Anti-Tech论 | 技术是如何一步一步腐蚀思想的?

简介:

  魔术师善于寻找盲点、感知上的脆弱点和限制点,才可以在人们没有意识的情况下达到魔术效果。

239

  产品经理好比魔术师,在争夺流量的比赛中,有意识或无意识地触及人们的心理弱点。

  他们是如何做到的?

  01操控选项

  虽然我们崇尚自主、自由地选择,但与其说自由,我们其实在从菜单项中选择。

  我们没有意识到菜单里的选项早已被操纵。魔术师亦如此,为人们提供自由选择的幻觉(经典魔术台词:从扑克牌中任意选一张),同时设计好菜单项给观众。

  当我们拿到菜单时,我们很少会问:

  有什么选项不在菜单上?

  为什么你们会提供这些选项?而不是其他选项呢?

  菜单供应商的目标时什么?

  这个菜单是否符合我的初始需求?还是说只是让我分心?

  这个场景你应该很熟悉

  (是小编本编了):

  周六晚上和朋友一起出去,见面后掏出手机打开高德/美团/大众点评以查找附近的酒吧,并浏览弹出来的菜单。你们仔细对比每家酒吧,比较哪家的鸡尾酒更好喝。

  这个菜单是否与你和朋友的原始愿望相关?

  你们觉得大众点评上的菜单相对完整。低头查看手机的时候,你看不见街对面的公园有乐队正在演奏现场音乐,你看不见街尽头有一家画廊正在展出名画,并供应甜点咖啡。因为这些没有出现在大众点评的菜单上。
234_jpeg

  app在我们生活中几乎每个领域提供的选择越多,我们就越肯定地认为他们能提供给我们最有用的选项,是吗?

  最受欢迎的app不代表最全面的选项。

  通过定制菜单,技术用新选择蒙蔽了我们内心的选择。如果我们越仔细关注这些选项,我们就会意识到那些选项并不符合我们的真实需求。

237

  02害怕错过

  你有1%的可能性错过重要信息,这是技术腐蚀思想的另一种方式。

  如果你正在追《延禧攻略》,你可能不自主地打开了爱奇艺的推送,生怕错过了每天按时播放的新集。

  “如果我错过了热点怎么办?我不知道同事们在聊啥怎么办?”这种焦虑让你随时都想刷微博。

  我们越紧张错过就愈加害怕:当我们取消某些app提醒时,我们一定会错过重要的信息。

  令人惊讶的是,一旦我们放下恐惧,我们就会从幻想中醒来。一天不带手机,取消订阅通知-我们曾担心的“错过”实际上没有发生。

  我们不会错过没看到的东西。

  03社会认同

  我们都渴求社会认同。归属感,认同感和崇拜感是人类赖以生存的基本动力。但现在,三者之一的认同感被科技公司牢牢掌控着。

  在微博上,想@的人可能不是有意识地@,而是微博自动建议功能,顺手选的一个。

  Facebook上,每当用户更新头像时,就会被安排长期靠前,任人评论或点赞。每当有人评论或点赞时,就会收到提醒,拉回相应界面。

  青少年群体比其他群体更易受到“不被认同”的影响。

  04礼尚往来

  我帮了你,你可别忘了啊?

  说好了互粉你却悄悄关注了别人。

  某些情况下,科技公司正在操纵我们正常体验应用程序的过程。

  LinkedIn是最典型的例子。LinkedIn利用了感知的不对称性。当你收到某人要求关注的邀请时,你会想象那个人是有意识地选择邀请;实际上,他们可能无意识地回应了LinkedIn的建议联系人列表。

  换句话说,LinkedIn将你的无意识冲动(“添加”一个人)转变为数百万人认为有义务偿还的社会义务。他们从人们花费的时间中获利。

  想象一下,数以百万计的人在这一天中被这样的“人情互关”打断,互相往来。所有这些都是由从中获利的公司设计的。

  这是社交媒体。

  05自动播放下一条

  “

  康奈尔大学BrianWansink教授在他的研究中发现:可以通过给人们一个无底的碗诱骗人们继续喝汤,这些碗在他们快喝完的时候会自动补充。有了无底碗,人们比拿正常碗的人多食用73%的卡路里。

  ”

  科技公司很聪明地利用相同的原则。

  新闻源专门设计为自动重新填充,以便让您滚动,并故意避开能让您暂停、重新考虑或离开的任何设计。

  这也是为什么像Netflix,YouTube或Facebook这样的视频和社交媒体网站在倒计时后自动播放下一个视频,而不是等待你做出有意识的选择(以防万一你停止浏览)。这些网站上的大部分流量都是通过“自动播放下一条”获得的。

  科技公司经常声称,“当我们为用户利益服务时,我们只是让用户更容易看到他们想要观看的视频”。你不能责怪他们,因为增加留存时长是他们竞争的筹码。

  06即时中断

  立即打断人们的消息比让异步发送的消息(如电子邮件或延迟的收件箱)更能说服人们做出响应。

  微信更愿意设计他们的消息系统以立即中断收件人(并显示聊天框),而不是帮助用户尊重彼此的注意力。

  提高紧迫感和社会互惠性也符合他们的利益。例如,Facebook会在您“看到”他们的消息时自动告诉发件人,而不是让您避免披露您是否阅读了该消息。此时便会产生互惠压力:“现在您知道我已经看过该消息,我觉得更有义务回复。”

