Slik fungerer anbefalingsalgoritmer og hvordan du kan ta kontroll over dem

Strømmetjenester, sosiale medier og nettbutikker føles ofte skreddersydde. Du får filmer du «vil like», venner du «bør følge» og produkter du «trenger». Alt dette styres av anbefalingsalgoritmer.

Disse systemene kan være til stor hjelp, men de påvirker også hva du ser, hva du kjøper og hva du mener. Når du forstår hvordan de virker, blir det lettere å ta egne valg i stedet for å bli dyttet i en bestemt retning.

Hva er en anbefalingsalgoritme, egentlig?

En anbefalingsalgoritme er et dataprogram som forsøker å gjette hva du vil se, lese eller kjøpe neste gang. Den gjør dette ved å bruke informasjon om deg, andre personer og innholdet som er tilgjengelig.

Du møter slike algoritmer når du får forslag til filmer på Netflix, videoer på YouTube, produkter på Amazon, profiler på Tinder og innlegg på TikTok eller Instagram.

Hvilke data bruker algoritmene om deg?

Det varierer fra tjeneste til tjeneste, men typisk samles det inn flere typer informasjon. Noe gir du fra deg aktivt, annet oppstår bare ved at du bruker tjenesten.

Vanlige datakilder er for eksempel:

• Historikk:hva du har sett, likt, kommentert, kjøpt eller søkt etter.
• Interaksjoner:hvor lenge du ser på noe, om du spoler, stopper, deler eller skjuler.
• Teknisk informasjon:enhet, språk, land og omtrent hvor du befinner deg.
• Lignende personer:hva andre med lignende adferd eller profil foretrekker.

Basert på dette forsøker systemet å bygge en profil av interessene dine, uten at du selv trenger å si noe eksplisitt.

De tre viktigste måtene algoritmer anbefaler innhold på

Det finnes mange tekniske varianter, men i praksis dominerer tre hovedprinsipper. Mange tjenester kombinerer dem.

1. Basert på likt innhold

Algoritmen ser på egenskaper ved det du har sett før, for eksempel sjanger, lengde, tema eller nøkkelord. Deretter leter den etter innhold som ligner.

Hvis du ofte ser korte komiske videoer, vil du raskt få flere korte komiske videoer, også fra skapere du aldri har hørt om før.

2. Basert på lignende personer

Her grupperes personer som oppfører seg likt. Hvis mange som ligner deg har likt en bestemt serie, er sjansen stor for at du også får den anbefalt.

Fordelen er at du kan oppdage noe du aldri ville funnet via sjanger eller søk. Ulempen er at du blir plassert i en «boble» sammen med andre som ligner på deg.

3. Basert på hva som er «populært» akkurat nå

Noen anbefalinger styres av hva som trender generelt, slik som «mest sett i dag» eller «populært i ditt område». Dette gjør det lett å dytte mange i samme retning på kort tid.

I tillegg kan tjenesten velge å prioritere innhold den selv tjener mer penger på, for eksempel egne produkter eller annonserende selgere.

Hvorfor algoritmene ikke bare vil «hjelpe deg»

Det kan virke som om systemene er designet for at du skal bli mest mulig fornøyd. I praksis har de som regel et annet hovedmål: at du skal bruke mer tid eller handle mer.

På en videoplattform måles suksess ofte i hvor lenge du blir værende. På en nettbutikk handler det gjerne om sannsynligheten for at du kjøper noe. Resultatet kan bli at du presenteres for det som holder deg «hekta», ikke nødvendigvis det som er mest nyttig eller sunt på sikt.

Tre typiske effekter på hverdagen din

Anbefalingsalgoritmer påvirker oss på måter som ikke alltid er tydelige. Her er tre vanlige effekter det lønner seg å være bevisst på.

• Filterbobler:du får mest innhold som ligner det du allerede liker, og ser mindre av det som utfordrer deg.
• Tidsglipp:autospill og «uendelig feed» gjør det lett å bruke mye mer tid enn planlagt.
• Impulskjøp:målrettede forslag kan treffe deg akkurat når du er mest mottakelig for å handle.

Ingen av disse effektene er nødvendigvis onde i seg selv, men de bør være et bevisst valg, ikke en umerket standard.

Slik kan du påvirke anbefalingene du får

Selv om algoritmene føles som en svart boks, har du flere grep som faktisk gjør en forskjell. De krever litt innsats, men kan endre hva du ser i stor grad.

• Bruk «ikke interessert» aktivt:på mange plattformer kan du skjule innhold eller si at du ikke vil se mer av en type. Dette trener algoritmen i en annen retning.
• Rydd i historikken:slett søk og visningshistorikk som ikke lenger representerer interessene dine. Det kan gi mer relevante forslag fremover.
• Lag egne lister og abonnementer:følg kanaler, podkaster og personer du genuint ønsker mer av, i stedet for å stole helt på «for deg»-strømmen.
• Bruk flere profiler:skille mellom jobb, fritid og barna på ulike profiler gjør at anbefalingene ikke blandes sammen.

Digital selvforsvar: grenser, pauser og kritisk blikk

Tekniske tiltak er nyttige, men den viktigste faktoren er fremdeles holdningen din. Når du husker at hver anbefaling har et mål, blir det enklere å sette grenser.

Noen enkle vaner kan hjelpe:

• Bestem på forhånd:før du åpner en app, ha en klar hensikt: «jeg skal se denne serien» eller «jeg skal sjekke disse meldingene».
• Bruk tidsbegrensninger:mange telefoner og apper har innebygde grenser for skjermtid eller bruk per dag. De er kjedelige å sette opp, men kan være svært effektive.
• Still spørsmålet «hvorfor får jeg se dette nå?»:bare det å tenke slik gir et mer kritisk blikk på både annonser og innhold.

Når anbefalinger er til hjelp, og når du bør stole mer på deg selv

Anbefalingsalgoritmer er gode på å finne mer av det du allerede liker, og til å gi tips innenfor et kjent område, som nye episoder av en serie eller lignende musikk.

De er mindre egnet når du vil lære noe helt nytt, ta viktige beslutninger eller få et bredt bilde av et tema. Da lønner det seg å søke bevisst, velge flere kilder og ikke bare følge «for deg»-fanen.

Når du forstår hvordan systemene jobber, kan du bruke dem som et verktøy i stedet for at de bruker deg som en ressurs. Det handler ikke om å trekke ut kontakten, men om å ta tilbake styringen over hva som påvirker oppmerksomheten din.