推荐算法收益主要归谁所有？平台把利润装进自己口袋，你只买了个“效率”
商家：栈哥
推荐算法收益主要归谁所有？平台把利润装进自己口袋，你只买了个“效率”
推荐算法收益主要归属于平台方，其商业模式正从商品交易差价转向以用户购买意图为核心的广告与佣金收入。
平台从撮合者变为规则制定者：谁在掌控流量分配权？
电商巨头已从中立撮合者异化为掌握流量分配权的规则制定者，导致原本属于市场的议价能力向平台高度集中。
中国电商市场早已不再是百家争鸣的草原，而是由阿里、京东和拼多多三巨头瓜分的领地。2024 年的数据显示，这三家平台合计占据了国内 B2C 市场约 83% 的份额[1][2][3]。这种高度集中的格局背后，是平台角色的根本性异变：它们不再仅仅是连接买卖双方的中立撮合者，而是演变成了掌握流量分配权与信任背书权的“规则制定者”兼“数据垄断者”。在这种环境下，推荐算法收益主要归谁所有的问题，本质上是在追问：当平台掌握了定义交易条件的权力，原本属于市场的议价能力究竟被转移到了哪里？
值得注意的是，这一过程并非一蹴而就的线性进化，而是一场关于“基础设施私有化”的深刻重构。正如历史学家观察到的，19 世纪美国的票据交换所最初也是中立的清算中介，随着时间推移，它逐渐积累了准监管职能和私人权力，最终迫使美联储建立以制衡其权力[4]。电商平台的路径与之高度同构：它们通过积累海量交易数据和用户行为画像，构建了一套独立于国家信用体系之外的“数字信任基础设施”。这套系统不仅定义了什么是“好商品”，更定义了谁能进入交易场域。无论是中国对阿里巴巴的巨额罚款，还是美国 FTC 对亚马逊的调查，核心都指向同一个问题：平台在积累信任基础设施的过程中，是否同时积累了对卖家和消费者的不对称控制权[5]。这种控制权的转移，使得传统的“买卖双方自由议价”市场机制，逐渐被平台算法定价的“黑箱逻辑”所取代。
为什么不能只看平台增长数据？
许多讨论习惯引用 GMV（商品交易总额）的增长来证明算法的成功。例如阿里巴巴 GMV 达 8.3 万亿人民币，亚马逊也高达 5765 亿美元[1][6]。这些数字看似光鲜，却往往掩盖了平台收益分配的结构性失衡。当平台通过垄断“信任生产权”，将原本属于市场的议价能力转化为自身的规则制定权时，消费者福利视角便容易被忽视。
现有研究多从平台视角评估效果，缺乏对消费者福利的独立评估，导致“算法利大于弊”的断言缺乏实证基础[5]。理解收益归属的关键，在于看清平台如何通过控制信任基础设施来定义交易条件。历史提供了清晰的镜像：19 世纪美国的票据交换所最初也是中立的清算中介，随着时间推移，它逐渐积累了准监管职能和私人权力，最终迫使美联储建立以制衡其权力[4]。这一过程与电商平台的路径高度同构。无论是中国对阿里巴巴的巨额罚款，还是美国 FTC 对亚马逊的调查，核心都指向同一个问题：平台在积累信任基础设施的过程中，是否同时积累了对卖家和消费者的不对称控制权[5]。
平台赚了多少？商业模式向「广告化」深度收敛
全球主流电商平台收入结构已深度收敛于广告与佣金，表明平台本质已转变为通过个性化推荐捕获并变现用户注意力的媒介。
当你在电商平台搜索商品时，看到的“第一页”往往不再是纯粹的商品列表，而是精心编排的商业推广。这种变化揭示了一个核心事实：全球主要平台的收入结构正从商品差价转向广告和佣金，电商平台本质正在变成「注意力媒介」。阿里巴巴的收入主要来自广告（关键词竞价）和佣金，而非商品差价[2]。亚马逊作为典型代表，2022 年 GMV 达 5765 亿美元，其中第三方卖家贡献 63.7%[6]，其收入来源已转变为广告、FBA 物流服务费和会员订阅。抖音等平台通过内容生态实现零边际成本的用户获取，将用户的购买意图直接转化为广告收入。Dallas Smythe 在 1977 年提出的「受众商品」理论在电商语境下获得新适用性：平台的真实产品不是商品交易，而是用户的购买意图，个性化推荐是捕获购买意图的手段，购买意图被转化为广告收入和佣金[7][8]。无论是阿里巴巴的关键词竞价、亚马逊的赞助搜索，还是抖音的信息流广告，主要平台的商业模式都在向广告倾斜，这种趋势意味着平台已从「交易中介」转型为「注意力媒介」，与传统媒体的受众商品化逻辑日益趋同。
这里存在一个常被忽视的隐性维度：商家成本的结构性转移。在传统零售模式中，商家的营销成本主要是固定的租金或摊位费；而在算法主导的广告化模式下，商家的获客成本变成了动态的、基于竞价的“过路费”。这意味着，即便平台宣称提升了交易效率，商家为了维持曝光度，不得不将利润的更大比例投入到流量采买中。这种成本最终往往会通过价格传导给消费者，或者压缩商家的研发与服务投入空间，形成一种“内卷式”的零和博弈。平台则通过这种机制，坐享了全行业营销预算膨胀带来的红利，无论哪个商家胜出，平台都能从中抽取“过路费”。
