摘要：近年来，随着我国数字经济的快速发展，电商平台已成为居民消费的主要渠道，算法推荐技术作为电商平台精准运营的核心手段，被广泛应用于商品推送、内容分发等各个环节。当前，消费者在算法推荐的精准“投喂”下，频繁出现冲动下单、过度消费、盲目跟风等非理性消费行为，不仅损害消费者自身权益，也影响电商行业的健康可持续发展。作为我国电商行业的标杆企业——阿里巴巴集团（以下简称阿里巴巴），其算法推荐体系成熟、用户基数庞大，非理性消费现象具有典型代表性。本文以阿里巴巴为案例，初探算法推荐对消费者非理性消费的影响机制，为规范电商算法应用、引导消费者理性消费提供实践参考。

关键词：算法推荐；电商平台；非理性消费；阿里巴巴

中图分类号：F724.6；F713.55

一、研究背景

（一）算法推荐技术的发展与应用

算法推荐是基于大数据分析、人工智能等技术，通过收集用户浏览记录、搜索关键词、下单历史、停留时长等行为数据，构建用户画像，进而向用户精准推送符合其兴趣偏好的商品、内容或服务的技术手段。算法推荐中的核心技术包括协同过滤算法、内容推荐算法、深度学习推荐算法等，其中协同过滤算法侧重分析用户与商品的关联关系，内容推荐算法聚焦商品本身的属性特征，深度学习推荐算法则通过多层神经网络模拟用户消费决策逻辑，实现更精准的推送效果。

算法推荐技术最早起源于20世纪90年代的美国，亚马逊率先将其应用于商品推荐场景，大幅提升了商品转化率。2015年以来，我国电商行业进入算法驱动发展阶段，随着大数据、人工智能技术的不断成熟，淘宝、京东、拼多多等主流电商平台纷纷加大算法研发投入，构建专属的算法推荐体系。[1]经过近十年的发展，算法推荐已成为电商平台的核心竞争力，不仅能够降低用户搜索成本、提升购物效率，还能帮助商家精准触达目标客户，提升营销效果。

在算法推荐技术正式广泛应用于我国电商行业之前，研究方向主要集中在用户行为分析、电商营销模式等方面。我国算法推荐技术起步虽晚，但发展速度迅猛，一方面得益于数字经济的快速发展和用户消费需求的多元化，另一方面也因为其“精准匹配”“高效分发”“个性化服务”等特点，符合我国电商行业高质量发展的要求，成为推动电商行业转型升级的重要动力。

（二）电商消费场景下的非理性消费现状

2023年，我国电子商务交易额达48.8万亿元，同比增长6.4%，其中网络零售额达15.7万亿元，占社会消费品零售总额的比重达27.6%，电商消费已成为拉动我国消费增长的重要力量。[2]2024年3月，商务部发布《关于促进网络消费高质量发展的意见》，明确提出要规范电商平台算法应用，引导平台经营者依法合规开展个性化推荐，防范非理性消费行为。2025年底，国家发展改革委、市场监管总局等部门联合发布《互联网平台价格行为规则》，将于2026年4月施行，明确要求平台打破算法“黑箱”，对动态定价进行透明化标注，严禁在消费者不知情的情况下利用算法设置差异化价格。

聚焦电商消费场景，中国消费者协会发布的《2023年网络消费维权报告》显示，我国消费者在电商平台的非理性消费行为发生率达38.7%，其中冲动消费占比52.3%、过度消费占比27.6%、盲目跟风消费占比20.1%。2023年，我国电商平台用户因非理性消费产生的浪费金额超过2000亿元，其中60%以上的非理性消费行为与算法推荐直接相关。2024年1月，中国电子商务协会发布《电商平台算法推荐行为规范》，明确了算法推荐的基本原则、行为边界和监管要求，为规范算法推荐行为、引导理性消费提供了重要指导。

