當 AI 開始幫你選餐廳，選擇變少了

這兩件事聽起來很像，其實天差地遠。前者是收斂，後者是擴張。前者讓你在一百二十家餐廳裡，反覆回到那八家你最熟悉的；後者則需要系統主動冒險，推薦一些「你有 40% 機率會喜歡、但你從沒嘗試過」的選項。而在商業邏輯上，後者的風險太高、短期回報太低，於是幾乎所有平台都會選擇前者。

結果就是：你的口味沒有變窄，但你的「用餐地圖」變窄了。

二、AI 如何一步步收窄你的餐廳選擇範圍

如果我們把這件事拆開來看，會發現選擇變少並不是單一原因造成的，而是好幾股力量同時作用的結果。理解這些機制，是拿回選擇權的第一步。

數據餵養的偏好閉環

AI 的推薦邏輯，本質上是一個「輸入—輸出—再輸入」的閉環。你點過的餐廳、停留最久的頁面、按下收藏的店家、甚至你在某張照片上滑動的速度，都會成為下一次推薦的依據。

這個機制聽起來很科學，但它有一個致命的結構缺陷：它只能學習你「已經做過」的行為，無法預測你「還沒機會做」的行為。

假設你其實對雲南菜、緬甸菜、摩洛哥菜都很有興趣，只是從未嘗試過。在演算法眼中，這些菜系對你而言就是「零資料」，而零資料意味著「低預測價值」，於是它們永遠不會出現在推薦清單裡。你因此永遠不會有機會去點擊它們，系統也就永遠收不到這方面的資料。

這是一個完美的封閉循環：因為沒資料所以不推薦，因為不推薦所以永遠不會產生資料。你的飲食偏好被鎖死在一個由過去行為構成的箱子裡，而箱子的大小，從第一次使用 App 那天起就幾乎定型了。

更麻煩的是，這個閉環還會自我強化。你越常點某幾家店，系統就越確定你喜歡它們；系統越常推薦它們，你就越常點。到最後，你甚至會產生一種錯覺：「我好像真的很愛這幾家。」但這究竟是偏好，還是被餵養出來的習慣，其實很難分辨。

平台排序背後的商業邏輯

除了演算法本身，還有一層更現實的因素：排序從來都不是中立的。

外送平台與地圖服務的營收結構，普遍包含廣告、抽成與曝光合作。這意味著「首頁排序」本身就是一個可以被商業力量影響的位置。你在 App 上看到的前幾名，可能同時是以下幾個因素的綜合結果：

廣告投放：付費買首頁版位的店家，自然排得更前面。

這四項因素，沒有一項直接跟「料理好吃」有關。也就是說，一份「熱門推薦清單」，更接近於一份「誰最會做數位營運與行銷」的清單，而不是「誰最會做菜」的清單。

對於一家由老師傅經營、只有六張桌子、一個月只休兩天、老闆忙到沒空回評論的小店來說，它幾乎不可能在這種競爭結構下被看見。但它可能才是那個街區裡最好吃的一碗麵。

從「千人千面」到「千人一面」

個人化推薦原本的理想，是「千人千面」：每個人都能擁有專屬於自己的探索路徑。但實務上，它往往走向「千人一面」。

原因在於，當推薦系統的資料量不足以支撐細緻的個人化時，它會退回到「群體偏好」的層次——也就是推薦「跟你相似的人都喜歡的東西」。而所謂「跟你相似的人」，是系統用少數幾個標籤（年齡、區域、消費價位、歷史品類）粗略分類出來的。

結果就是，同一區域、同一價位帶的使用者，看到的推薦清單高度重疊。大家都在同一批「安全牌」裡打轉，而那批安全牌的數量，通常遠遠少於實際存在的店家總數。

這也解釋了一個常見現象：當朋友問你「這附近有什麼好吃的」，你可能會發現，大家講來講去都是那幾家。不是因為其他店不好，而是因為大家的資訊來源，都來自同一個被壓縮過的漏斗。

