摘要：随着数字经济的深度发展和互联网技术的广泛普及，算法推荐已成为居民获取消费信息、选择消费产品的核心渠道。在居民收入水平稳步提升、消费需求不断升级的背景下，算法推荐通过精准匹配用户需求与消费供给，深刻改变着居民的消费决策模式，进而影响消费偏好的形成与消费结构的优化升级。本研究基于居民消费行为视角，以问卷调查和数据统计分析为主，结合前人相关研究成果，在剖析当前算法推荐应用现状、居民消费偏好与消费结构特征的基础上，探讨算法推荐对居民消费偏好与消费结构的具体影响，分析影响算法推荐作用效果的关键因素，并提出针对性优化建议，以期为引导居民理性消费、推动消费市场高质量发展提供有益借鉴。

关键词：算法推荐；居民消费偏好；消费结构；消费决策

中图分类号：F713.55；F126.1

随着数字技术的快速迭代，算法推荐技术已广泛应用于电商、短视频、生活服务等各类消费场景，从个性化商品推送、定制化服务推荐到消费趋势引导，算法推荐全方位渗透到居民消费的各个环节。当前，我国居民消费已从生存型消费向发展型、享受型消费转型，消费需求呈现出个性化、多元化、品质化的特征，而算法推荐凭借其数据处理、精准匹配的优势，能够快速捕捉居民消费需求，降低居民消费决策成本，同时也可能通过信息茧房、诱导消费等方式，对居民消费偏好和消费结构产生双重影响。关于算法推荐与居民消费的相关研究，目前已形成精准营销、消费行为干预、信息传播等相关理论，为本次研究提供了坚实的理论支撑。当前，算法推荐的应用场景不断拓展、技术不断升级，居民的消费行为也随之发生深刻变化，消费偏好的个性化特征更加突出，消费结构的升级速度不断加快。因此，从居民消费行为视角出发，系统研究算法推荐对居民消费偏好与消费结构的影响，明确其作用机制和影响路径，对于规范算法推荐应用、引导居民理性消费、优化消费结构、推动消费市场健康发展具有重要的理论价值和现实意义。

一、算法推荐应用现状及居民消费基本特征调研

为深入分析算法推荐对居民消费偏好与消费结构的影响，本研究采用问卷调查与线上数据统计相结合的研究方法，在东部、中部、西部随机各选取3个城市，每个城市随机发放调查问卷300份，共发放900份，回收有效问卷856份，有效回收率为95.1%；同时，收集各城市电商平台、生活服务平台的算法推荐相关数据及居民消费数据，结合问卷调查结果进行综合分析，具体调研结果如下。

（一）算法推荐应用现状

当前，算法推荐已成为居民日常消费的重要辅助手段，不同年龄段、不同消费层次的居民均有接触算法推荐的经历。从调研结果来看，82.3%的受访者表示经常接触算法推荐，其中67.5%的受访者表示算法推荐会影响自己的消费决策，28.7%的受访者表示算法推荐是自己选择消费产品或服务的主要参考依据。从应用场景来看，算法推荐的应用集中在电商购物（78.9%）、短视频带货（65.2%）、生活服务推荐（如餐饮、住宿，53.7%）、内容消费（如书籍、影音，42.1%）等领域；从推荐形式来看，个性化商品推送、相似产品推荐、热门消费榜单、好友推荐等是算法推荐的主要形式，其中个性化商品推送的接受度最高，占受访者的71.4%。

从算法推荐的使用频率来看，35岁以下的年轻群体使用频率最高，其中18-25岁群体日均接触算法推荐的时间达到2.5小时，26-35岁群体日均接触时间为1.8小时；36-50岁的中年群体日均接触时间为1.2小时，50岁以上的老年群体日均接触时间仅为0.5小时。从对算法推荐的信任度来看，45.3%的受访者表示“比较信任”，认为算法推荐能够满足自己的消费需求；32.7%的受访者表示“持中立态度”，认为算法推荐既有帮助也有误导；22.0%的受访者表示“不太信任”，认为算法推荐存在过度营销、信息不实等问题。

（二）居民消费基本特征

结合问卷调查和数据统计结果，当前居民消费呈现出明显的个性化、多元化、品质化特征，具体表现为以下三个方面：一是消费偏好差异化显著，不同年龄段、不同收入水平的居民消费偏好差异较大，年轻群体更注重个性化、潮流化、体验感，中年群体更注重品质、实用性和性价比，老年群体更注重便捷性、安全性和经济性；二是消费结构不断升级，生存型消费（食品、衣着等）占比持续下降，发展型消费（教育、医疗、健身等）和享受型消费（旅游、娱乐、高端商品等）占比不断提升，调研数据显示，生存型消费占比已降至38.2%，发展型和享受型消费占比合计达到61.8%；三是消费渠道线上线下融合，线上消费成为主要消费方式之一，80.5%的受访者表示有线上消费习惯，其中47.8%的受访者线上消费占比超过总消费的50%，同时线下消费仍占据重要地位，主要集中在体验式消费、即时性消费等领域。

