看完一段修自行车的视频之后
算法推荐就是平台根据你在站内留下的行为——看过什么、收藏了什么、在哪条内容上停得久——自动猜测你可能感兴趣的内容,再把它们排到你面前。它不需要你开口告诉它喜欢什么,你的每次点击和滑动都在替你说。
小林看完一段修车视频,又收藏了工具清单;小周最近连续看烘焙内容。同一平台根据这些不同的行为信号,分别把更多修车和烘焙内容排到两人的首页。
要注意,系统看到的是"行为",不是"动机"。对小林来说,系统只知道"这个人看了修车视频、收藏了工具清单",至于他是真喜欢修车,还是只想临时把车修好一次,系统只能猜。为了反驳一个观点而反复观看,也可能被当成感兴趣——行为是有用的线索,但线索不等于读心。
推荐与行为形成反馈
- 01已有信号
观看、收藏与内容特征等
- 02筛选和排序
按系统目标选择展示内容
- 03新的行为
继续观看、跳过或明确反馈
新行为会进入后续判断
先选候选,再决定谁靠前
推荐通常分两步走:先粗筛出一批候选,再按预测打分排序。最后结合新鲜度、多样性和“不感兴趣”等条件调整。
排序侧重什么,结果就偏向什么:侧重点击和观看的系统,排在前面的往往是更容易被点开的内容,而不一定是更可靠的内容。
推荐也会改变下一次推荐的依据
系统推来更多修车视频,小林就有更多机会继续看,新的观看记录又可能加强相近推荐。这个反馈过程能使结果越来越集中;加入不同内容、主动反馈等设计也可能打断集中。
因此首页是被筛选过的一部分信息,不是世界的完整样本。