三、選擇變少，代價是什麼？

如果 AI 推薦只是讓我省下十分鐘的猶豫時間，代價聽起來好像可以接受。但如果我們把視野拉長，會看到這件事的影響遠比「少選幾家店」來得深遠。

小店與異國料理的隱形消失

第一個代價，是餐飲生態的多樣性正在流失。

在一個由演算法主導曝光的環境裡，店家要想被看見，就得先具備「被演算法辨識」的能力：穩定的營業時間、可預測的出餐速度、大量的評論、清楚的照片、能配合平台的接單流程。這些都是營運門檻，而不是料理門檻。

於是小店與異國料理往往首當其衝。開在巷子裡的家庭式小吃、只做中午的麵攤、由新住民經營的緬甸菜或雲南菜、食材當天現採所以「今日有什麼就賣什麼」的無菜單小店——這些店家的共同特徵是：它們的價值很難被資料化。

「老闆記得你上次點什麼」不會出現在演算法裡；「湯頭熬了八小時」不會被寫進結構化欄位；「今天市場有新鮮的魚」不會被即時更新到平台。當一個系統只能看見可量化的指標，那些無法量化的美好，就會在排序中自然沉底。

這不是單一店家的損失，而是整個城市味覺記憶的損失。當這些店逐漸退出市場，我們失去的不只是幾家餐廳，而是一整類「無法被平台標準化」的飲食文化。

口味繭房與探索欲的萎縮

第二個代價，發生在我們自己身上。

心理學上有個概念叫「認知舒適區」——人天生傾向選擇熟悉的、預測得到的選項。推薦系統恰好把這個傾向放大到極致：它讓「選擇熟悉」變得前所未有的輕鬆，也讓「選擇陌生」變得前所未有的費力。

久而久之，一種微妙的心理變化會發生：我們開始把「探索」視為一種額外的成本，而不是一種樂趣。以前看到沒吃過的店，第一反應是「欸這家好像很有趣」；現在看到沒吃過的店，第一反應可能是「不知道好不好吃，先查一下評價」，而查完之後往往還是回去點那家熟悉的。

探索欲的萎縮，其實比想像中更難逆轉。因為探索本身就是一種需要練習的能力——你越少做，就越不習慣；越不習慣，就越不想做。而演算法恰好提供了完美的藉口：「反正它推薦的我也都覺得不錯啊。」

問題是，「不錯」跟「驚喜」是兩個不同的層次。一個只追求「不錯」的飲食生活，久了會變得很平——你可能每天吃得很滿意，卻再也想不起來上一次「被一道菜嚇到」是什麼時候。

定價權與議價能力的轉移

第三個代價，是結構性的，也是最少人討論的：定價權正在從店家手中，轉移到平台與演算法手中。

當一家餐廳的客流有六成以上來自主流平台，它在談判桌上的籌碼就會大幅削弱。平台的抽成比例、行銷費用、參與促銷活動的要求，店家往往只能接受。而對於那些被演算法判定為「曝光價值不高」的店家，處境更艱難——它們不是不想加入，而是加入了也排不到前面，最後只能靠降價、靠促銷、靠削減食材成本來換取能見度。

這形成一個惡性循環：越依賴平台，越難脫離平台；越難脫離平台，定價空間就越被壓縮；定價空間越被壓縮，就越難維持品質；品質一旦下滑，評分就跟著下滑，然後就更難被演算法推薦。

對消費者而言，短期內你可能因為促銷而覺得划算，但長期來看，當整個市場的利潤空間被抽乾，最後犧牲的通常還是品質與多樣性。

四、頂客論壇視角：我們可以怎麼應對？

講到這裡，似乎有點悲觀。但其實「AI 幫你選餐廳」這件事，本身並不是問題——問題在於我們把它當成「決策者」，而不是「助手」。在雅寶社區·頂客論壇，我們一向相信一件事：工具本身沒有好壞，關鍵是你怎麼用它。

