從你看的內容，就能看出你的性格。

前言

各位訂閱者，請花一點時間回想一下自己的書架。有人可能塞滿了奇幻小說，也有人整排都是自我成長書籍。但如果那面書架就是你的性格指紋呢？

實際上，有一項研究分析了超過六萬人的數據，科學地證明了這一點。結果顯示，喜愛的書籍類型和標籤最多可以預測性格的 47%。而這個原理，正是 Netflix 現在向你推薦內容的那套演算法的運作方式。

今天，我們來拆解「品味」這個詞背後隱藏的結構。

衡量性格的兩種語言：MBTI 與 Big Five

要理解這個話題，首先得知道性格是怎麼被量化的。

在韓國，MBTI 幾乎是通用語言。「我是 INFP，所以喜歡奇幻」這種話，你大概聽過不少。但學術界其實更常用 Big Five（OCEAN）¹ 這個模型。

簡單類比一下：如果 MBTI 是 16 個房間，那 Big Five 就是 5 個音量旋鈕。MBTI 像拿刀切一樣說「你是外向的，還是內向的」，而 Big Five 則用連續光譜來看，說「你的外向性是 100 分滿分中的 72 分」。因此，它是在職業表現、健康、人際關係等預測上經過數十年反覆驗證的模型。

當然，這不代表 MBTI 不好。人與人對話時，說「我是 ENFP」比說「我外向性 72、開放性 85」直覺多了。只是學術精確度上，它們是不同的工具，需要區分看待。有人可能會問：MBTI 有 16 種，Big Five 只有 5 種，不是比較少嗎？嗯，光看數字確實如此，但 Big Five 加上兩端和中間值，最少也有 10～15 種組合，所以說多說少都差不多。總之，請帶著稍微開放的心態來讀吧！

六萬人的數據告訴我們什麼

好，現在進入正題。Ng Annalyn 研究團隊在 IEEE Transactions on Affective Computing 上發表了一篇論文。這項研究透過 Facebook 的 myPersonality 應用程式收集了 61,662 名使用者的數據，並從全球最大的閱讀社群 Goodreads 取得了 24,091 個標籤和 479 本書的數據。僅標籤的總使用次數就超過 1 億 9,300 萬次。

既有研究最多只分析到 81 個類型層級。「奇幻」這個大類裡其實包含黑暗奇幻、都市奇幻、高奇幻等數十種細分，但都被籠統地歸為一類。而這項研究則利用使用者自己貼上的 2 萬 4 千個標籤，捕捉到更精細的品味紋理。

性格 × 閱讀品味：五個發現

按性格維度整理結果如下。

外向性：外向的人喜歡人際關係、Chick Lit²、回憶錄等「人的故事」。 內向的人則偏好奇幻、科幻、漫畫——這些能讓人逃進想像世界的類型。

宜人度：宜人度高的讀者喜歡基督教經典、家庭故事、兒童文學。 相反地，宜人度低的讀者則享受心理劇或邪典經典（cult classic）這類帶有扭曲視角的作品。

開放性：這是本研究中最具預測力的維度。R² 為 0.47³——意即僅憑閱讀品味就能解釋一個人開放性變異的 47%。在社會科學中，這已經算相當高的解釋力了。開放性高的人偏好哲學小說、大學通識書，開放性低的人則偏好輕奇幻等輕鬆類型。

神經質：情緒較不穩定的讀者喜歡結局悲傷的書或心理健康相關書籍。 有趣的是，「美觀封面」這個標籤也出現了關聯，但由於性別這個干擾變數的存在，解讀時需要謹慎。相反地，情緒穩定的讀者偏好自我成長書籍或科技類書籍。

盡責性：盡責性高的讀者喜歡專業閱讀、商業、歷史類書籍，盡責性較低的讀者則偏好幽默或青少年小說。

「待讀書單」這個行為標籤

這項研究中有一個特別值得注意的發現。「back-burner」這個標籤——意思是「之後再讀的書」——與開放性的相關係數為 0.28，是所有標籤中關聯最高的。也就是說，開放性高的人有傾向收集大量想讀的書。

這是首次發現性格不僅反映在類型偏好上，也反映在閱讀「行為」本身。既有研究只看了「讀什麼」，沒有捕捉到「怎麼讀」。

這個發現為什麼重要：AI 推薦的運作原理

再往前邁一步。你知道 Netflix 是怎麼分類內容的嗎？不是簡單地分成「浪漫」或「動作」。根據 2014 年 The Atlantic 的調查，Netflix 當時運用了 76,897 個微類型（altgenre）。細分到「適合雨天觀看的英國時代劇浪漫片」這種程度。

這與前面提到的研究使用 2 萬 4 千個標籤本質上是同一種方法。用類型籠統歸類會遺漏的品味紋理，用精細標籤來捕捉。據說 Netflix 上 80% 以上的觀看內容都來自這種推薦演算法。

