊在起效，私密瀏覽和注銷不會顯著減弱“信息繭房”。

　　“個性化搜索”是在Google PageRank算法的基礎上改進，并按照用戶需求排列搜索結果的一種搜索方式。通過個性化搜索，用戶可以獲得與自身相關程度較高的搜索結果。隨著搜索次數的累計，用戶將得到越來越個性化的搜索結果，但是Google的個性化搜索也可能增強用戶的偏見，這是造成“信息繭房”的原因之一。

　　二、Google搜索通過個性化服務造成信息繭房

　　要想弄清楚Google搜索是如何進行個性化推薦，并造成信息繭房的，我們就要從其算法開始說起。Google搜索最開始采用的是PageRank算法，這是用來標識網頁的等級/重要性的一種方法，它是基于網站之間的相互投票，就是我們常說的網站之間互相指向。簡單來說，就是如果判斷一個網站是高質量站點時，那么該網站應該是被很多高質量的網站引用又或者是該網站引用了大量的高質量權威的站點。

　　2013年，Google瀏覽器在PageRank算法的基礎上推出了個性化搜索。用戶所得到的搜索結果不再只是基于傳統的排名因素，還受到用戶位置、搜索歷史記錄、谷歌賬號、使用設備等個性化因素影響，從而得到一份適合自己的個性化搜索結果。

　　以搜索歷史記錄為例，Google會記住每個用戶的瀏覽歷史記錄、搜索歷史記錄和點擊次數，為用戶創建個性化資料，然后根據用戶的興趣展示不同的搜索結果。我們以搜索“kafka”為例，當我們初次在Google瀏覽器里搜索“kafka”時，瀏覽器并不知道我們想要搜索的是小說家，還是數據軟件服務商，所以它會盡可能展示出不同的搜索結果，供用戶選擇。當我們點擊小說家“kafka”相關鏈接，并多次重復后，Google瀏覽器就會記住我們的偏好，默認我們搜索的是小說家“kafka”。當我們再次搜索時，Google瀏覽器就會直接展示小說家卡夫卡相關的信息，因為它已經記住了我們的閱讀偏好了。

　　三、針對“信息繭房”Google已采取措施

　　“信息繭房”會帶來個人認知窄化、族群極化、虛假信息泛濫等結果，因此針對“信息繭房”進行管理和優化顯得十分重要。用戶數量眾多且調整難度大，打破“信息繭房”的嘗試就集中在信息供給側——媒體與平臺，尤其集中于平臺算法機制方面，平臺算法的優化。

　　針對信息繭房，Google采取了一些措施，比如，Google不斷優化搜索算法以及管理措施而免于批評。在重大事件發生時，Google首先推薦經人工審核編輯過的權威信息，還用明確的數據來指導優化其算法。此外，Google和YouTube雖都在Alphabet旗下，但是兩者算法獨立，由完全分開的兩個團隊來創建和運營。

　　四、算法推薦必然導致“信息繭房”效應嗎

　　算法推薦必然導致“信息繭房”效應嗎?北京師范大學新聞傳播學院的喻國明教授認為，算法不是“信息繭房”形成的必要條件，也不在“繭房”生成后起到增效作用。“信息繭房”本質是用戶選擇機制中的一種“偏食”行為，它是個體、社會、場景與技術等因素共同作用的結果。

　　喻國明教授還強調我們當前正處于一個從對人的信任過渡到對機器信任、對算法信任的過程;隨著算法與人的深度融合，可信任算法將在“信息繭房”的消解上發揮重要功能。