我們不論這些混雜了生物技術(shù)的用戶洞察是否精準(zhǔn)，或許只是個(gè)營銷噱頭。但人工智能全面入侵的時(shí)代，總是需要了解一下，我們讓渡的每一寸隱私，如何構(gòu)成了龐然產(chǎn)業(yè)。

音樂軟件給你推薦莫扎特還是鳳凰傳奇，這事兒可能由你的基因決定。

聽上去有點(diǎn)不可思議，但就在9月，美國音樂流媒體軟件Spotify宣布和基因檢測、族譜查詢公司Ancestry合作，邀請用戶向Ancestry遞交唾液樣本獲得一個(gè)基因檢測結(jié)果，同時(shí)向Spotify開放數(shù)據(jù)讀取權(quán)限，為用戶定制一張個(gè)性化歌單。

Spotify生成的基于Ancestry檢測結(jié)果的個(gè)性化歌單

Spotify向來以“懂用戶”而受到年輕人的追捧，但之前是因?yàn)樗惴夹g(shù)過硬，當(dāng)生物技術(shù)也成為算法的一環(huán)，尤瓦爾·赫拉利在《今日簡史》中所描述的這一幕或許就不遠(yuǎn)了：

假設(shè)你剛和男友大吵一架，負(fù)責(zé)音響系統(tǒng)的算法就會立刻發(fā)現(xiàn)你內(nèi)心的情緒波動，并根據(jù)它對你個(gè)人以及對整體人類心理的了解，自動播放適合你的歌曲，與你的憂郁共鳴，附和你的悲傷。

它放的這些歌可能不適合其他人，但完全符合你的性格類型。算法先把你帶到悲傷的底層，然后放出全世界最可能讓你振作起來的那首歌，原因可能是這首歌在你的潛意識里與某個(gè)快樂的童年記憶緊密相連，而你可能根本毫無察覺。

——尤瓦爾·赫拉利《今日簡史》

事實(shí)上，除了Spotify的基因歌單，不少內(nèi)容產(chǎn)品也在嘗試通過各種途徑更了解我們一些?！睹咳针娪崍?bào)（The Telegraph）》通過神經(jīng)測試、皮膚點(diǎn)反應(yīng)、面部解讀、眼球運(yùn)動和解讀獲取用戶的閱讀反饋，并由生物技術(shù)第三方神經(jīng)洞察（Neuro-Insight）做進(jìn)一步解讀；今日美國（USA Today）、ESPN和《紐約時(shí)報(bào)（The New York Times）》也早就開始收集用戶的情緒數(shù)據(jù)以獲得更好的廣告表現(xiàn)；亞馬遜上周申請了專利，通過分析Alexa用戶的情緒做出相應(yīng)的反應(yīng)并推送合適的廣告。

暫且不論這些混雜了生物技術(shù)的用戶洞察是否精準(zhǔn)，或許只是個(gè)營銷噱頭。但人工智能全面入侵的時(shí)代，總是需要了解一下，我們讓渡的每一寸隱私，如何構(gòu)成了龐然產(chǎn)業(yè)。

Spotify：基因歌單

Spotify選擇了Ancestry作為合作伙伴。

比起基因檢測，Ancestry的優(yōu)勢或許更在于擁有北美最大的用戶族譜數(shù)據(jù)庫，比如：可以檢測到“愛爾蘭、蘇格蘭、法國、英國、威爾士和西北歐、歐洲德語區(qū)和芬蘭”是你血統(tǒng)的前五大來源，Spotify則據(jù)此生成一張歌單，里面有德國爵士組合演奏的現(xiàn)代流行、搖滾、嘻哈、R&B等風(fēng)格的音樂，以及一首瑞士民謠四重唱。