把 AI 當助手，而不是決策者

最實際的第一步，是改變使用 AI 的方式。

多數人使用 AI 選餐廳的模式是「封閉式提問」：「推薦我附近好吃的。」這種問法把決策權完全交出去，得到的自然是最安全、最保守、最多人選過的答案。

更好的做法是「開放式提問」，主動把「探索」寫進指令裡。例如：

「請給我三家我平常不會點的菜系，價位在三百元以內，並說明為什麼值得一試。」

「排除連鎖品牌與有大量廣告投放的店家，推薦我步行十五分鐘內的小店。」

「我想找那種只有六到十個座位、老闆自己掌廚、菜單不超過十樣的店。」

「請不要推薦評分最高的，改推薦『評論數少但評分高』的店家。」

你會發現，光是換一種問法，AI 給出的答案就會完全不同。因為你不再問「什麼最好」，而是在問「什麼是我還沒看見的」。

建立自己的「反推薦」清單

第二個方法，是刻意建立一份「反推薦清單」。

這個想法很簡單：每次 AI 推薦你某家店，你不要直接去吃，而是先問自己一個問題——「這家店的出現，是因為它真的特別，還是因為它很會做數位營運？」如果答案是後者，就把它丟進「反推薦清單」，並且刻意去找同一條街上、沒有出現在推薦裡的其他店家。

這個練習的重點不在於結果，而在於訓練自己對「推薦」保持一點懷疑的習慣。久了之後，你會慢慢培養出一種直覺：知道哪些推薦是「真的挖到寶」，哪些只是「演算法在討好你」。

另一個實用的小技巧，是刻意保留一種「無目的散步」的用餐習慣。每週挑一天，不開 App、不看評分，單純走進一條沒走過的巷子，看到順眼的就進去。踩雷的機率當然比較高，但那種「意外發現好店」的體驗，是任何推薦系統都給不了的。

社群的力量：真實口碑的不可替代性

最後，也是最重要的一點：在演算法時代，真實的人際口碑反而變成最稀缺的資源。

AI 可以整理資料，但它沒有真的坐下來吃過那碗麵。它不知道老闆今天心情好不好、不知道湯頭有沒有比上個月更濃、不知道那家店下午三點後光線剛好會斜照進窗戶。這些東西，只有去過的人才知道。

這正是像雅寶社區·頂客論壇這樣的社群存在的價值。當一個推薦來自「你真的認識的人」，它的資訊維度跟演算法完全不同——它包含了語氣、包含了偏見、包含了「這家可能不適合你但很適合我」的誠實。這種帶有個人立場的口碑，反而比一個中立的星等分數更有參考價值。

所以，與其完全依賴 AI，不如把它當成一個起點：用 AI 快速掃過一輪，找出幾家「看起來有機會」的店，然後回到社群裡問問有沒有人去過、聽聽真實的經驗。這種「AI 負責篩，人負責判斷」的混合模式，既能保住效率，又能保住探索的樂趣。

五、結語：保留「亂選」的權利

回到文章開頭的那個問題：當 AI 開始幫你選餐廳，選擇是變多了，還是變少了？

答案是：選項變多了，選擇變少了。

我們這一代人擁有的餐廳資訊量，是人類歷史上任何一個時期都無法比擬的。地圖上有幾萬家店、評論有幾百萬則、推薦清單每小時都在更新。但同時，我們實際會去考慮的店家數量，可能比十年前還要少。資訊的爆炸與選擇的收斂，就這樣同時發生。

這不是要我們拒絕 AI，也不是要我們回到「走到路口再決定」的年代。真正的問題從來不是工具，而是我們有沒有意識到自己正在交出什麼。

AI 很擅長回答「最可能讓你滿意的是哪一家」，但它不擅長回答「哪一家會讓你記住一輩子」。前者是效率問題，後者是人生問題。而後者，終究只能由你自己去走、去吃、去踩雷、去發現。

所以下次當你打開 App，看到那三個排列整齊的推薦選項時，不妨多想一秒：這三家，是我想去的，還是系統覺得我會去的？

如果答案偏向後者，那就關掉螢幕，出門，往一條沒走過的巷子走進去。你會發現，那些沒被演算法看見的店家，往往才是這座城市真正的味道。

而在雅寶社區·頂客論壇，我們會繼續把這些味道記錄下來——不是用星等，而是用文字、用經驗、用那種「你一定要去試試看」的語氣。因為在一個什麼都能被推薦的時代，願意自己去找、自己去判斷、自己去分享，本身就是一種抵抗。

保留一點「亂選」的權利吧。那可能是我們在這個過度最佳化的世界裡，最後一點真正屬於自己的自由。

```

🏠 返回首頁