在眼下這個移動互聯網平台興起的時代，各類p相互之間的競爭本質上是一場針對用戶的爭奪大戰。
現在仍舊是移動互聯網開疆拓土的階段，智能手機一年小幾個億地出貨，用戶的整體規模遠遠未達到飽和，因而各類新興平台層出不窮，都能夠混到一口飯吃。
但孟繁岐很清楚，好景不長，這樣野蠻生長的日子持續不了幾年，待到101novel.com年左右，智能手機就已經差不多徹底下沉到底了。
移動互聯網因而從增量市場轉向存量市場，也就是所謂的寒冬，用戶人數基本封頂，各類p之間的博弈因而變得越發血腥起來，相互爭奪已經定型的蛋糕份額。
對於當時輾轉於各大廠的普通打工仔孟繁岐來說，最直觀的感觸就是工作越來越難找了，崗位變少、待遇變差。
各個頭部p的策略逐漸由怎麼獲得儘可能多的用戶，轉變為怎麼儘可能地讓用戶多多使用我的p，想儘一切辦法要讓用戶【上癮】。
背後的邏輯也不難理解，你的時間全都用來看我的p了，留給其他p的時間自然就少了不是？
畢竟打工人一天下來其實也沒有幾個小時真的是自己的。
嘴上說著【防沉迷】，但實際上，巴不得你永遠沉迷在裡麵，成為互聯網公司利潤的一部分。
那麼最核心的問題就來了，到底怎麼才能夠讓用戶沉迷其中無法自拔呢？
那就得讓用戶看他想看的，不僅你的平台上要有，你還得讓他看到才行。
不僅要讓他看到，最好還得讓他不用動腦不用搜索就能夠看到，否則怎麼算得上是【奶頭樂】呢？
若想做到這件事，推薦係統的作用就至關重要。
這東西說得冠冕堂皇一點，叫做【提升用戶體驗】。其能夠節省用戶搜索和瀏覽的時間，平台可以借此展示更多的內容，吸引用戶停留瀏覽。合理更有價值的廣告，進一步提升盈利能力。
說得直白一點呢，就是希望用戶看當前視頻和看下一個視頻之間的間隔時間儘可能的短。
用戶看完一個視頻轉向下一個的時候，需要的操作越簡單越好，或者乾脆什麼操作也不需要，最好連半秒鐘的空檔期也不要有，如果可以的話連三餐也彆去吃，一天一頓夠了。
用戶們刷完一個視頻就刷下一個，刷完這一類就看下一類，不知不覺就刷完了一整天。
早晨起來吃完早飯，八點半想看一個視頻放鬆一下，結果一路刷了上百個，等到回過神來已經下午一點了。
這就是推薦係統希望達成的效果。
不需要用戶去搜索尋找自己感興趣的內容，而是源源不斷地喂食給用戶。
這樣的p使用起來當然是倍感輕鬆，內容都很有趣，不知不覺就會上癮，從而在平台的競爭當中輕鬆取勝。
“如今的短視頻用戶還算是非常有耐心的，幾條不行還願意多刷個幾條看看，等再過個幾年，用戶打開p，劃個兩三下，看不到喜歡的內容就會馬上關掉應用，再也不會想起。”推薦係統並非孟繁岐的主業，之所以會抽空去做，是因為這東西對已經開始涉足短視頻領域的視界公司來說實在太過重要。
這目前還屬於是ai視界的內部情報，外界現在的關注點暫時都還是ai視界各種花裡胡哨的圖像處理技術，還沒有注意到隱藏在其後的優質推薦機製。
畢竟孟繁岐從來不發也不寫推薦算法相關的論文。
“所以這才是你們為什麼隻做單屏單視頻顯示？因為對自己的推薦內容有足夠的信心，確信推薦的視頻用戶大概率會滿意。”張一名恍然大悟，手機的屏幕大小有限，如果單個屏幕界麵顯示的視頻數量多了，每一個視頻占據的麵積勢必就會小。
原本就不大的幾寸屏幕上再去分六七個，那麼小點的圖案和文字，用戶看都看不大分明，體驗非常不好。
“單屏幕單個視頻，那就可以省去用戶一次選擇和點擊的操作直接開始播放視頻，到了這個階段，每一步的操作都很難繼續省略優化了。但是這樣也有一個問題，如果你推的視頻連續幾次都是用戶不喜歡的，其體驗感也會大大降低。對比起來的話，單屏n個視頻，就能擴大n倍的可能。”張一名抓重點的能力非常之強。
“單屏多個視頻對於長視頻或許還算合理，放在短視頻上是完全不行的。對於長視頻來說，每一次都可能需要耗費五到二十分鐘，用戶一個小時可能也隻需要選擇次，這個頻率還可以接受。但短視頻的黃金時長是15到45秒，如果不能做到很好的推薦，用戶每分鐘都要進行兩次選擇，疲倦感會非常強的。”孟繁岐知道張一名抓住了重點，但他完全不支持單屏n個視頻去放大n倍可能的方式。
“要知道我們現在的打工人們，連中午吃什麼都是世紀難題，選擇其實是非常困難的一件事。”
企鵝係的副總曾公開說短視頻是豬食，考慮到那時候企鵝係微視被抖音快手暴打，這話裡有不少惱羞成怒，得不到我就罵的成分。但從某種程度上，豬食這話雖然不好聽，卻也說出了短視頻的一部分特性。
本小章還未完，請點擊下一頁後麵精彩內容！
那就是很多用戶看短視頻就是來放鬆享樂的，你視頻這麼短，每次都推六七個讓用戶選，一小時讓人選一百多次，誰能受得了啊？短視頻就像是小白文，很多時候用戶不想帶腦子來看。
“單屏單視頻自動播放，可以做到每個短視頻之間的無縫銜接。不過這樣操作的話，推薦質量就相當重要了，因此我才說推薦係統算法的技術是重中之重。若非多次驗證了效果，我們也沒有那個膽子敢應用這種模式不是。”孟繁岐因為深知短視頻平台的體量，在現階段是做了大量對比測試的。
常見的推薦算法粗分的話大致可以分為三類基於內容的推薦算法，協同過濾推薦算法和混合推薦算法。
第一種，基於內容的推薦算法，原理是根據用戶喜歡的和關注過的內容，推薦類似的視頻給用戶。比如電影的續集，同一作者的其他作品等。這些視頻在內容上有較大的關聯，稱之為基於內容的辦法。
第二種，協同過濾，則是通過不同用戶之間的相似性。如果有幾十個用戶，他們關注和感興趣的內容特彆相似，重合度很高，比如達到8成。那麼推薦算法就會把2成不重合的那一部分，抽出來推薦給圈內的其他人看看。
因為興趣太過相似，一個用戶感興趣的東西，很可能在這個圈子當中其他人也會感興趣，這是個相當合理的推測，類似於圈內好友推薦。
有時候，大家猛地發現，前幾天才和朋友談論過的東西，怎麼今天就出現在我的推薦裡麵了？細思極恐，我是不是被監聽了？