当搜索被广告取代，消费者失去了什么？
这种商业模式的转变，直接导致了消费者购物环境的质变。过去，搜索引擎或电商列表的核心价值是“信息匹配”，即帮助用户快速找到所需商品；现在，核心逻辑变成了“流量变现”，即如何最大化地展示高利润的广告位。
| 对比维度 | 传统交易中介模式 | 现代广告化平台模式 |
|---|---|---|
| 核心收入源 | 商品销售差价或固定佣金 | 广告费、竞价排名、服务费 |
| 搜索结果排序 | 基于相关性、销量、评价 | 基于出价高低、转化率预估 |
| 用户感知边界 | 清晰区分自然结果与广告 | 「赞助即有机」，边界模糊 |
| 商家竞争焦点 | 优化产品性价比与服务 | 优化广告投放策略与 ROI |
| 消费者决策力 | 依赖横向比较与独立判断 | 受限于平台内部流转引导 |
亚马逊搜索结果中赞助内容的比例持续上升，出现「赞助即有机」（Sponsored is the New Organic）现象，模糊了商业推广与自然排名的边界[8]。这意味着你点击的第一个结果，很可能不是因为它是最好的，而是因为卖家付了最高的价。与此同时，平台通过关联卖家推荐机制（Related Sellers Nudges）系统性地引导用户在内部流转，而非流向外部竞争者[7]。这些机制在提升平台内交易效率的同时，也系统性地削弱了消费者的比较购物能力——平台的「信任背书」功能与其「流量控制」功能之间的边界日益模糊[9]。当搜索不再是为了寻找最优解，而是为了筛选付费者时，消费者失去的不仅是比价的机会，更是选择权的独立性。
消费者得到了什么？算法红利下的隐性成本与风险
消费者在算法带来的表面效率提升中往往承担了隐私让渡、社交关系消耗及价格不透明等隐性成本，实际获益常被高估。
当平台财报显示巨额佣金增长时，你往往忽略了这笔钱背后的代价。相比广告费和佣金，消费者实际获得的效率提升或价格下降常被高估，且缺乏独立验证[1]。社交裂变模式（如拼多多）虽让部分商品价格看似诱人，但本质是用隐私和社交关系换取低价，并未改变底层变现逻辑。
算法真的只推你喜欢的吗？
个性化推荐的核心目的并非单纯优化体验，而是为了捕获购买意图以变现。学术研究将拼多多的机制命名为「社会裂变模型」，其核心在于将社交关系转化为价格发现机制——用户邀请好友拼团换取低价，平台则借此实现零边际成本的用户获取[1]。然而，若以底层商业逻辑审视，这种差异仅是流量获取手段的不同，在变现逻辑上，三者趋同性远比表面显著。
平台利用算法进行精准定价和流量控制，可能导致价格歧视和选择受限。亚马逊搜索结果中赞助内容的比例持续上升，「赞助即有机」的现象让消费者难以区分商业推广与自然排名[8]。同时，平台通过关联卖家推荐机制系统性地引导消费者在平台内部流转，削弱了比较购物能力，使得平台的「信任背书」功能与其「流量控制」功能之间的边界日益模糊[9]。
| 对比维度 | 平台宣称的收益 | 消费者实际承担的成本 | 数据来源 |
|---|---|---|---|
| 价格机制 | 团购带来极致低价 | 牺牲隐私与社交关系换取低价 | [1] |
| 信息呈现 | 推荐更懂你，减少筛选 | 赞助内容混入，难以区分推广 | [8] |
| 选择范围 | 提供丰富商品池 | 被引导在站内流转，丧失比价权 | [9] |
| 信任基础 | 平台担保交易安全 | 信任生产权私有化，处于信息弱势 | [4] |
当平台既是裁判又是运动员时，消费者很难获得真正的公平交易环境。信任基础设施的私有化，使得面对算法黑箱时，你处于天然的弱势地位。所谓的算法红利，往往只是将原本属于消费者的剩余价值，以更隐蔽的方式转移到了平台账本上。
对于普通消费者而言，一个极具操作性的应对策略是：主动打破“算法茧房”的闭环。 具体做法是，在决定购买前，刻意使用非平台渠道（如搜索引擎的直接搜索、跨平台比价工具、甚至线下门店）进行至少一次独立的“交叉验证”。不要完全依赖首页推荐的“猜你喜欢”，而是尝试搜索具体的 SKU 编号或品牌名，观察不同入口下的结果差异。这种“人工干预”虽然增加了少量的时间成本，但能有效识别出哪些是真正的高性价比商品，哪些仅仅是高溢价广告的伪装，从而夺回一部分被算法剥夺的知情权和选择权。
结论：收益归属的终局与监管边界