當(dāng)然，如果你的血統(tǒng)里，南歐和東南亞血統(tǒng)偏多，收到的歌單又是另一種感覺。

Ancestry基因族譜測試樣本（圖片來源：Ashley Reese）

這可能和某些文章提及的“用真實(shí)的DNA檢測音樂DNA”離得有點(diǎn)遠(yuǎn)。這張根據(jù)血統(tǒng)起源生成的歌單，你很難說它是高度精準(zhǔn)還是純屬巧合。這些年，“基因影響音樂品味”的研究始終沒有什么突破性進(jìn)展，大眾普遍認(rèn)為，審美更受到文化、教育等后天因素影響。

UCLA的人種音樂學(xué)、音樂學(xué)教授Timothy Taylor認(rèn)為：

人類的音樂選擇與文化、所處代際與文化地位關(guān)系密切，不由DNA來定。

Spotify的DNA歌單更像是幫助用戶擴(kuò)寬音樂涉獵，比如：Ashley Reese，她在The Muse的一篇文章里提到，作為一名黑人移民，她的血統(tǒng)結(jié)果自然以非洲為主，以往并不熟悉非洲音樂，被推薦后才發(fā)現(xiàn)，竟然，挺有意思。

Taylor教授也承認(rèn)：雖然這次跨界合作就像生成一份追溯血統(tǒng)DNA的紀(jì)念品，但它的確說明，這個(gè)世界上，一切事物都在“被生物化”。這些基因檢測方案正在被賦予更廣泛的意義，它包含了你的身份認(rèn)同、人種和歷史。

Spotify、亞馬遜Alexa、EPSN：你的情緒是一筆生意

朋友圈很流行一句話，沒有什么事情是一頓火鍋解決不了的，如果有，那就兩頓。當(dāng)然，火鍋可以等量代換為口紅等消費(fèi)品，簡而言之，心情難過的時(shí)候只有買買買才能治愈。但如果你的內(nèi)容產(chǎn)品監(jiān)測到你“難過”的瞬間，使勁給你推廣告呢？

Spotify在2015年推出了“情緒營銷”的概念——分析用戶的情緒幫助廣告主提高轉(zhuǎn)化率，你的收聽音樂、時(shí)間、地點(diǎn)等數(shù)據(jù)都隱藏了你的情緒，而這些情緒被賣給廣告商。你此刻或許正因?yàn)楣ぷ骰驉矍榘l(fā)愁，嘗試聽一首抒情音樂緩和心情，此時(shí)恰好彈出一個(gè)你種草已久的產(chǎn)品鏈接，你是買還是不買？

亞馬遜公司語音智能產(chǎn)品Alexa也在近期申請了專利：通過用戶發(fā)出口令的語氣判斷用戶的情緒，包括幸福、快樂、悲傷、難過、恐懼、厭惡、無聊和焦慮感。這些讀取的數(shù)據(jù)，除了可以讓Alexa做出更“對”的語音回復(fù)外，還會用于提高廣告送達(dá)的精準(zhǔn)度。如果Alexa辨識出你情緒里的憤怒感，它除了能回復(fù)你一條柔和的語音，可能還會問“親愛的，你需要一份雞肉湯的食譜嗎”。

Alexa

紙媒的做法也同樣如此，《紐約時(shí)報(bào)》、ESPN和今日美國都推出了相似的廣告產(chǎn)品，貼心地為身處不同情緒下的用戶推薦不同的產(chǎn)品。

今日美國在去年推出了廣告項(xiàng)目Lens Targering，試圖找到某篇報(bào)道引出的用戶情緒與廣告表現(xiàn)之間的聯(lián)系，在某個(gè)測試中，能激發(fā)情緒的內(nèi)容帶來的轉(zhuǎn)化率比相對的內(nèi)容搞出了25%，其內(nèi)容工作室Get Creative高級副總監(jiān)Kelly Anderson認(rèn)為，情緒曲線比普通數(shù)據(jù)的作用大得多。

