“目前市面上所有的内容平台都是用户主动找内容，我们做的是内容主动找用户。”

    “两种模式的体验完全不同。”

    “一旦用户在推荐引擎上养成了使用习惯，再回到主动搜索的模式就会觉得低效。”

    “这就是壁垒。”

    “那第一步谁来牵头？”

    “寻知那边现在有程雪在做内容运营，她对社区内容的调性和用户喜好很熟。”

    “技术方面可以让王一凡先评估一下推荐算法的底层框架，之前在反作弊引擎里积累的机器学习经验有一部分可以复用。”

    “尤其是在数据清洗和特征维度设计上。”

    “寻知网目前的用户数据量也够跑训练模型的初始版本。”

    赵圆圆在白板上写着方案，想了想又补充了一句。

    “还有一个人也可以用，孟宇，他是做入侵检测出身，对异常行为模式很敏感，反过来也一样能做好正常行为模式的识别。”

    “推荐系统本质上就是对用户正常兴趣模式的识别和预测。”

    “那就这么定。”

    “赵组长牵头整体节奏，程雪负责内容侧的梳理，王一凡和孟宇负责算法框架，先从寻知网的猜你喜欢试起来。”

    “试运行的周期先定一个月，一个月之后看数据再定下一步。”

    陈景把马克笔搁回白板下面的凹槽里，转过身看着会议室里的人。

    “今天把大家留下来，不只是因为云川科技搬到了对面。”

    “我们不用太关注郑云川在做什么，但我们不能因为他来了就停下来。”

    “郑云川现在模仿的是登峰的过去，我们要做的是登峰的未来。”

    “现在市面上所有的内容平台，寻知也好，微博也好，贴吧也好，内容的呈现方式只有两种。”

    “一种是按时间排序，一种是按热度排序。”

    “这两种方式的本质都是用户主动去找内容。”

    “你打开APP，先想好要搜什么，或者在关注列表里刷新，信息是被动展示的。”

    “给你什么看什么，不喜欢就往下划。”

    “但如果反过来呢。”

    “不是用户去找内容，而是内容主动去找用户。”

    “系统记录你在平台上的每一次点击、每一次搜索、每一次停留时间。”

    “然后分析出你的兴趣偏好。”

    “你是什么类型的人，你喜欢看什么，你会在什么时间段看。”

    “这些全部被量化成数据。”

    “然后系统把成千上万条内容跟你的兴趣做精准匹配，推到你面前的不再是所有人看一样的首页，而是属于你自己的个性化信息流。”

    “每个人打开的首页都不一样，但每个人看到的都是自己想看的东西。”

    周小军先开口了，语气里带着一种我好像听懂了但又不太确定的谨慎。

    “你是说，像寻知现在的首页，所有人打开看到的都是同一个页面、同一批热门帖子。”

    “如果换成你说的那种方式，每个人打开寻知看到的都是不同的首页，每个首页都是为他个人量身定制的？”

    “对。”

    陈景用马克笔在内容推荐旁边又画了一个方框，写上【千人千面】。

    “张三喜欢看科技和游戏，他的首页就全是科技评测和游戏攻略。”

    “李四喜欢看娱乐八卦和美食分享，他的首页就全是明星动态和菜谱。”

    “王五只看情感故事和宠物视频，那他永远不会在首页上看到他不感兴趣的编程教程。”

    “每个人看到的都是自己最想看的东西，所以每个人都会留下来。”

    王一凡把咖啡杯搁在桌上，杯底碰着桌面发出一声轻响。

    他脑子很快就转了过来。

    “从技术角度看，这套系统的核心是一个混合推荐引擎，至少需要三层架构。”

    “第一层，协同过滤，分析大量用户的行为数据，找出偏好相似的用户群体，甲和乙都喜欢A和B，那甲喜欢的C也可以推给乙。”

    “第二层，内容标签，把每一条内容都打上多维度的标签，主题、长度、阅读难度、情绪倾向，机器自动标注加人工校验。”

    “第三层，实时排序，根据用户实时的反馈行为，秒级调整推荐序列，你刚点开一篇游戏攻略，下一秒你的首页上游戏相关的内容就多了一点。”

    他说完停了片刻，微微皱眉。

    “但这套系统对算力的要求很高。”

    “登峰目前的服务器集群还撑不起这么大规模的实时计算。”

    “光是协同过滤的矩阵运算，在千万级用户规模下就会把我们现在