推荐算法收益最终流向平台与广告主，当这种不对称控制权积累到临界点，反垄断监管介入已成为不可逆转的历史必然。
综合来看，推荐算法收益主要归谁所有？答案倾向于平台方，尤其是作为「注意力媒介」的广告主和平台自身。历史经验表明，当私人信任基础设施积累到足够规模，监管介入是历史必然。中美两国的反垄断案例（阿里罚款、FTC 调查亚马逊）均指向同一核心：平台对卖家和消费者的不对称控制权[5]。
未来的竞争已从商品价格升级为基础设施标准竞争。中国 2021 年的反垄断处罚并未打破三巨头格局，反而加速了抖音电商的崛起，印证了在具有强网络效应的平台市场中，市场集中度的变化更多由技术范式转换驱动，而非监管干预[10]。随着阿里巴巴、拼多多（Temu）和字节跳动（TikTok Shop）的全球化扩张，谁控制了支付、物流和信任基础设施，谁就控制了商业生态的规则制定权。这一演变的终点，将由监管边界而非技术可能性来划定。
FAQ：关于算法收益与消费者福利的常见疑问
Q: 既然算法能帮我省钱，为什么还要担心收益分配？ A: 算法确实可能通过“杀熟”或“大数据杀熟”之外的机制（如拼团）提供短期低价，但这往往是以牺牲隐私数据和社交关系为代价的。更重要的是，当平台通过控制搜索结果排序（如“赞助即有机”）来优先展示高利润商品时，消费者失去了横向比价的能力，长期来看，市场均衡价格可能被推高，这部分超额利润最终流向了平台。
Q: 平台说自己在提升效率，这难道不是消费者福利吗？ A: 效率提升是存在的，比如缩短搜索时间。但关键在于，这种效率是否以牺牲选择权和公平性为代价。如果“效率”意味着让你更快买到平台最想卖的高价商品，而不是最适合你的商品，那么这种效率的受益者主要是平台，而非消费者。
Q: 监管能真正解决“推荐算法收益归谁”的问题吗？ A: 监管无法直接决定收益归属，但可以强制要求透明度。例如，强制平台公开排序逻辑、禁止“暗箱操作”的流量引导、以及确保消费者拥有退出算法推荐的自由。只有当平台无法利用信息不对称获取超额控制权时，收益分配才能回归相对公平的状态。
参考来源
- (PDF) Platform, Integration, or Socially Driven? Comparative Analysis of Business Model Evolution and Strategic Dynamics in Alibaba, JD.com, and Pinduoduo · researchgate.net（A级）
- The China E-commerce Model - CKGSB · english.ckgsb.edu.cn（B级）
- JD.com, Alibaba, and Pinduoduo: Competing for Dominance in China’s Evolving E-commerce Arena · kavout.com（B级）
- Designing Online Marketplaces: Trust and Reputation Mechanisms | NBER · nber.org（A级）
- How China’s State-Backed E-Commerce Platforms Threaten American Consumers and U.S. Technology Leadership | Reports & Briefings | Apr 2, 2025 | ITIF · itif.org（B级）
- 2023年亚马逊、沃尔玛第三方市场对比-AMZ123跨境导航 · amz123.com（B级）
- Investigating Nudges toward Related Sellers on E-commerce Marketplaces: A Case Study on Amazon · arxiv.org（A级）
- Sponsored is the New Organic: Implications of Sponsored Results on Quality of Search Results in the Amazon Marketplace · arxiv.org（A级）
- Marketplace Operators Can Induce Competitive Pricing · arxiv.org（A级）
- How China Became the World’s E-Commerce King - ChoZan · chozan.co（B级）