追随引导者：解耦在线音乐消费中的人与算法策展

推荐系统在平台内容消费多样性中的角色是一个备受争议的问题。定量研究的前沿常忽视个体对引导态度的存在，以及最终在此方面不同类别的用户。聚焦音乐流媒体案例，我们分析约 9k 用户一年内的完整收听历史，并证明对于推荐使用与消费多样性的交织不存在一概而论的答案：它取决于用户。首先，我们为每个用户计算其收听历史中不同访问模式的相对重要性，引入区分所谓“自然”使用与算法和编辑引导的三分法。由此我们识别出四类用户。然后我们关注与内容多样性相关的两个尺度，既在离散度——用户重复消费相同内容的程度——也在流行度——他们所消费内容的流行程度。我们表明，音乐平台提供的两类推荐——算法与编辑——可能以相反方向驱动更多或更少多样性内容的消费，也强烈依赖于用户类型。最后，我们将用户的流媒体历史与同期精选法国流行电台的音乐节目进行比较。尽管广播节目通常比用户收听历史更偏向重复，它们常编排更多来自不太流行艺术家的歌曲。总体而言，我们的结果凸显了平台中介推荐对消费的非平凡效应，并使我们谈及“过滤利基”而非“过滤气泡”。它们暗示了推荐系统研究与设计的进一步分支。