平台算法基本概念和主要类型

平台算法，是指互联网平台企业在日常运营中，以平台为载体，与消费者、平台内经营者进行交易等交互过程中所主动执行的算法。例如，按照与消费者输入查询的相关性，对海量商品进行搜索和排序的算法。

平台算法作为人工智能技术和平台经济相结合的产物，在我国经济活动中的重要性、影响力、控制力日趋凸显。作为计算机语言在互联网平台的实际应用，平台算法具有通用性、有效性、有穷性、黑箱性的特征。通用性是指对同一类型的问题可重复使用，即只要符合输入数据类型的任意数据均可依据平台算法求出解；有效性是指平台算法的有限指令中每一条均可被人或被机器执行；有穷性是指平台算法的步骤或指令条数是有限的；黑箱性是指消费者、平台内经营者不清楚算法的目标和意图，无法理解和解释其内在逻辑或决策机制。

二、与用户相关的平台算法主要类型

众多平台算法中，与用户相关度较高的主要包括三类：搜索算法、用户画像算法和个性化推荐算法。

一是搜索算法。是一种在海量信息中寻找最符合消费者查询需求的特定结果的算法。例如，美国谷歌（Google）平台的PageRank算法能依据网页的链接数量与质量来判定该网页的重要性，并按重要程度排列网页予以显示，以PageRank为基础的搜索算法被广泛应用于各大互联网平台企业。竞价排名算法是目前平台搜索算法的典型代表。作为一种按效果付费的网络推广方式，用户通过注册一定数量的关键词，按照“付费高、排名靠前”的基本指导原则，其推广信息会率先出现在消费者相应的搜索结果中。

二是用户画像算法。是一种在虚拟空间对消费者进行建模和分析的算法，手段是从消费者产生的各种数据中收集、抽取、挖掘和归纳不同属性上的标签，如年龄、性别、职业、收入、兴趣等。用户画像算法被互联网平台企业所广泛应用和关注，主要场景包括精准广告营销、商品效率优化、定制化服务等。用户画像算法可以判断用户偏好、用户粘度、价格敏感度等，完备且准确的属性标签将有力地揭示消费者的本质特征，帮助互联网平台企业更好地的进行业务决策以及商品设计，进而更好地服务消费者。

三是个性化推荐算法。是一种信息过滤算法，手段是预测消费者对商品和服务的评分和偏好，旨在帮助消费者更加方便、精准地获取信息，提升用户粘性。如果两位消费者购物习惯相近、购买商品相似，其中一位消费者购买某新商品时，平台向另外一位消费者也推荐该商品；某消费者经常购买某品牌的某类商品，则该品牌上新时，平台向该消费者重点推荐该品牌的新品。抖音平台的个性化推荐算法位列《麻省理工科技评论》评出的2021年全球“十大突破性技术”之中，不仅能为用户推荐感兴趣的视频内容，还能帮助他们拓展与其有交集的新领域，极大助力用户粘性的提高。