  换句话说,中断对抓取注意力有利。

  问题是,以业务之名强化“中断”会造成公共悲剧,破坏全球注意力,每天造成数十亿次不必要的干扰。

  07利益导向

  抓取你访问app的理由,将之与app的商业缘由联系起来,最大化消耗用户的时间。

  例如,超市中最受欢迎的两个类别是零食和牛奶。但超市经理希望最大化人们购买的数量,因此他将零食和牛奶“藏”在商店后面。

  换句话说,杂货店使客户想要的东西(牛奶、零食)与超市想要的东西紧密关联。如果超市有心方便人们购物,他们会把最受欢迎的商品放在最显眼的位置。

  科技公司以同样的方式设计他们的网站。例如,当你想要查看今晚发生的Facebook事件时(你的理由),Facebook应用程序禁止你在没有首先登陆新闻源(他们的原因)的情况下访问它,Facebook是故意的。Facebook希望将您使用Facebook的每一个理由转化为他们所用。

  08别扭的选择

  科技公司总是很淡然地表示:

  “如果你不喜欢,你完全可以用不同的产品”

  “如果你不喜欢,你可以取关”

  “如果你太沉迷,你随时可以卸载我们的app”

  企业自然希望你做他们喜欢的事儿,不希望做他们不喜欢的事儿。魔术师做同样的事情:让观众更容易选择你想要他们选择的事物,并且更难选择你不喜欢的事物。

  例如,《纽约时报》允许您“自由选择”取消您的数字订阅。但是,当您点击“取消订阅”时,它们不会仅仅执行此操作,而是通过拨打仅在特定时间打开的电话号码取消帐户。
236

  手机重度用户也会发现:订阅容易取订难。一键订阅,二十键才能取消订阅。

  您是否对技术操控感到不安?想象一下,数以万计的产品经理每天都在努力创造新方法来吸引你。

  最终的自由是思想自由,我们需要技术来帮助我们自由地生活、感受、思考和行动。我们需要智能手机和网络浏览器作为我们的思想、价值观形成的外壳。人们的时间很宝贵。我们应该像隐私和其他数字版权一样保护它、珍惜它。

  ——前谷歌设计师TristanHarris

相关文章
|
1月前
ICLR 2024 Spotlight:组合生成逆向设计
【2月更文挑战第16天】ICLR 2024 Spotlight:组合生成逆向设计
13 2
ICLR 2024 Spotlight:组合生成逆向设计
|
11月前
|
机器学习/深度学习 编解码 监控
NWD-Based Model | 小目标检测新范式,抛弃IoU-Based暴力涨点(登顶SOTA)(一)
NWD-Based Model | 小目标检测新范式,抛弃IoU-Based暴力涨点(登顶SOTA)(一)
549 0
|
11月前
|
数据可视化 计算机视觉
NWD-Based Model | 小目标检测新范式,抛弃IoU-Based暴力涨点(登顶SOTA)(二)
NWD-Based Model | 小目标检测新范式,抛弃IoU-Based暴力涨点(登顶SOTA)(二)
479 0
|
11月前
|
机器学习/深度学习
CVPR2021 GAN详细解读 | AdaConv自适应卷积让你的GAN比AdaIN更看重细节(附论文下载)(二)
CVPR2021 GAN详细解读 | AdaConv自适应卷积让你的GAN比AdaIN更看重细节(附论文下载)(二)
77 0
|
11月前
|
机器学习/深度学习 编解码 计算机视觉
CVPR2021 GAN详细解读 | AdaConv自适应卷积让你的GAN比AdaIN更看重细节(附论文下载)(一)
CVPR2021 GAN详细解读 | AdaConv自适应卷积让你的GAN比AdaIN更看重细节(附论文下载)(一)
296 0
|
11月前
|
机器学习/深度学习 人工智能 监控
ECCV 2022|全场景图生成PSG:追求「最全面」的场景理解
ECCV 2022|全场景图生成PSG:追求「最全面」的场景理解
|
11月前
|
自动驾驶 数据挖掘 计算机视觉
CVPR2022 | 利用域自适应思想,北大、字节跳动提出新型弱监督物体定位框架
CVPR2022 | 利用域自适应思想,北大、字节跳动提出新型弱监督物体定位框架
129 0
|
11月前
|
机器学习/深度学习 编解码 人工智能
即插即用系列|Make FCN Great Again: 全局感受野助力全卷积神经网络涅槃重生!
即插即用系列|Make FCN Great Again: 全局感受野助力全卷积神经网络涅槃重生!
118 0
|
传感器 存储 编解码
Loam算法详解(配合开源代码aloam)
Loam算法详解(配合开源代码aloam)
482 0
Loam算法详解(配合开源代码aloam)
|
算法 决策智能
运筹优化学习08:Repairing MIP infeasibility through local branching
运筹优化学习08:Repairing MIP infeasibility through local branching
运筹优化学习08:Repairing MIP infeasibility through local branching