單純曝光效應

单纯曝光效应（Mere Exposure Effect）由心理学家罗伯特·扎荣茨于1961年提出，指个体对某一刺激（如图像、声音或文本）的偏好程度随接触频率的增加而提升的现象。在大模型语境下，该效应被用于解释用户行为数据中的‘冷启动’与‘留存’逻辑：模型通过增加用户与内容的交互频次（如推荐流中的重复曝光），利用人类大脑的熟悉度偏好机制，潜移默化地提升用户对内容的接受度与点击意愿，是构建个性化推荐引擎与内容分发系统的底层行为学基石。

在现代计算架构中，单纯曝光效应是连接用户行为数据与算法决策的关键桥梁。大模型系统利用该原理，将用户的显式反馈（点赞、评论）与隐式反馈（停留时长、重复点击）转化为‘曝光频次’信号，驱动推荐算法动态调整内容排序。其核心价值在于以极低的边际成本（无需额外用户交互）实现用户粘性的指数级增长，广泛应用于短视频流、电商首页、新闻聚合等高频交互场景。然而，过度依赖该效应可能导致‘信息茧房’与‘回声室效应’，引发用户审美疲劳或认知偏差，因此需在算法设计中引入多样性约束与主动探索机制以平衡短期转化与长期体验。