理解用户需求的挑战：偏好不一致与参与度优化

在线平台拥有海量数据，运行无数实验并使用工业级算法来优化用户体验。尽管如此，许多用户似乎对他们在这些平台上花费的时间感到后悔。一种可能的解释是激励错位：平台并未以用户幸福为优化目标。我们认为问题更为深层，超越任何特定平台的具体激励，而是源于一个错误的基础假设：为了理解用户想要什么，平台关注用户做了什么。然而研究已表明，且个人经验也证实，我们常在当下做出与真正想要的不一致的抉择。在这项工作中，我们建立了一个用户具有不一致偏好的媒体消费模型。我们考虑一个仅想最大化用户效用、但仅能观测用户参与度的平台。我们展示了用户偏好不一致的模型如何产生日常经验中熟悉却难以用传统用户交互模型捕捉的现象。我们模型的一个关键要素是关于平台决定展示给用户内容的公式：它们在一组由内容底层特征参数化的潜在内容（内容流形）上进行优化。提升参与度是否能改善用户福祉取决于内容流形中的移动方向：对于某些变化方向，增加参与度会使用户更不快乐，而在其他方向则使用户更快乐。我们刻画了那些增加参与度却未能提升用户效用的内容流形的结构。通过将这类效应与平台设计选择的抽象相联系，我们的模型由此创建了一个理论框架与词汇，用以探索设计、行为科学与社交媒体之间的交互。