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。

一眼看懂 / 示意图

推荐与行为形成反馈

系统根据行为推荐内容,新行为再进入后续判断,行为不等于真实意图推荐不是读心:展示与行为会相互影响已有线索看过修车视频筛选排序展示更多相关内容新的反馈观看、跳过或不感兴趣后续判断会使用新的行为信号观看可能出于喜欢,也可能出于质疑、临时需要。相同动作,未必对应相同动机。
  1. 01已有信号

    观看、收藏与内容特征等

  2. 02筛选和排序

    按系统目标选择展示内容

  3. 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。