随着算法推荐技术的深度应用，电商消费场景已从传统的“需求导向型”向“兴趣激发型”转变，消费者的消费决策逐渐从主动搜索转向被动接受推荐。在算法的精准推送和场景渲染下，消费者容易被情绪驱动，出现“不需要却购买”“买了用不上”等非理性消费现象，不仅造成个人财产浪费，还可能引发消费纠纷，影响电商行业的口碑和可持续发展。在此背景下，阿里巴巴作为我国电商行业的龙头企业，其算法推荐体系涵盖淘宝、天猫等多个平台，用户覆盖全国各个地区，其算法推荐对消费者非理性消费的影响具有典型性和代表性。阿里巴巴通过不断优化算法推荐技术，在提升用户体验和商家效益的同时，也面临着非理性消费引发的用户投诉等问题，其相关实践为研究算法推荐与非理性消费的关系提供了重要样本。

二、理论基础

（一）有限理性理论

1978年，赫伯特·西蒙在《管理决策的新科学》中首次提出有限理性理论，该理论认为，人类的理性是有限的，并非完全理性，消费者在进行消费决策时，会受到信息获取能力、认知水平、时间成本等多种因素的限制，无法实现“效用最大化”，只能追求“满意化”决策。

有限理性理论包括认知有限性、信息有限性、时间有限性三个核心特征。认知有限性指消费者的认知能力是有限的，无法全面掌握所有商品信息和消费知识，容易受到外界因素的干扰；信息有限性指消费者获取的商品信息是不完整、不对称的，商家往往会隐藏商品的负面信息，导致消费者做出不理性决策；时间有限性指消费者在进行消费决策时，往往没有足够的时间进行全面分析和比较，容易做出冲动性决策。在算法推荐场景下，有限理性理论的作用更加明显，算法通过精准推送和信息筛选，进一步限制了消费者的信息获取范围，强化了消费者的认知偏差，从而推动非理性消费行为的发生。[3]

（二）双系统理论

丹尼尔·卡尼曼在《思考，快与慢》中提出双系统理论，该理论将人类的决策过程分为两个系统，即系统1和系统2。系统1是快速、直觉、情绪化的，主要依靠本能和经验做出决策，反应速度快，不需要过多的认知努力；系统2是缓慢、审慎、分析性的，主要依靠理性分析和逻辑推理做出决策，反应速度慢，需要投入大量的认知努力。

在电商消费场景中，算法推荐通过营造沉浸式消费场景、推送个性化内容，能够快速激活消费者的系统1，抑制系统2的启动，使消费者在情绪驱动下做出非理性决策。例如，电商平台的直播带货、限时折扣、秒杀等场景，通过算法精准推送至目标用户，结合主播的情绪渲染和氛围营造，能够快速激发消费者的购买冲动，使消费者在没有充分分析的情况下下单，形成非理性消费行为。双系统理论为解释算法推荐对消费者非理性消费的影响机制提供了重要的理论支撑，明确了算法推荐通过影响消费者的决策系统，进而引发非理性消费行为。

三、案例分析

（一）公司简介

阿里巴巴成立于1999年2月28日，总部位于浙江杭州，是我国领先的电子商务平台运营商，业务涵盖零售电商、企业服务、云计算、数字媒体等多个领域。旗下拥有淘宝、天猫、支付宝、阿里云等核心业务板块，其中淘宝、天猫是我国用户规模最大、影响力最广的零售电商平台。2014年9月19日，阿里巴巴在美国纽约证券交易所挂牌上市；2019年11月26日，阿里巴巴在香港联交所主板挂牌上市。

截至2023年12月31日，阿里巴巴旗下电商平台年度活跃用户达10.8亿，覆盖全球200多个国家和地区；平台入驻商家超过1300万家，涵盖各类商品品类。阿里巴巴的算法推荐体系始建于2015年，经过多年的研发和优化，已形成涵盖用户画像构建、商品匹配、内容推送、场景渲染等多个环节的完整体系，算法推荐技术广泛应用于商品搜索、首页推荐、直播推送、优惠券发放等各个场景，成为平台运营的核心支撑。

（二）算法推荐组织结构分析

阿里巴巴设立技术委员会和算法治理委员会，共同负责算法推荐战略的制定、政策的审核以及风险的管控。2023年，阿里巴巴进一步完善算法推荐治理架构，明确各层级职责分工，新设算法伦理小组和用户权益保护小组，加强对算法推荐行为的规范和监督，确保算法推荐符合法律法规要求和社会公序良俗。

