看完一段修自行车的视频之后
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。同一平台可以根据这些不同信号，分别把更多修车和烘焙内容排到两人的首页。
系统并不知道小林是真喜欢修车，还是只想临时修好一次车。它把观看、收藏等可观察行为当线索，估计什么内容可能符合某个目标。线索有用，却可能误解动机：为了反驳而反复观看，也可能被当成感兴趣。
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；示意不代表每个平台采用同一种算法。
先选候选，再决定谁靠前
一种常见做法是先从海量内容中找出一批可能相关的候选，再根据预测结果评分排序，最后结合新鲜度、多样性和“不感兴趣”等条件调整。不是每次都把所有内容逐条完整算一遍，也不一定只用一个模型。
排序目标会影响结果。若侧重点击、观看或购买等行为，系统优化的就未必是事实准确度或长期满意度。文章被推荐得多，与观点已经被证明正确，没有必然对应关系。
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。看到相关广告或内容，也不能仅凭巧合就断言平台一定偷听了谈话，还需要具体证据判断数据来源。