體育媒體的表現(xiàn)更直接一些。ESPN通過收集用戶平時(shí)的閱讀習(xí)慣得知用戶的大致喜好，比如：喜歡哪只球隊(duì)，在這支球隊(duì)的贏球瞬間，支持者會收到更多廣告，如果輸球了則不會。ESPN全球數(shù)據(jù)部和廣告部高級副總裁Vikram Somaya美其名曰：在對的時(shí)間傳達(dá)對的信息。

這結(jié)果似乎和Spotify的廣告戰(zhàn)略有些出入，不是說好了心情不好才買買買嗎。

說到底，一切定向推薦還是算法對用戶行為的學(xué)習(xí)。所謂“用戶當(dāng)下的心情”，多數(shù)情況下還是猜測而已。情緒可能比單純的用戶行為更精準(zhǔn)，但目前的猜測精準(zhǔn)度高低還是依賴于產(chǎn)品的數(shù)據(jù)維度多少和量級大小。

至少我們暫時(shí)可以相信，這些情緒推薦的內(nèi)容產(chǎn)品還達(dá)不到尤瓦爾書中所提，用生物科技監(jiān)測用戶的生理反應(yīng)，獲取情緒數(shù)據(jù)。

《每日電訊報(bào)》：神經(jīng)反應(yīng)測試提升廣告表現(xiàn)

鑒于情緒數(shù)據(jù)獲取受限，《每日電訊報(bào)》試著用設(shè)備和技術(shù)直接獲取用戶的生理反應(yīng)，比如花上三個(gè)月找到志愿者進(jìn)行神經(jīng)測試、皮膚電反應(yīng)、面部表情解讀、眼球追蹤和解讀，后期交由第三方公司如神經(jīng)洞察公司做進(jìn)一步分析。這一切都是為了有更直接的生物測試數(shù)據(jù)，提升廣告表現(xiàn)。

比如標(biāo)致汽車網(wǎng)球挑戰(zhàn)賽的神經(jīng)測試中，50名受訪者依次觀看視頻，專業(yè)儀器會記錄下觀眾的腦電波變化情況，并在關(guān)鍵節(jié)點(diǎn)插入廣告。另一個(gè)實(shí)驗(yàn)則是測試用戶在觀看某些視頻時(shí)的皮膚電反應(yīng)，就是為了抓到那個(gè)微妙的“雞皮疙瘩”點(diǎn)。

標(biāo)致汽車網(wǎng)球挑戰(zhàn)賽視頻頁面

當(dāng)然，風(fēng)險(xiǎn)不是沒有的，在《每日電訊報(bào)》推進(jìn)這一大步之前，尚且沒有人做過這樣的生物測試。換言之，《每日電訊報(bào)》的生物計(jì)量不具備標(biāo)準(zhǔn)和參照物，在得到真正有價(jià)值的結(jié)果之前，媒體們可能會長時(shí)間處于觀望狀態(tài)。

此外，將第一手的海量數(shù)據(jù)交付第三方分析公司非常關(guān)鍵，如果他們無法獲得第一手?jǐn)?shù)據(jù)，所謂的神經(jīng)測試可能不過是個(gè)花拳繡腿。但與此同時(shí)，如何確保實(shí)驗(yàn)中能召集海量用戶和持續(xù)的投資？畢竟，數(shù)據(jù)的優(yōu)劣可能直接左右實(shí)驗(yàn)的結(jié)果。

當(dāng)生理反應(yīng)甚至基因都被用于機(jī)器學(xué)習(xí)，這事兒可能不太妙

單就噱頭最大的“Spotify+Ancestry”而言，這至少是一次成功的營銷活動。

所有的內(nèi)容產(chǎn)品都試圖通過學(xué)習(xí)用戶行為以推薦更多相似內(nèi)容時(shí)，勢必會導(dǎo)致內(nèi)容消費(fèi)范圍越來越窄。此時(shí)有產(chǎn)品，比如Spotify，用一個(gè)合情合理的理由說服用戶看看別的，比如別聽鳳凰傳奇去聽聽莫扎特，大概也是一件很有意思的事情。