（三）算法推荐规章制度分析

阿里巴巴先后制定了《阿里巴巴算法推荐行为规范》《用户数据保护管理办法》《算法伦理准则》等一系列规章制度，明确了算法推荐的基本原则、操作规范和风险管控要求。开展算法风险防控项目，修订了《算法风险管理制度》，将算法歧视、过度推送、信息误导等风险纳入平台整体风险管理体系，提升算法推荐的规范化水平。

更新了《阿里巴巴商家营销行为规范》，要求商家配合算法推荐的合规性要求，不得提供虚假信息、虚假宣传，不得利用算法推荐进行不正当竞争；同时，加强对商家算法营销行为的监督，对违规商家进行处罚。阿里巴巴将用户隐私保护、信息真实性、推送合理性等作为算法推荐的核心要求，不断完善算法治理体系，推动算法推荐技术的合规、健康应用。

（四）算法推荐模式与非理性消费关联分析

阿里巴巴的算法推荐主要分为四种模式，分别是个性化商品推荐、场景化内容推荐、社交化互动推荐和动态化优惠推荐，不同模式对消费者非理性消费的影响机制存在差异，但均通过激活消费者的情绪、限制消费者的理性判断，推动非理性消费行为的发生。

在个性化商品推荐方面，阿里巴巴通过分析用户的浏览记录、下单历史、搜索关键词等数据，构建精准的用户画像，向用户推送符合其兴趣偏好的商品，使消费者在没有明确购买需求的情况下，被商品吸引，进而产生购买冲动。在场景化内容推荐方面，通过短视频、直播等形式，营造沉浸式消费场景，结合商品的使用场景展示和情绪渲染，激发消费者的购买欲望，例如，淘宝直播通过算法推送至目标用户，主播通过现场演示、限时折扣等方式，引导消费者冲动下单。

在社交化互动推荐方面，结合用户的社交关系、好友推荐等数据，推送好友购买过的商品或热门商品，利用消费者的从众心理，引导消费者盲目跟风消费。在动态化优惠推荐方面，当用户点开商品停留超过30秒或加入购物车未付款时，后台算法会判定其为“高潜力转化用户”，通过延迟推送优惠券制造价格差，利用“捡便宜”心理促使其下单。阿里巴巴在算法推荐的应用过程中，通过多模式结合，进一步强化了对消费者非理性消费的推动作用，具体数据见表1。

数据来源于阿里巴巴《2023年度算法治理报告》。

四、算法推荐对消费者非理性消费的影响效应

（一）冲动消费效应

算法推荐通过精准推送和场景渲染，能够快速激发消费者的购买冲动，形成冲动消费效应。阿里巴巴的个性化推荐算法能够根据用户的实时行为数据，及时推送符合用户兴趣的商品，例如，用户浏览某款服装后，算法会立即推送相关款式、搭配商品，结合限时折扣、秒杀等营销活动，使消费者在情绪驱动下，没有充分考虑商品的实用性和自身需求，就做出下单决策。

2023年，阿里巴巴平台上的冲动消费订单占比达35.7%，其中80%以上的冲动消费订单来自算法推荐。例如，一款原价79元的自拍杆，算法会根据用户的浏览行为，时而推送8.5折优惠，时而推送10元优惠券，通过价格波动制造诱惑，促使消费者冲动下单。阿里巴巴通过优化算法推荐的时效性和精准度，进一步提升了冲动消费的发生率，同时也导致部分消费者出现“买后后悔”的情况，2023年平台上因冲动消费产生的退货订单占比达27.3%（见表2）。

数据来源于阿里巴巴《2023年度算法治理报告》。

此外，2023年阿里巴巴进一步优化了算法推荐的场景渲染能力，通过短视频、直播等形式，增强商品的视觉冲击力和情绪感染力，进一步激发消费者的购买冲动。同时，平台也开始关注冲动消费带来的用户体验问题，推出了“冷静期”功能，允许消费者在下单后一定时间内取消订单，减少冲动消费带来的损失。

