从你看的东西，就能读懂你的性格

开篇

订阅者朋友，请稍微回想一下自己的书架。有的人书架上摆满了奇幻小说，有的人则整齐排列着自我提升类书籍。可如果这个书架就是你的性格指纹呢？

实际上，有一项研究分析了超过6万人的数据，从科学角度证明了这一点。结果显示，喜欢的书籍类型和标签最高可以预测47%的性格特征。而这个原理，正是当下Netflix向你推荐内容时所使用的算法运作方式。

今天，我们就来拆解一下藏在“喜好”这个词背后的结构。

衡量性格的两种语言：MBTI与Big Five

要理解这个话题，首先得知道性格是如何被测量的。

在韩国，MBTI几乎已经成了通用语言。“我是INFP，所以喜欢奇幻小说”这种话，你一定没少听到。但在学术界，比起MBTI，更常用的其实是Big Five（OCEAN）¹​模型。

打个简单的比方：如果说MBTI是16个房间，那Big Five就是5个音量旋钮。MBTI用一刀切的方式判断“你是外向型，还是内向型”，而Big Five则把它看作一个连续的光谱，说“你的外向性得分是100分满分中的72分”。因此，这几十年来它一直是被反复验证、可用于预测职业表现、健康状况、人际关系等方面的模型。

当然，这不是说MBTI不好。人们在对话中说“我是ENFP”，显然比说“我外向性72分、开放性85分”要直观得多。只是需要区分清楚，这是学术精确度不同的工具。可能有人会问：MBTI有16种类型，BIG5只有5个维度，是不是信息量更少？……其实只看数字的话，BIG5如果把两极和中间值都算上，至少也有10到15种组合，两者差不多，谈不上更少。总之，希望大家能带着开放的心态往下读！

6万人的数据告诉我们的事

好，现在进入正题。Ng Annalyn研究团队在IEEE Transactions on Affective Computing上发表了一篇论文。这项研究通过Facebook的myPersonality应用，收集了61,662名用户的数据，并从全球最大的读书社区Goodreads获取了24,091个标签和479本书的数据。标签的使用总次数超过了1亿9300万次。

以往的研究最多只在81个类型的层级上进行分析。“奇幻”这样一个大类别之下，其实包含黑暗奇幻、都市奇幻、高奇幻等数十种细分风格，但过去的研究把它们全部混为一谈。相反，这项研究利用了用户自己贴上的2万4千个标签，捕捉到了远比过去精细得多的口味纹理。

性格 × 阅读偏好：五项发现

按性格维度整理一下结果，如下所示。

外向性：外向的人喜欢人际关系、都市女性小说（Chick Lit）²​、回忆录这类“讲人的故事”的书。而内向的人则更偏好奇幻、科幻、漫画——那些能让人沉浸到想象世界中去的类型。

宜人性：宜人性高的人喜欢基督教经典、家庭故事、儿童书籍。相反，宜人性低的人更享受心理剧或邪典经典这类视角扭曲的作品。

开放性：这是该研究中预测力最强的维度。R²为0.47³​——意味着仅凭阅读偏好就能解释一个人开放性变化的47%。在社会科学领域，这已经是相当高的解释力了。开放性高的人偏好哲学小说、通识类书籍，而开放性低的人则偏好轻松的类型，比如轻奇幻。

敏感度：**情绪偏不稳定的人喜欢结局悲伤的书或与心理健康相关的书籍。**而且有趣的是，还出现了与“漂亮封面”标签的相关性，不过这里存在性别这个混杂变量，解读时需要谨慎。相反，情绪稳定的人则更偏好自我提升类书籍或科技类书籍。

尽责性：尽责的人喜欢专业阅读、商业、历史类书籍，而尽责性较低的人则喜欢幽默类或青少年小说。

“以后再读的书”这一行为标签

这项研究中有一个特别值得关注的发现。“back-burner”这个标签——意思是“以后再读的书”——它与开放性的相关系数达到了0.28，是所有标签中相关性最高的。开放性高的人往往会囤积大量想读却还没读的书。

这是首次发现，性格不仅体现在类型偏好上，甚至体现在阅读“行为”本身之中。以往的研究只关注“读什么”，没能捕捉到“怎么读”这一层面。

这一发现为何重要：AI推荐算法的运作原理

这里我们再往前多走一步。你知道Netflix是如何对内容进行分类的吗？它并不是简单地分为“爱情片”或“动作片”。据2014年The Atlantic的调查，Netflix当时运营着76,897个微分类（altgenre）。细分程度达到了“适合雨天观看的英国时代背景爱情片”这种级别。

这与前面提到的研究使用2万4千个标签的做法，本质上是同一种思路。用细致的标签去捕捉那些一旦归入大类别就会被忽略掉的口味纹理。据称，在Netflix上被观看的内容中，有超过80%来自这种推荐算法。

Netflix并不会正式宣称“我们正在了解你的性格”。但用超过7万个微分类来给喜好归类，实际上就等同于在构建一份性格档案。

还有另一项研究可以支持这一点。2015年，剑桥大学Wu Youyou研究团队在PNAS上发表的论文，分析了86,220人的Facebook点赞数据，结果显示：计算机仅凭70个赞，对一个人性格的判断准确度就能超过其朋友；凭150个赞，能超过其家人；凭300个赞，则能接近其配偶的判断水平。

