數字時代：電商社交媒體背後的演算法套路 - kdnuggets

True People Search網站調查 了全球11家最大的科技公司的隱私政策， 準確掌握這些公式對我們的瞭解，結果令人震驚。大型科技公司記錄的資料包括收入水平，政治和宗教觀點，信用卡資訊，您的日曆活動，所有搜尋歷史記錄和訪問過的網站以及您檢視或參與的所有內容。
Uber會 儲存來自其使用者的大量資料，包括他們的位置，性別，消費歷史記錄，聯絡人，電話電池電量，是否要從一晚看臺回家的路上， 即使他們沒有喝醉。優步 還對其駕駛員 進行了試驗，以確定最有效的策略，以使其儘可能長時間地行駛。
為了將適當的內容展示給正確的人，  Netflix會 記錄您曾經觀看的所有內容以及觀看方式：每次單擊，觀看，搜尋，播放，暫停，您考慮觀看但不選擇觀看的節目，以及當您最有可能重新播放節目時。為了更好地識別使用者的喜好，將內容分類為 數以萬計的微型流派，然後將其與使用者的觀看歷史記錄配對。 您在Netflix上看到的所有內容都是一個建議：行，行中的標題以及行中這些標題的順序都經過深思熟慮。
但是 亞馬遜 是一個將資料提升到全新水平的資料強國。它們 絕對捕獲了​​所有內容，包括您的產品搜尋，您所看但不買的東西，您接下來看的東西，付款方式，喜歡運輸的方式，與Alexa的互動或對Echo的要求。而且，令人震驚的是它們儲存的詳細程度：它們捕獲了您使用的裝置，選擇產品後隨後點選了多少項，您的位置以及Kindle裝置上每次點選的閱讀時間和確切的時間。 
對於亞馬遜而言，每一次滑鼠單擊以及其網站，應用程式和平臺的每一次曲折都是具有巨大價值的商品。
當亞馬遜說服第三方透過自己的市場出售商品時，資料收集激增，並使該公司看到了視線之外的東西：他們現在可以進入他們曾經想要的任何市場，並瞭解客戶在每個市場中的表現如何。
 

演算法套路
每天，您都會受到指導決策和選擇的演算法的影響。 演算法是一種 基於獲取輸入並執行一系列指定動作以得出結果的逐步解決問題或達到目標的方法。自從現代技術爆炸以來，它們已經擴充套件，變得更加複雜並在各處複製，在社交媒體平臺等地方起著核心作用。
幾種社交媒體和內容選擇演算法的目標是 最大化點選量。它們的設計目的是顯示或推薦可以增加使用者單擊它的可能性的內容，因為單擊可以為平臺帶來收入。
例如，點選型最佳化演算法可以更好地預測人們將要點選的內容，因此可以為他們提供準確的資訊，從而帶來更大的利潤。因此，一種最佳化結果的方法是向使用者提供他們喜歡的內容，而不在其舒適區域之外顯示任何內容。儘管這確實使他們的 興趣縮小了，但這並不是演算法試圖向您展示您喜歡的東西：他們試圖將您變成可預測的點選器，將您帶到 “可預測的點” 並使其公司更容易執行任何動作（例如，賣給您一些東西）。
公司已經發現，可以透過使用目標材料逐步修改或強調您的偏好來使用您自己的資料來做到這一點。這是先進的應用行為科學，或者正如Jeff Hammerbacher（Cloudera的創始人 ）所說：
“我們這一代最好的人正在考慮如何使人們點選廣告。糟透了。”
其背後的原因主要是經濟方面的。《 華爾街日報》（Wall Street Journal）的一項調查 發現，谷歌操縱搜尋演算法以將大型企業優先於小型企業，從而將搜尋使用者引導至知名度更高的企業而非知名度較低的企業。
機械化干預是保持內容流向利潤更高主題的一種理想方法，避免了不會產生參與度或利潤的材料。為了使科技公司成功，演算法必須專注於可盈利的活動，而這正是他們對我們的資料所做的。