二、算法推荐对居民消费偏好的影响分析

算法推荐通过精准捕捉居民消费数据、分析消费习惯，对居民消费偏好的形成、强化和转变产生深刻影响，这种影响既存在积极作用，也存在消极影响，具体表现如下。

（一）积极影响：引导消费偏好聚焦，满足个性化需求

算法推荐的核心优势的是精准匹配，通过收集居民的浏览记录、搜索历史、消费记录等数据，分析居民的消费习惯、兴趣爱好和需求倾向，进而推送符合居民偏好的产品或服务，引导居民消费偏好聚焦，同时满足不同居民的个性化消费需求。

1.  强化固有消费偏好，提升消费满意度

算法推荐能够根据居民的历史消费数据，持续推送符合居民固有偏好的产品或服务，不断强化居民的消费习惯，让居民在消费过程中能够快速找到符合自身需求的商品，降低消费决策成本，提升消费满意度。调研结果显示，68.9%的受访者表示，算法推荐推送的商品“符合自己的喜好”，73.2%的受访者表示，算法推荐能够帮助自己“节省挑选商品的时间”。例如，喜欢健身的居民，算法会持续推送健身器材、运动服饰、健身课程等相关产品；注重护肤的居民，算法会推送适合其肤质的护肤品、美妆产品等，这种精准推送能够强化居民的固有消费偏好，让居民在熟悉的消费领域获得更好的消费体验。

（1）从数据来看，经常接受算法推荐的受访者中，76.5%表示会重复购买算法推荐的同类商品，其中48.3%表示“重复购买的频率明显提升”，说明算法推荐能够有效强化居民的固有消费偏好，促进居民在熟悉领域的持续消费。

（2）从消费体验来看，81.7%的受访者表示，算法推荐推送的商品“符合自己的预期”，能够减少因挑选不当导致的消费后悔，提升消费的愉悦感和满意度，进一步巩固居民的固有消费偏好。

2.  挖掘潜在消费偏好，拓展消费需求

算法推荐不仅能够强化居民的固有消费偏好，还能通过大数据分析，挖掘居民潜在的消费需求，引导居民形成新的消费偏好，拓展消费领域。例如，居民原本仅关注基础的服装消费，算法通过分析其浏览记录和消费习惯，发现其对时尚搭配有潜在需求，进而推送时尚搭配教程、配饰等相关产品，引导居民关注配饰消费，形成新的消费偏好；又如，居民原本仅消费日常食品，算法通过分析其消费数据，推送健康养生食品，引导居民关注健康消费，形成新的消费偏好。

调研数据显示，57.8%的受访者表示，算法推荐“让自己发现了新的消费需求”，49.3%的受访者表示，因算法推荐“尝试了原本不会购买的商品或服务”，其中32.1%的受访者表示，这种尝试让自己形成了新的消费偏好，拓展了消费领域。

（二）消极影响：引发信息茧房，加剧消费偏好固化

算法推荐在精准匹配的同时，也容易形成信息茧房，即算法持续向居民推送符合其固有偏好的信息和产品，导致居民的消费视野受限，消费偏好逐渐固化，甚至出现非理性消费倾向。

1.  限制消费视野，固化消费偏好

算法推荐的核心逻辑是“投其所好”，持续向居民推送其熟悉、偏好的产品或服务，导致居民难以接触到其他类型的消费信息，消费视野被局限在固定的领域，进而加剧消费偏好的固化。例如，偏好低价商品的居民，算法会持续推送低价商品，使其难以接触到中高端商品，进而固化其“追求低价”的消费偏好；偏好某一品牌的居民，算法会持续推送该品牌的商品，使其难以了解其他品牌的优势，进而固化其对该品牌的消费偏好。

调研结果显示，42.7%的受访者表示，算法推荐“让自己的消费选择变得单一”，38.9%的受访者表示，“很少通过算法推荐接触到新的消费领域”，29.5%的受访者表示，“长期接受算法推荐后，消费偏好变得更加固定，不再愿意尝试新的商品或服务”。这种消费偏好的固化，不仅会限制居民的消费选择，还会影响居民消费需求的多元化发展。