在韩国的现实情境下，这一点变得更加重要。根据文化体育观光部2025年国民阅读实态调查，成年人整体综合阅读率为38.5%，创下历史新低。但唯独20多岁群体，阅读率小幅上升至75.3%。更值得关注的是，20多岁群体的电子书阅读率达到59.4%，大幅超过了纸质书的45.1%。

在电子书平台上，读了什么、在哪里停下、读得多快，全都会被记录成数据。这在纸质书上是不可能实现的。随着数字阅读转型的加速，这类算法读取我们喜好——最终也就是性格——的精准度只会越来越高。

Oswarld视角

老实说，看到这项研究结果时，我脑海中交织着两种想法。一种是健康的赞叹。“以后再读的书”这样一个行为标签都能反映性格，这说明我们消费内容的方式本身，就是一种性格签名（signature）。以我做数据分析的经验来看，R² 0.47对于一个单变量模型来说，已经相当令人印象深刻了。

另一种则是结构性的担忧。在制定经营战略的过程中，我反复见过这样一种模式：当企业说自己“理解”用户时，这种理解的目的几乎总是转化率（conversion）。Netflix的76,897个微分类，既是提升用户体验的工具，同时也是为了降低流失率而设计的。Netflix自己估算，推荐引擎每年能防止价值超过10亿美元的订阅流失，这一点说明了问题。

问题在于，在这种结构下，用户根本意识不到自己正在被建立画像这件事。在“喜好推荐”这个温和的名义背后，实际上正在进行的是性格数据的收集。随着韩国20多岁群体越来越多地转向电子书平台，这种不对称只会进一步扩大。

而且，我个人还想到，国内的各种读书会服务，比如Trevari、Hitch等，未来的发展方向会不会也是这个方向？不是只参加过一两次聚会的人，而是那里其实汇聚了大量书籍以及每个人的标签数据，如果基于这些数据来推荐性格类型和喜好、进而推荐广告、内容、商品，这难道不是一个巨大的商业机会吗？我不禁这样想。

结语

这项研究告诉我们的是：阅读偏好是性格的一面镜子。特别是在开放性这一维度上，R² 0.47意味着，仅凭你会被哪些书吸引，就能读出你性格的近一半。而且标签所包含的信息，远比类型丰富得多——甚至连“以后再读的书”这种行为标签都能反映性格。AI推荐算法早已建立在这一原理之上运作。Netflix的7万个微分类，正是最好的证明。

最后，我想再抛出一个问题。如果说阅读偏好能反映性格，那反过来，阅读平时不常读的类型的书，会不会也能让性格产生一些改变？实际上，Djikic等人的研究（2009）就发现，阅读小说会对性格特质的自我报告产生显著的变化。虽然因果关系尚未被完全证实，但这是一个相当有趣的可能性。

下次挑书的时候，不妨有意识地伸手去拿一本平时不常碰的书架上的书试试。这或许就是走出算法推荐范围的第一步。

参考资料与延伸阅读

• Ng Annalyn, Maarten W. Bos, Leonid Sigal, Boyang Li, “Predicting Personality from Book Preferences with User-Generated Content Labels”, IEEE Transactions on Affective Computing, Vol.11, 2020, pp.482-492. ：这是今天这期通讯的核心依据。其中图2按性格划分的高频标签可视化尤其直观。
• Wu Youyou, Michal Kosinski, David Stillwell, “Computer-based personality judgments are more accurate than those made by humans”, PNAS, Vol.112(4), 2015, pp.1036-1040. ：一项基于Facebook点赞数据的性格预测研究，其中包含AI在判断性格上比朋友更准确的结果。
• 文化体育观光部，“2025年国民阅读实态调查”, 2025. ：核心要点是成年人阅读率38.5%（历史最低）以及20多岁群体的反弹（75.3%）。
• Alexis C. Madrigal, “How Netflix Reverse Engineered Hollywood”, The Atlantic, 2014. ：这篇文章剖析了Netflix 76,897个微分类的结构，是理解推荐算法运作方式的必读文章。
• Maja Djikic, Keith Oatley, Sara Zoeterman, Jordan B. Peterson, “On Being Moved by Art: How Reading Fiction Transforms the Self”, Creativity Research Journal, Vol.21, 2009, pp.24-29. ：这是一项实验研究，探讨阅读小说对性格特质产生的影响。

作者安光涉是世宗大学经营学教授，也是 OBF（Oswarld Boutique Consulting Firm）首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程，同时在产业现场负责 GTM 与人工智能战略咨询，设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构（HEMA）的学术论文，并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA，著有《把思考交出去的人：Homo Brainless》。

注释

1. Big Five（OCEAN）：心理学中用于衡量性格的5个维度。取开放性（Openness）、尽责性（Conscientiousness）、外向性（Extraversion）、宜人性（Agreeableness）、神经质（Neuroticism）的首字母，也被称为OCEAN。它不像MBTI那样区分类型，而是一种把每个维度用0～100之间的分数来表示的连续型模型。 ↩

2. 都市女性小说（Chick Lit）：以20～30岁女性的日常生活、恋爱、职业为题材，风格轻松幽默的小说类型。《BJ单身日记》是其代表作。 ↩

3. R²（决定系数）：表示模型能解释数据变动程度的数值。0表示完全无法解释，1表示能完美解释。在社会科学中，R² 达到0.47就会被视为“相当高的解释力”。作为参考，在社会科学研究中，R²只要超过0.1～0.2，通常就会被视为有意义的结果。 ↩