你刷到的都是套路？聊聊你天天用的推荐系统技术

昨天晚上躺床刷短视频，本来只想刷十分钟就睡，抬头一看手机时间，三个小时过去了。你有没有过这种体验？

手指划一下，下一个内容永远踩在你的喜好上，你根本停不下来。这背后站着的，就是今天要聊的东西。

你以为你在选内容，其实是推荐在选你看

十年前逛电商，想买个吹风机，得自己从分类点进去，小家电→个护→吹风机，翻个几十页慢慢挑。那时候平台商品少，这么做没问题。后来呢？一个平台光吹风机就有上万个SKU，用户哪来的功夫翻？

推荐系统技术就是这么被逼出来的。本质就是一句话：帮你在堆成山的内容和商品里，提前挑出你大概率会喜欢的，直接放你眼前。

很多人觉得，推荐不就是我搜什么就给我推什么吗？这是最笨的办法，早就淘汰了。你搜一次婚纱照，难不成给你推三年？谁受得了啊。

现在的推荐，早就能从你所有蛛丝马迹里挖你的喜好了。你停留三秒还是三分钟，你点不点关注，你转发给谁，甚至你会不会看完，每一个动作都算数。

普通人也能看懂的推荐核心逻辑

现在推荐流派很多，说穿了最常用的就两类，一说就懂。

第一类叫协同过滤，翻译成人话就是“找跟你口味一样的人，把他们喜欢的推给你”。你喜欢喝冰美式，每周都买健身装备，朋友圈经常晒猫，系统一扒，发现三千个跟你行为一模一样的人，里面百分之八十都买了某款陶瓷猫碗，你从来没搜过，那系统也会推给你，大概率你会喜欢。

第二类是基于内容的推荐，更简单了。你点了十个橘猫视频，每个都看完还点赞，系统就知道你喜欢橘猫，就一直给你推橘猫。你点了三个露营推车，就给你推更多露营装备。

现在大公司都用深度学习做推荐了，把这两种方法揉在一起，还加了一堆其他特征，准得吓人。不过话说回来，算法再高大上，落地的时候全是磨人的细节。

举个例子，行为权重怎么调？你昨天搜了机票，这个行为权重肯定要给很高，你去年搜过一次婚纱，这个权重就得慢慢降成零，不然给你推一年婚纱，你不骂娘才怪。很多刚入行的工程师，就是这里调不好，做出来的推荐特别蠢，用户体验烂得不行。

大家对推荐系统技术的误解，太深了

第一个误解，都说信息茧房全是推荐的错。真的吗？

我之前待的项目组，为了破茧房，硬给用户塞百分之十的跨领域内容，你喜欢看三农，就给你塞点科技新闻，你喜欢看足球，就给你塞点美妆视频。结果呢？用户点击率直接掉了十八个点，评论区全是骂“现在什么垃圾内容，越来越不好用”，最后产品经理只能灰溜溜改回去。

说实话，大部分时候，不是推荐把你关起来，是你自己就不想看不一样的。你不点，算法当然不敢给你推，KPI压着，它要的就是点击率留存率，它错得起吗？

第二个误解，说推荐算法杀熟，老用户买东西更贵。这个锅推荐真不背。杀熟是运营做的价格差异化策略，推荐只是把那个贵的商品展示给你而已，算法本身不负责定价格。

第三个误区，很多小老板一上来就要做顶级推荐算法，招好几个算法博士，买几十万的算力，结果自己平台总共才几千个用户，几百个商品，用个最简单的协同过滤都浪费，还不如让运营手动把热门商品放首页，效果更好。钱全打了水漂。

推荐系统技术是有边界的，它得有足够多的用户，足够多的内容，才能算出准的结果。总共没多少东西，玩什么花活？

现在推荐早就不止用在短视频和电商了。医院的AI辅助诊断，给医生推可能的病症，是推荐。招聘网站给你推合适的岗位，是推荐。连锁书店给每家门店配货，算这家店附近的读者喜欢什么书，也是推荐。它早就渗到各行各业里了。

但不可否认不对，哦不说这个，就是它确实也带来了很多问题。比如刚才说的，准得让人害怕，你刚跟朋友聊完想换车，转脸打开手机就看到车的广告，你第一反应是“它偷听我说话了？”大部分时候真不是偷听，就是你的所有行为加起来，算法算出来你最近要买车了，就是这么准，准到让人发毛。

你的所有喜好，所有消费能力，所有隐藏的需求，算法比你身边最亲的人摸得还清楚。这种感觉，真的不好受。

说来说去，推荐就是个工具。它解决了信息太多人选不过来的问题，给你省了时间，让你能快速找到自己想要的。但代价就是，你会慢慢被困在自己的喜好里，隐私换了便利，谁也躲不开。

哦对了，你能看到这篇文章，本身也是推荐算法算出来的结果。它觉得你会对这个内容感兴趣，才推给你的。你说，它这次算对了吗？