盡管它暫時(shí)無法根據(jù)我們的基因定制個(gè)性化歌單，但也給我們提了個(gè)醒，人工智能發(fā)展越來越迅猛，未來有一天，基因或許也可能成為算法的一部分。

用戶的擔(dān)心是可以預(yù)料的，比如誰在搜集這些數(shù)據(jù)，情緒也好，基因也罷，是否存在被操縱的可能性？

最近的一個(gè)例子是讓Facebook名聲掃地的劍橋分析（Cambridge Analytica）公司，受特朗普聘用，CA非法對5000萬Facebook用戶進(jìn)行大數(shù)據(jù)分析，從而精準(zhǔn)刻畫他們的心理特征，并推送定制廣告，甚至假新聞。

而一旦算法上升到生物層面，我們的表情、聲音、生理反應(yīng)，甚至是我們自己都無法感知的基因序列，全部成為了機(jī)器學(xué)習(xí)的材料。

科技產(chǎn)品除了能影響我們的品味和消費(fèi)，更能影響我們的每一個(gè)人生選擇，比如：去哪里上學(xué)、做什么工作，甚至和誰做朋友，選誰當(dāng)戀人。

如尤瓦爾所言：

“一旦人工智能比我們自己更清楚該選擇哪個(gè)職業(yè)，甚至怎樣處理人際關(guān)系，我們對人性和生命的概念將不得不改變。”

科技公司門想方設(shè)法想要每天了解我多一點(diǎn)，以前是用戶行為，后來是情緒，現(xiàn)在是基因，未來呢？

用戶再也不會被某段音樂或某段文字突然打動?？梢韵胍姡磥淼母呱搅魉?，伯牙子期，也只是“確認(rèn)了算法，你遇見對的人”。

哪怕是人工智能的發(fā)展勢不可擋，即使我們當(dāng)下獲得的內(nèi)容、做出的決策都不自覺被AI了，但人類的樂趣或許還是來自于“主動的探索”。

李誕在最近一期《奇葩說》中分享了他對“是否要用機(jī)器檢測伴侶對我的喜歡程度”的看法：人類歷史上有兩種人，隨時(shí)摘果子獲取即時(shí)滿足的人，以及春播秋收獲取延遲滿足的人，哪怕是生產(chǎn)力滿足消費(fèi)能力，人類可以實(shí)現(xiàn)即時(shí)滿足之后，當(dāng)下就爽的即時(shí)滿足依然代替不了壓抑欲望、延遲滿足帶來的快樂。

換句話說，機(jī)器通過基因猜中用戶的喜怒哀樂，或許的確能滿足當(dāng)下的“爽”。但每個(gè)被猜中的瞬間，難免會感到沮喪吧。

參考資料：

• [1] 尤瓦爾·赫拉利. 今日簡史[M]. 北京.：中信出版社，2018
• [2]Spotify and Ancestry Can Use Your Real DNA to Tell Your “Musical DNA”：http://t.cn/Ezvz03Q
• [3] Content for Humans About the Content of Humans：http://t.cn/EzvzmGK
• [4] Spotify can tell if you’re sad. Here’s why that should scare you：http://t.cn/EzvZPaC
• [5] Alexa Wants to Know How You’re Feeling Today：http://t.cn/EzvZquE
• [6[ The Telegraph uses biometrics to boost branded content business：http://t.cn/EzvZKZY
• [7] Project Feels: How USA Today, ESPN and The New York Times are targeting ads to mood：http://t.cn/EzvZQRr

作者：顏椿穎，微信公眾號“新榜”（ID：newrankcn）

本文來源于人人都是產(chǎn)品經(jīng)理合作媒體@新榜，作者@顏椿穎

題圖來自 Pixabay，基于 CC0 協(xié)議