2.  诱导非理性消费，扭曲消费偏好

部分算法推荐存在过度营销、虚假宣传等问题，通过夸大产品功效、制造消费焦虑、推送诱导性信息等方式，引导居民进行非理性消费，扭曲居民的消费偏好。例如，算法通过推送“限时秒杀”“限量抢购”等信息，制造消费紧迫感，诱导居民冲动消费；通过推送“网红同款”“明星推荐”等信息，引导居民盲目跟风消费，忽视自身的实际需求；部分算法还会推送质量不佳、价格虚高的商品，误导居民消费，进而扭曲居民的消费偏好。

调研数据显示，37.2%的受访者表示，曾因算法推荐“冲动购买过不需要的商品”，28.6%的受访者表示，算法推荐的部分商品“与宣传不符，存在虚假宣传”，25.8%的受访者表示，“长期接受算法推荐后，消费变得更加盲目，忽视了自身的实际需求”。

三、算法推荐对居民消费结构的影响分析

消费结构是居民各类消费支出在总消费支出中的比重，算法推荐通过影响居民的消费偏好和消费决策，进而对居民的消费结构产生重要影响，推动消费结构的优化升级，同时也可能带来一些不合理的变化，具体分析如下。

（一）积极影响：推动消费结构优化，促进消费升级

算法推荐通过精准匹配居民的消费需求，引导居民从生存型消费向发展型、享受型消费转型，推动消费结构的优化升级，具体体现在以下两个方面。

1.  降低发展型、享受型消费的决策成本，提升其消费占比

发展型消费（教育、医疗、健身等）和享受型消费（旅游、娱乐、高端商品等）的决策过程相对复杂，居民往往需要花费大量时间收集信息、对比选择，而算法推荐能够通过精准推送相关产品和服务，降低居民的决策成本，引导居民增加发展型、享受型消费的支出，提升其在总消费支出中的比重。

调研数据显示，接受算法推荐的受访者中，发展型消费占比平均为27.3%，享受型消费占比平均为34.5%，均高于未接受算法推荐的受访者（发展型消费占比21.8%，享受型消费占比28.7%）；其中，62.8%的受访者表示，算法推荐“帮助自己快速找到符合需求的教育、健身、旅游等服务”，58.3%的受访者表示，因算法推荐“增加了发展型、享受型消费的支出”。例如，算法通过推送个性化的教育课程、健身方案、旅游路线等，引导居民关注发展型、享受型消费，增加相关支出，推动消费结构升级。

2.  促进消费多元化，优化消费结构布局

算法推荐能够挖掘居民的潜在消费需求，引导居民尝试新的消费领域，促进消费多元化发展，进而优化消费结构布局。例如，算法通过推送小众品牌、特色商品、个性化服务等，引导居民关注小众消费领域，丰富消费品类；通过推送绿色、环保、低碳的产品，引导居民树立绿色消费理念，增加绿色消费支出，优化消费结构。

调研结果显示，53.7%的受访者表示，算法推荐“让自己接触到了更多小众消费品类”，47.2%的受访者表示，因算法推荐“增加了绿色消费、个性化消费的支出”；从消费结构来看，绿色消费、个性化消费的占比逐年提升，其中绿色消费占比已达到18.9%，个性化消费占比达到22.3%，消费结构的多元化特征更加明显。

（二）消极影响：导致消费结构失衡，加剧非理性消费

算法推荐在推动消费结构优化的同时，也可能因信息茧房、诱导消费等问题，导致居民消费结构失衡，加剧非理性消费，具体表现如下。

1.  部分消费领域过度消费，导致消费结构失衡

算法推荐的精准推送和诱导性宣传，可能导致居民在某些消费领域过度消费，而在其他消费领域支出不足，进而导致消费结构失衡。例如，算法持续向年轻群体推送美妆、服饰、游戏等娱乐性消费产品，引导年轻群体增加此类消费支出，而忽视教育、医疗等发展型消费的支出；部分算法向居民推送奢侈品、高端商品等，诱导居民盲目追求高端消费，导致高端消费支出占比过高，而日常刚需消费支出相对不足。

调研数据显示，28.9%的年轻受访者表示，“美妆、服饰、游戏等娱乐性消费支出占比超过总消费的50%”，而教育、医疗等发展型消费支出占比不足20%；19.7%的受访者表示，曾因算法推荐“过度购买奢侈品、高端商品”，导致日常消费支出受到影响，消费结构出现失衡。

