我们就会读到算法认为对我们有用的信
Posted: Tue Feb 11, 2025 7:02 am
另一方面，作家萨菲亚·诺布尔在她的《压迫算法》一书中展示并批评了搜索引擎在强化刻板印象方面发挥的重要作用。
在所有这些内容中，作者谈到了谷歌的种族主义历史。在一个简短的例子中，她展示了当你输入“职业发型”时出现的结果，这些结果与白人直发女性有关，而“非职业发型”则与非洲裔或黑人女性有关。
来源：时代周刊
在最近的研究中，使用在海量互联网文本语料库上训练 比利时电话号码列表 的词嵌入，表示“人”概念的词语（例如“某人”或“人类”）更可能与“男人”而不是“女人”一起出现 - 这表明社会中个体普遍表现出男性默认偏见。
无意识偏见和营销决策
正如我之前所说，偏见无处不在。包括我们的营销方法。甚至一些专家也承认偏见会让我们成为糟糕的营销人员。这证明了我们的思想会对我们不利，并导致转化失败。
然而，有些公司正在努力对抗这种普遍的误解，并且确实从中获得了良好的收益。
举个简单的例子。根据 Facebook 的数据，在巴西，至少 85% 来自汽车零部件行业的广告只以男性为主角。为了给广告带来更多多样性，巴西的 Jeep 决定展示女性和男性在新车中享受冒险的画面。
该活动确实取得了良好的效果，在展示两种性别的广告中，品牌回忆率提高了 28 个百分点。
Novo Jeep Renegade - Seu Instinto é Jeep
Pinterest 采取了另一项很好的举措，其算法力求为其搜索带来更多多样性。谷歌本身也承认了词语的力量，并发布了一款包容性语言工具，旨在排除一些性别焦点术语。例如，当你输入“警察”时，引擎会建议输入“警官”。
尽管在之前的案例中，我们谈论的是社交媒体和更多的人为决策。当谈到 SERP 时，我们还有其他因素，例如人工智能和算法。
令人悲哀的是，数据和技术也可能带有种族歧视。这听起来可能很矛盾，因为两者都应该是客观而精确的科学。
然而，我们要记住，数据和技术都是人类构建的，即使在构建人工智能时，它们也容易受到自身偏见的影响。
正如《搜索引擎杂志》的作者卡罗琳·莱登所说：“算法和机器学习的效果完全取决于我们向这些模型提供的信息”。
幸运的是，作为营销人员，我们有能力改变自己的想法，发现我们的偏见并采取行动。如果我们发现自己的偏见，我们就能察觉到某些事情只是一种刻板印象，并不代表现实。
如何减少偏见
对抗算法并不容易，尽管谷歌已经尝试减少 SERP 中的偏见，但距离我们拥有无偏见的技术还有很长的路要走。
但我们可以做一两件事来改善它——毕竟，我们是为这些算法提供内容的人。请查看以下主要提示：
首先，从自己开始
让我们明确一点：有偏见并不会让我们成为坏人，但我们应该更加致力于认识到我们的偏见。下次你发现自己对某人有刻板印象时，想想“我为什么会这样想”，或者“这是真的吗？”
请记住，没有人可以被归结为一个刻板的形象。每个人都有细微的差别、个性特征和不同的背景。
在所有这些内容中，作者谈到了谷歌的种族主义历史。在一个简短的例子中，她展示了当你输入“职业发型”时出现的结果，这些结果与白人直发女性有关，而“非职业发型”则与非洲裔或黑人女性有关。
来源：时代周刊
在最近的研究中，使用在海量互联网文本语料库上训练 比利时电话号码列表 的词嵌入，表示“人”概念的词语（例如“某人”或“人类”）更可能与“男人”而不是“女人”一起出现 - 这表明社会中个体普遍表现出男性默认偏见。
无意识偏见和营销决策
正如我之前所说，偏见无处不在。包括我们的营销方法。甚至一些专家也承认偏见会让我们成为糟糕的营销人员。这证明了我们的思想会对我们不利，并导致转化失败。
然而，有些公司正在努力对抗这种普遍的误解，并且确实从中获得了良好的收益。
举个简单的例子。根据 Facebook 的数据，在巴西，至少 85% 来自汽车零部件行业的广告只以男性为主角。为了给广告带来更多多样性，巴西的 Jeep 决定展示女性和男性在新车中享受冒险的画面。
该活动确实取得了良好的效果，在展示两种性别的广告中，品牌回忆率提高了 28 个百分点。
Novo Jeep Renegade - Seu Instinto é Jeep
Pinterest 采取了另一项很好的举措，其算法力求为其搜索带来更多多样性。谷歌本身也承认了词语的力量，并发布了一款包容性语言工具，旨在排除一些性别焦点术语。例如，当你输入“警察”时，引擎会建议输入“警官”。
尽管在之前的案例中，我们谈论的是社交媒体和更多的人为决策。当谈到 SERP 时，我们还有其他因素，例如人工智能和算法。
令人悲哀的是，数据和技术也可能带有种族歧视。这听起来可能很矛盾，因为两者都应该是客观而精确的科学。
然而，我们要记住，数据和技术都是人类构建的，即使在构建人工智能时，它们也容易受到自身偏见的影响。
正如《搜索引擎杂志》的作者卡罗琳·莱登所说：“算法和机器学习的效果完全取决于我们向这些模型提供的信息”。
幸运的是，作为营销人员，我们有能力改变自己的想法，发现我们的偏见并采取行动。如果我们发现自己的偏见，我们就能察觉到某些事情只是一种刻板印象，并不代表现实。
如何减少偏见
对抗算法并不容易，尽管谷歌已经尝试减少 SERP 中的偏见，但距离我们拥有无偏见的技术还有很长的路要走。
但我们可以做一两件事来改善它——毕竟，我们是为这些算法提供内容的人。请查看以下主要提示：
首先，从自己开始
让我们明确一点：有偏见并不会让我们成为坏人，但我们应该更加致力于认识到我们的偏见。下次你发现自己对某人有刻板印象时，想想“我为什么会这样想”，或者“这是真的吗？”
请记住，没有人可以被归结为一个刻板的形象。每个人都有细微的差别、个性特征和不同的背景。