（二）过度消费效应

算法推荐通过持续推送相关商品、营造“优惠稀缺”氛围，能够引导消费者超出自身需求进行消费，形成过度消费效应。阿里巴巴的算法推荐会根据用户的购买历史，持续推送同类商品或相关商品，例如，用户购买一款手机后，算法会持续推送手机壳、耳机、充电器等配件，结合“满减优惠”“捆绑销售”等活动，引导消费者购买不需要的商品，导致过度消费。

阿里巴巴通过算法分析用户的消费能力和支付意愿，向高消费能力用户推送高端商品、奢侈品，向普通用户推送性价比高的商品，但同时也通过“凑单满减”“限时抢购”等方式，引导消费者为了享受优惠而购买多余的商品。2023年，阿里巴巴平台上的过度消费订单占比达22.8%，其中65%以上的过度消费订单与算法推荐的优惠活动相关。例如，某火锅店双人套餐原价59.9元，算法会根据用户的浏览行为，逐步推送优惠券，最终给出33.54元的低价，诱惑消费者下单，即使消费者不需要该套餐，也会因为价格优惠而购买（见表3）。

数据来源于阿里巴巴《2023年度算法治理报告》。

（三）盲目跟风消费效应

算法推荐通过推送热门商品、好友购买记录等信息，利用消费者的从众心理，引导消费者盲目跟风消费，形成盲目跟风消费效应。阿里巴巴的算法推荐会根据商品的销量、好评率等数据，推送热门商品，同时结合社交互动数据，推送好友购买过的商品，使消费者在“大家都在买”“好友推荐”的心理影响下，盲目购买商品，而不考虑自身的实际需求。

2023年，阿里巴巴平台上的盲目跟风消费订单占比达16.5%，其中70%以上的盲目跟风消费订单来自算法推荐的热门商品推送。例如，某款网红零食通过算法推荐成为热门商品，销量短期内大幅增长，许多消费者在算法推送的影响下，盲目购买该零食，即使自身不喜欢该口味，也会因为“热门”而下单。阿里巴巴通过算法推荐的社交化功能，进一步强化了从众心理对消费者的影响，同时也导致部分热门商品出现“虚假火爆”的情况，影响消费者的决策判断（见表4）。

数据来源于阿里巴巴《2023年度算法治理报告》。

此外，阿里巴巴的算法推荐还会通过“好评刷屏”“销量造假”等违规行为，营造商品热门的假象，引导消费者盲目跟风消费，这种行为不仅损害消费者的权益，也影响平台的公信力。2023年，阿里巴巴开展了算法推荐违规行为专项整治，查处了一批虚假宣传、销量造假的商家，规范了算法推荐行为。

五、算法推荐治理的国内外评价

（一）国内评价分析

自2023年6月，阿里巴巴荣获中国信通院“算法治理A级认证”，以综合得分8.23（合规性得分4.32；用户权益保护得分3.91）位列国内电商平台算法治理第一名。由表5可得：阿里巴巴在算法推荐合规性、用户权益保护等方面均处于行业领先地位，其算法治理实践具有一定的示范意义，但在非理性消费引导方面仍有提升空间。

数据截至2024年6月。

资料来源：中国信通院官网。

（二）国外评价分析

选取具有权威性的国际算法治理评级机构——全球数字治理研究院（Global Digital Governance Institute，GDGI）进行评价，在该机构的评级中，阿里巴巴和亚马逊均获得了AAA级评级，成为全球算法治理表现优秀的电商平台（见表6）。

数据截至2024年6月。

资料来源：全球数字治理研究院（GDGI）官网。

在GDGI电商平台算法治理评级体系中（见表7），合规性占比35%，用户权益保护占比35%，社会责任占比30%。在合规性议题中，GDGI主要关注算法透明度、数据安全、反垄断等内容；在用户权益保护议题中，主要关注隐私保护、非理性消费引导、投诉处理等内容；在社会责任议题中，主要关注算法公平性、社会公益、可持续消费等内容。