2.  低端消费与高端消费差距扩大，加剧消费分化

算法推荐会根据居民的消费能力和消费习惯，推送不同档次的产品和服务，导致高收入群体和低收入群体的消费差距进一步扩大，加剧消费分化，进而影响消费结构的整体合理性。例如，高收入群体能够接触到算法推送的高端商品、高端服务，消费结构向高端化、品质化转型；而低收入群体主要接触到算法推送的低价商品、低端服务，消费结构难以升级，导致低端消费与高端消费的差距不断扩大。

调研结果显示，高收入受访者的发展型、享受型消费占比达到72.3%，而低收入受访者的发展型、享受型消费占比仅为41.8%；高收入受访者通过算法推荐购买高端商品的比例为67.5%，而低收入受访者仅为12.3%，消费分化现象较为明显。

四、影响算法推荐作用效果的关键因素分析

算法推荐对居民消费偏好与消费结构的影响，并非单一由算法技术本身决定，还受到居民个体特征、算法推荐规范程度、平台监管力度等多种因素的影响，具体关键因素如下。

（一）居民个体特征

居民的年龄、收入水平、受教育程度、消费观念等个体特征，直接影响其对算法推荐的接受度和使用频率，进而影响算法推荐对其消费偏好与消费结构的作用效果。

1.  年龄因素：年轻群体对算法推荐的接受度高，受影响程度大；老年群体对算法推荐的接受度低，受影响程度小。调研数据显示，18-35岁群体中，78.3%表示“会根据算法推荐调整消费决策”，而50岁以上群体中，仅21.7%表示“会根据算法推荐调整消费决策”。年轻群体更善于接受新事物，依赖互联网获取消费信息，算法推荐对其消费偏好的引导和消费结构的影响更为明显；而老年群体消费观念相对保守，更倾向于传统的消费方式，对算法推荐的信任度较低，受其影响较小。

2.  收入水平：高收入群体消费能力强，更注重消费品质和个性化，算法推荐对其消费偏好的挖掘和消费结构的升级作用更为明显；低收入群体消费能力有限，更注重消费性价比，算法推荐对其消费决策的影响主要集中在低价商品推送，对消费结构升级的推动作用较弱。

3.  受教育程度：受教育程度较高的居民，信息辨别能力强，能够理性看待算法推荐的信息，不易被诱导消费，算法推荐对其消费偏好和消费结构的消极影响较小；受教育程度较低的居民，信息辨别能力较弱，容易被算法推荐的诱导性信息误导，非理性消费倾向更明显，算法推荐对其消费偏好和消费结构的消极影响较大。

（二）算法推荐规范程度

算法推荐的规范程度，包括推荐算法的透明度、公正性、合规性等，直接影响算法推荐的作用效果。规范的算法推荐能够精准匹配居民消费需求，推动消费偏好优化和消费结构升级；而不规范的算法推荐，如虚假宣传、过度营销、信息泄露、算法歧视等，会误导居民消费，扭曲消费偏好，导致消费结构失衡。

调研数据显示，68.3%的受访者表示，“希望算法推荐更加透明，明确推荐逻辑”；57.9%的受访者表示，“曾遇到过算法推荐的虚假宣传、过度营销问题”；42.8%的受访者表示，“担心算法推荐泄露个人消费信息”。算法推荐的不规范，不仅会影响居民的消费体验，还会加剧算法推荐对居民消费偏好和消费结构的消极影响。

（三）平台监管力度

平台作为算法推荐的应用主体，其监管力度直接影响算法推荐的规范应用，进而影响算法推荐对居民消费偏好与消费结构的作用效果。平台监管到位，能够规范算法推荐行为，遏制虚假宣传、过度营销等问题，引导算法推荐向精准化、合规化方向发展，充分发挥其积极作用；平台监管缺位，会导致算法推荐乱象丛生，加剧其对居民消费的消极影响。

当前，部分平台为追求流量和收益，忽视算法推荐的规范性，过度推送诱导性信息、虚假信息，导致居民非理性消费增加，消费结构失衡。调研结果显示，53.2%的受访者表示，“平台对算法推荐的监管不够严格”；47.6%的受访者表示，“希望平台加强对算法推荐的监管，规范推荐行为”。

五、优化算法推荐应用、引导居民理性消费的建议

基于算法推荐对居民消费偏好与消费结构的双重影响，结合影响算法推荐作用效果的关键因素，为优化算法推荐应用、引导居民理性消费、推动消费结构优化升级，提出以下针对性建议。

