中文标题：算法如何限制消费者体验
英文标题：How Algorithms Constrain Consumer Experience
作者：Ashok Kumar Kaliyamurthy & Hope Jensen Schau
期刊：Journal of Consumer Research
发表时间：2025年（Advance Access）
文献来源：Kumar K A , Jensen S H .How Algorithms Constrain Consumer Experience[J].Journal of Consumer Research[2026-01-18].DOI:10.1093/jcr/ucaf016.
一、摘要
本文基于对健身追踪应用的长期民族志研究，提出“算法针孔（algorithmic pinhole）”这一核心概念，用以描述算法在交互过程中对现实的选择性过滤机制，即选择部分现实被识别、展示与正当化，其余则被忽略或否定。然而，作者指出，算法通过决定哪些信息是可被读取的、如何被展示以及哪些行为被视为“正当”，在根本上限制了消费者体验的形成方式。消费者并非被动接受这些限制，而是通过认知、实践、关系和情感层面的多重“适应性劳动”来应对算法带来的不匹配与误表征，而这些劳动本身也深刻重塑了消费者的认知、功能、社会与情感体验。
二、研究背景
随着可穿戴设备、智能应用和算法推荐系统的普及，算法已经从后台计算工具转变为直接介入消费者生活实践的关键中介。既有消费者研究更多关注算法带来的效率提升、个性化体验或隐私风险，却较少从体验过程本身出发，探讨算法如何通过其信息处理逻辑重构消费者对自我、行为与社会关系的感知。尤其是在高度数据化的场景中，算法并非简单反映现实，而是以技术标准重新定义“什么才算是有意义的行为”。这一转变使得消费者体验开始受到算法结构性约束，但这一问题在现有文献中尚未得到系统揭示。
三、理论基础
研究立足于信息技术研究中关于“技术构成性（constitutive property of IT）”的理论传统，认为算法并非中立媒介，而是通过限制输入与输出的方式主动塑造社会现实。在此基础上，作者提出“算法针孔”概念，指出算法在交互中通过三种逻辑发挥作用：其一是可读性，即算法决定哪些行为、身体特征或情境信息能够被识别为有效输入；其二是可视性，即算法如何、在何种条件下向用户或他人呈现这些被识别的信息；其三是合法性，即算法输出所隐含的规范判断，界定哪些行为被视为合理、成功或值得追求。这三种逻辑共同构成了算法对消费者体验的结构性限制。
四、研究缺口
作者指出，消费者体验研究长期存在两个不足：一是将算法视为背景变量，忽视其作为“体验塑造者”的主动角色；二是过度强调消费者的情绪反应，却忽略了消费者为适应技术系统所付出的持续性努力。事实上，当算法无法准确识别或公平呈现消费者行为时，消费者往往需要自行解释、修正或弥补这些偏差。这类“为了让系统运转而进行的劳动”在既有研究中鲜少被纳入体验分析框架，而这正是本文试图填补的关键空白。
五、研究问题
基于上述理论与缺口，本文核心关注两个问题：算法通过何种具体机制限制消费者体验，以及这些机制如何在不同体验维度上产生连锁影响。研究并不止步于揭示算法“做了什么”，而是进一步追问消费者如何在日常使用中应对这些限制，以及这种应对本身如何重塑体验质量。
六、研究设计
研究采用多方法民族志设计，围绕健身追踪应用展开长期深入观察。作者在2018至2023年间持续使用相关产品，结合参与式观察、半结构访谈、线上社区文本分析以及媒体资料分析，对算法与消费者互动的微观过程进行细致刻画。多源数据的交叉验证，使研究能够同时捕捉算法运作逻辑与消费者主观体验之间的张力，为理论建构提供了坚实的经验基础。
七、主要发现
研究发现，算法通过“可读性—可视性—合法性”三重逻辑构成一种类似“针孔相机”的过滤机制，只允许部分现实进入系统视野。面对这种限制，消费者并非完全服从，而是发展出一系列适应性策略，包括理解算法规则的认知劳动、调整行为以迎合算法的实践劳动、修复因算法误表征而受损社会关系的关系劳动，以及应对羞辱、挫败或被否认感受的情感劳动。然而，这些劳动并非免费的，它们往往削弱了消费者原本应获得的功能价值、社会认可与情感满足，从而在更深层次上重塑了消费者体验。
八、研究结论
本文表明，算法在消费者体验中的作用并非单向赋能，而是伴随着结构性约束与不平等后果。消费者体验不只是“感受到什么”，更包含了为使体验成立而必须付出的隐性成本。忽视这些成本，会导致企业和研究者系统性低估算法对消费者生活的影响。理解算法如何限制体验，以及消费者如何为此付出劳动，是重新思考“以消费者为中心”设计理念的关键前提。
九、研究贡献
（一）理论贡献
1.本研究提出“算法针孔”这一概念，将信息技术的构成性属性系统引入消费者体验研究，拓展了以情感反应为主导的理论视角。
2.文章将“消费者劳动”纳入算法体验分析框架，揭示了体验形成过程中被长期忽视的认知、实践与情感成本。
3.研究深化了我们对算法如何在微观层面重塑社会规范与价值判断的理解。
（二）实践贡献
1.研究提醒企业在算法设计中关注“谁被看见、谁被忽略”，并通过提升透明度与包容性降低消费者的适应成本。
2.对平台治理而言，识别并减少算法误表征带来的社会与情感伤害，是实现负责任AI的重要方向。
十、总结
这项研究告诉我们，算法并非只是让体验“更高效”的幕后力量，它们同样在悄然规定什么样的体验才算是“被认可的体验”。当我们谈论智能产品带来的便利时，也应同时看见消费者为适应这些系统所付出的努力。真正以人为本的智能体验，或许不是让算法更强大，而是让它们少一点对现实的“挤压”。
资料来源：中国智能管理研究院微信公众号