数据截至2024年6月。

资料来源：全球数字治理研究院（GDGI）官网。

阿里巴巴在GDGI各议题的具体评价结果见表8。

数据截至2024年6月。

资料来源：全球数字治理研究院（GDGI）官网。

根据GDGI评价，阿里巴巴获得了最高等级的AAA评分结果，但在非理性消费引导、算法透明度等方面逊色于亚马逊，仍有提升空间。对比国内外评价结果可以发现，阿里巴巴在国内外评级中均位居前列，京东、拼多多等国内平台的国外评级低于国内评级，亚马逊、eBay等国外平台的国内外评级基本一致。这反映出国内外算法治理评价标准存在差异性，国内评价更注重合规性和用户权益保护的基础层面，国外评价更注重算法伦理、社会责任等深层层面，不同评价体系的结果一致性较低，影响了算法治理评价结果的适用性。

六、研究结论和建议

（一）研究结论

以有限理性理论、双系统理论等为坚实理论基础的算法推荐技术，在推动电商行业高质量发展的同时，也对消费者的消费行为产生了显著影响。算法推荐通过精准匹配兴趣、营造消费场景、利用从众心理等方式，激活消费者的情绪决策系统，抑制理性决策系统，进而引发冲动消费、过度消费、盲目跟风消费等非理性消费行为。

阿里巴巴作为我国电商行业的龙头企业，其算法推荐体系成熟、应用广泛，其算法推荐对消费者非理性消费的影响具有典型性。研究发现，阿里巴巴的个性化商品推荐、场景化内容推荐、社交化互动推荐和动态化优惠推荐四种模式，均能不同程度地推动消费者非理性消费，其中个性化商品推荐和场景化内容推荐的影响最为显著。同时，阿里巴巴在算法治理方面处于行业领先地位，但在非理性消费引导、算法透明度等方面仍存在不足。

算法推荐对消费者非理性消费的影响是一把“双刃剑”，一方面能够提升电商平台的运营效率和商家的营销效果，降低用户的搜索成本；另一方面也会损害消费者的合法权益，造成资源浪费，影响电商行业的健康可持续发展。随着数字经济的不断发展和算法技术的持续迭代，算法推荐对消费者消费行为的影响将更加深远，规范算法推荐应用、引导消费者理性消费已成为亟待解决的重要问题。

（二）建议

1. 构建我国电商平台算法推荐治理框架和体系

算法推荐技术起源于欧美发达国家，欧美已相继出台了算法治理的相关框架和体系，这些框架体系进入我国时间较晚，但可以充分借鉴其先进经验，结合我国电商行业的实际情况和消费者的消费特点，尽快出台并规范我国电商平台算法推荐治理框架和体系。明确算法推荐的基本原则、行为边界、监管要求，划分平台、商家、监管部门的责任，形成“政府监管、平台自律、商家合规、消费者监督”的多元治理格局。

2. 规范算法推荐行为，强化非理性消费引导

电商平台应加强算法自律，优化算法推荐模型，减少对消费者非理性消费的推动。一方面，提高算法透明度，向消费者明确告知算法推荐的原理、数据来源和推送逻辑，保障消费者的知情权和选择权；另一方面，完善非理性消费引导机制，推出“冷静期”“消费提醒”等功能，在消费者出现冲动消费、过度消费倾向时，及时进行提醒，引导消费者理性决策。同时，加强对商家算法营销行为的监督，严禁商家利用算法进行虚假宣传、价格欺诈、诱导消费等违规行为。

3. 建立我国电商算法治理评价基准，逐步与国际标准并轨

由于国内外算法治理评价指标不统一，导致评价结果存在较大差异，且国外评价机构的评价指标和权重未必适合我国电商行业的发展状况。因此，需要构建我国电商算法治理评价基准，明确评价指标、评价权重和评价方法，重点关注算法合规性、用户权益保护、非理性消费引导等核心内容。积极培育我国本土的算法治理评级机构，提高其评级质量和权威性，鼓励本土评级机构与国外权威机构开展合作与交流，逐步实现国内外算法治理评价结果互认，推动我国电商算法治理与国际标准并轨。

算法推荐与消费者消费行为密切相关，规范算法推荐应用、引导消费者理性消费，不仅能够保护消费者的合法权益，还能推动电商行业的健康可持续发展。随着我国数字经济的不断发展和算法治理体系的不断完善，相信算法推荐技术将逐步走向合规化、理性化，实现平台、商家与消费者的三方共赢。阿里巴巴等电商龙头企业应发挥示范引领作用，不断优化算法治理实践，为我国电商行业算法推荐治理提供更多宝贵经验。