（一）规范算法推荐行为，提升推荐质量

1.  提升算法推荐的透明度和公正性，明确推荐逻辑，向居民公开算法推荐的核心原理和数据来源，保障居民的知情权和选择权，避免算法歧视和信息茧房。例如，平台可在算法推荐页面添加“推荐原因”说明，让居民了解推荐的依据，同时提供“不感兴趣”“屏蔽此类推荐”等功能，让居民能够自主调整推荐内容，拓宽消费视野。

2.  加强算法推荐的合规性管理，遏制虚假宣传、过度营销、信息泄露等问题，严格审核推荐内容，确保推荐的产品和服务信息真实、准确、合规，避免误导居民消费。平台应建立算法推荐审核机制，对推送的信息进行严格把关，对虚假宣传、过度营销的行为进行处罚，保障居民的合法权益。

3.  优化算法推荐模型，兼顾精准性和多元化，在推送符合居民固有偏好的产品和服务的同时，适当推送不同类型、不同领域的消费信息，引导居民接触新的消费领域，避免消费偏好固化，促进消费多元化发展。

（二）强化平台监管责任，规范平台行为

1.  明确平台的监管责任，建立健全算法推荐监管体系，加强对算法推荐技术、推荐内容、数据安全的监管，定期开展算法推荐合规检查，及时发现和整改存在的问题，确保算法推荐规范应用。

2.  引导平台树立正确的经营理念，摒弃“流量至上”的经营导向，注重居民消费体验和消费权益，平衡商业利益和社会利益，推动算法推荐向有利于居民理性消费、消费结构优化的方向发展。例如，平台可设立“理性消费引导”板块，推送理性消费知识，引导居民树立正确的消费观念，避免非理性消费。

3.  建立平台投诉举报机制，畅通居民投诉举报渠道，对居民反映的算法推荐乱象、虚假宣传等问题，及时进行处理和反馈，保障居民的合法权益，提升居民对算法推荐的信任度。

（三）引导居民树立理性消费观念，提升信息辨别能力

1.  加强消费教育，通过媒体、社区、学校等渠道，向居民普及理性消费知识，引导居民树立正确的消费观念，理性看待算法推荐，避免盲目跟风、冲动消费，根据自身的实际需求和消费能力进行消费决策。

2.  提升居民的信息辨别能力，引导居民学会辨别算法推荐中的虚假信息、诱导性信息，理性判断推荐内容的真实性和合理性，不被过度营销、虚假宣传误导，自觉抵制非理性消费。例如，引导居民在接受算法推荐时，多对比不同平台、不同商家的产品和服务，结合自身需求进行选择，避免盲目相信算法推荐。

3.  鼓励居民自主拓展消费视野，不局限于算法推荐推送的内容，主动接触不同类型、不同领域的消费信息，培养多元化的消费偏好，促进消费结构的合理优化。

（四）完善相关法律法规，强化政策引导

1.  完善算法推荐相关的法律法规，明确算法推荐的权利义务、行为规范和法律责任，对算法歧视、虚假宣传、信息泄露等违法行为进行严厉处罚，为算法推荐的规范应用提供法律保障。

2.  加强政策引导，出台相关政策支持算法推荐技术的创新和规范应用，引导企业和平台优化算法推荐模型，推动算法推荐向精准化、合规化、多元化方向发展，充分发挥其对消费结构优化升级的推动作用。

3.  建立算法推荐行业标准，规范算法推荐的技术应用、内容审核、数据安全等环节，引导行业良性发展，避免恶性竞争，保障居民的消费权益和消费市场的健康发展。

六、结语

总之，算法推荐作为数字经济时代的重要消费辅助手段，对居民消费偏好与消费结构产生了双重影响：一方面，它能够精准匹配居民消费需求，强化固有消费偏好、挖掘潜在消费需求，推动消费结构向发展型、享受型转型，促进消费升级；另一方面，它也可能引发信息茧房、诱导非理性消费，导致消费偏好固化、消费结构失衡，加剧消费分化。算法推荐的作用效果，受到居民个体特征、算法推荐规范程度、平台监管力度等多种因素的影响。

本研究基于居民消费行为视角，通过问卷调查和数据统计分析，系统探讨了算法推荐对居民消费偏好与消费结构的具体影响，分析了影响算法推荐作用效果的关键因素，并从规范算法推荐行为、强化平台监管、引导居民理性消费、完善法律法规等方面提出了优化建议。希望通过本次研究，能够为规范算法推荐应用、引导居民理性消费、优化消费结构、推动消费市场高质量发展提供有益的理论参考和实践借鉴。未来，随着算法技术的不断升级和相关监管体系的不断完善，算法推荐将更好地发挥其积极作用，助力居民消费升级和消费市场健康发展。