Netflix 不會官方聲明「我們正在掌握你的性格」。但用超過 7 萬個微類型來分類品味，本質上就是在建立性格檔案。

還有一項研究支持這個觀點。2015 年，劍橋大學 Wu Youyou 研究團隊在 PNAS 上發表論文，分析了 86,220 人的 Facebook 按讚數據，結果顯示電腦僅憑 70 個按讚就能比朋友更準確地預測性格，150 個按讚比家人更準確，300 個按讚則接近配偶的準確度。

在韓國的語境下，這變得更加重要。根據文化體育觀光部 2025 年國民閱讀現狀調查，成人整體閱讀率為 38.5%，創歷史新低。但 20 歲族群是唯一小幅上升至 75.3% 的群體。更值得注意的是，20 歲族群的電子書閱讀率為 59.4%，大幅超越紙本書（45.1%）。

在電子書平台上，讀了什麼、在哪裡停下來、讀多快，全部都會累積成數據。這是紙本書做不到的。隨著數位閱讀的加速，這個演算法解讀我們品味——最終也就是性格——的精確度只會越來越高。

Oz 的視角

老實說，看到這項研究結果時，我腦中交織著兩種想法。一種是健康的驚嘆。「待讀書單」這種行為標籤都能反映性格，這意味著我們消費內容的方式本身就是一種性格簽名（signature）。從數據分析的經驗來看，R² 0.47 在單一變數模型中已經相當令人印象深刻。

另一種是結構性的憂慮。在制定經營策略時，我反覆看到一個模式：當企業說「我們理解使用者」時，那個「理解」的目的幾乎總是轉換率（conversion）。Netflix 的 76,897 個微類型既是改善使用者體驗的工具，也是降低流失率的設計。Netflix 估算推薦引擎每年防止了超過 10 億美元的訂閱流失，這說明了問題。

問題在於，在這個結構中，使用者並不知道自己正在被建立檔案。「品味推薦」這個友善的名稱背後，實際上正在進行性格數據的收集。隨著韓國 20 歲族群越來越轉向電子書平台，這種不對稱只會越來越大。

而且就個人而言，我感覺國內各種讀書聚會服務，如 Trebary、Hitch 等，未來的方向可能也正是如此。不只是參加過一兩次聚會的人，那裡會累積大量書籍和每個人各自的標籤，以此為基礎來推薦性格類型和品味，甚至進一步推薦廣告、內容、商品等，這難道不是一個巨大的商業機會嗎？

結語

這項研究告訴我們，閱讀品味是性格的鏡子。尤其在開放性維度上，R² 0.47 意味著，只要看你被什麼書吸引，就能讀出性格的近一半。而標籤比類型包含更豐富的資訊——甚至「待讀書單」這種行為標籤也在反映性格。AI 推薦演算法已經在這個原理上運作了。Netflix 的 7 萬個微類型就是證據。

最後再拋出一個問題。如果閱讀品味反映性格，那反過來，如果去讀平時不會讀的類型，性格會不會有那麼一點改變呢？實際上，Djikic 等人的研究（2009）也發現，閱讀小說會對性格特徵的自我報告產生顯著變化。雖然因果關係尚未完全證實，但這是一個相當有趣的可能性。

下次選書的時候，何不有意識地伸手去拿一個平時不會碰的書架上的書呢？那可能是走出演算法推薦的第一步。

覺得有幫助嗎？分享給更多人

複製連結XLinkedInThreadsKakaoTalk네이버 밴드

參考資料 & 延伸閱讀

• 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. : 本期電子報的核心依據。特別是 Fig.2 中各性格維度的高頻標籤視覺化非常直觀。
• 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. : 基於 Facebook 按讚的性格預測研究。AI 比朋友更準確地猜出性格的結果就在其中。
• 文化體育觀光部, “2025年國民閱讀現狀調查”, 2025. : 成人閱讀率 38.5%（歷史新低）和 20 歲族群的反彈（75.3%）是核心重點。
• Alexis C. Madrigal, “How Netflix Reverse Engineered Hollywood”, The Atlantic, 2014. : 解剖 Netflix 76,897 個微類型結構的文章。理解推薦演算法運作方式必備。
• 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. : 實驗研究閱讀小說對性格特徵影響的研究。

作者 安光涉（Oswarld） 現任世宗大學兼任教授，INLEVEL9 策略顧問。職涯經歷、研究、著作與近期活動會持續更新在作者介紹。 最新動態 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

각주

1. Big Five（OCEAN）：心理學中衡量性格的五個維度。開放性（Openness）、盡責性（Conscientiousness）、外向性（Extraversion）、宜人度（Agreeableness）、神經質（Neuroticism）的首字母組合成 OCEAN。不像 MBTI 那樣劃分類型，而是將每個維度以 0～100 的分數表示的連續型模型。 ↩

2. Chick Lit：以輕鬆幽默的方式描寫 20～30 歲女性日常生活、戀愛、職涯的小說類型。《BJ 單身日記》是代表作。 ↩

3. R²（決定係數）：表示模型能解釋數據變異程度的數值。0 代表完全無法解釋，1 代表完美解釋。在社會科學中，R² 0.47 可視為「相當高的解釋力」。參考：社會科學研究中 R² 只要超過 0.1～0.2 就常被視為有意義的結果。 ↩