为什么你刚在现实里说了一句话,购物 App 就立刻给你推送了?

封面图

不知道你有没有经历过这种背后发凉的时刻。

周末你跟朋友在火锅店吃饭。

朋友随口聊起一句,说他家猫最近脖子有点过敏,他在网上买了一款小众牌子的抑菌喷雾,挺管用的。

你听完点点头,根本没打开手机,更没有在任何搜索框里敲过这几个字。

结果吃完饭回到家,你顺手打开某个购物软件或者短视频平台。

首页信息流第一条,赫然就是朋友刚刚说的那款宠物抑菌喷雾。

甚至连包装颜色都一模一样。

很多人遇到这种情况,第一反应肯定是,

「这破手机绝对在偷听我说话。」

在各大社交平台上,关于手机 App 到底有没有后台偷录音的争论,几乎每个月都要上一次热搜。

有人甚至做过玄学实验,把手机放在桌上,对着麦克风连续念十遍「我想买挖掘机」,试图用这种方式抓大厂现行。

但我如果从一个后端工程师的角度告诉你,所有这些软件其实根本没有在偷听你说话,你大概率不会相信。

这不是在帮大厂开脱。

真实原因其实比「偷听」这件小事,要恐怖得多。

我们先算一笔账,为什么 App 厂商绝对不会干「24 小时后台偷偷录音」这种蠢事。

第一是物理定律不答应。

如果让手机麦克风全天候保持开启,把声音实时录制、压缩、再通过 5G 网络不断上传到云端。

你的手机大概只要两小时就会烫得像块刚出炉的烤红薯,电量飞速狂掉,月底流量账单也会高得离谱。

第二是算力成本扛不住。

全国十几亿部手机,每天产生的语音垃圾数据是天文数字。

背景里有火锅店的嘈杂噪音、电视机声、汽车喇叭声、还有带各种方言口音的闲聊。

如果平台要用大模型把这些环境噪音全转成文字去提炼商品关键词,每天光是烧在语音转文字上的电费,就能把大部分互联网公司的利润全亏光。

更何况,现在的 iOS 和安卓系统对隐私权限盯得极紧。

任何软件只要在后台偷偷调用麦克风,屏幕右上角立刻就会亮起刺眼的黄点或绿点,抓现行只需要一秒钟。

既然它们真的没有偷听,那那个诡异的抑菌喷雾推荐,到底是怎么精准砸到你脸上的。

答案很简单。

它们压根不需要偷听。因为通过另外几样东西,算法早就把你的现实生活摸透了。

第一个杀手锏,叫同网设备交叉感染

回到刚才那个吃火锅的场景。

你和朋友在火锅店坐了一个半小时。

在这段时间里,你们俩连了同一个火锅店的免费 WiFi,或者你们手机的 GPS 定位在同一个五米见方的圆圈里重叠了九十分钟,甚至两台手机的蓝牙互相探测到了对方。

在广告联盟的后台里,你们两个原本孤立的设备 ID,瞬间建立了一根极粗的关联线。

系统给你们打上的标签是,高频亲密好友、当前处于线下共处状态。

而在几个小时之前,你朋友刚刚在他的手机上搜过那款宠物喷雾。

算法的算盘打得极精,两个人在线下待了一个半小时,大概率会聊到彼此最近买了什么好东西。

于是,在你们分开的半小时内,算法就会把你朋友最近高频搜索、加购、但你还没买过的东西,当作最高优先级的候选商品,批量投喂给你。

你以为是手机听到了你们的对话。

其实只是算法顺着你们重叠的地理轨迹,把你朋友的欲望复制了一份给你。

第二个杀手锏,叫全网 SDK 共享行为图谱

你手机里可能装了几十个不同大厂的软件。

但这些软件的底层,普遍接入了同一批第三方广告联盟的 SDK。

你在 A 软件里看了一眼猫粮,在 B 软件里点开过宠物视频,这些看似不相干的碎片,会被广告联盟用你的设备指纹串在同一张网里。

只要它发现你在这个时间节点,跟一个养猫的朋友呆在一起,推荐引擎就会在 0.001 秒内算出极高的匹配概率。

还有第三个更诛心的原因,叫概率魔术与幸存者偏差

心理学上有个著名的现象叫孕妇效应。

当你身边有人怀孕时,你走在街上会突然发现满大街都是孕妇。不是孕妇变多了,而是你的大脑开始对这个信号极度敏感。

我们每天刷手机,平台会给我们推送几千条商品和广告。

其中 99% 的推荐都是毫无意义的废话,你的大脑在一秒钟内就把它们当垃圾信息过滤掉了,你根本不会记住。

但只要有那么一次,推送的商品恰好撞上了你半小时前聊过的话题,你的大脑就会瞬间警铃大作。

你记住了这命中注定般的巧合,却忘掉了剩下那几千次完全猜错的废弃推荐。

真正吓人的地方其实在后面。

如果商业公司真的靠麦克风偷听我们说话,我们至少还能通过关掉麦克风权限来防范。

但现实是,它们根本不屑于偷听。

你的地理位置、你的社交圈子、你朋友的购物车、你连接过的每一个 WiFi 路由器、再加上冷冰冰的概率统计模型,就已经足够把你的生活算得八九不离十。

我们最值钱的隐私,其实从来都不是嘴里说出来的那几句话。而是我们每天毫不在意留下的那些数字脚印。

甚至,此时此刻你能刷到并读完这篇文章。

大概率也是算法早就给你算好的。

署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0)
位旅人路过 次翻阅 初次见面