226-227章：张一明的绝望！（4000字）（1/5）

因为这种算法的运用，不仅仅是推测出你的喜好度，还要推测出你的厌恶度。

这其实很难！

因为你不喜好的会快速划掉，但是不会有过于明显的东西表现出来。

比如你不喜欢奥德彪运香蕉，刷掉了，然后可能后面还有奥德彪送过来。

刷短视频的时间可能很长，如果在两个小时之内，推送了过多次数的奥德彪运香蕉画面，那么客户就会很容易感觉到疲惫。

这种疲惫感是会积累的。

因此，要让这款软件大火，就需要剔除掉客户不想看的视频，同时增加客户想看的视频。

总的来说，就是要精心建立信息茧房！

张一明是做今日头条出身的，新闻类推荐其实也是遵循着同样的算法规则，但是相对来说，要简单一些。

几个大类，按照客户的喜好度大差不差的分类就行。

毕竟今日头条刷一下，就会有十个左右的新闻出来。

客户对于新闻的厌恶度和敏感性，没有一个接着一个刷的视频来得直接。

大差不差就行。

而视频不一样，算法分得要非常细！

在分配流量时，不但有数量上的差异，也有质量上的差异，这就涉及另一个名词：标签。

标签，即用户的身份，具体分为基础标签、偏好标签、潜力标签等。

视频的标签越精准，算法越能知道视频需要什么类别的用户，进而推送相应类别的用户。

基础标签包含用户的性别、年龄、地域等基础信息。

你让一个川渝地区的人，让他看一些粤语区才知道的梗，什么冚家富贵；想搵我笨？食蕉啦你；食塞米等等，他绝对是黑人问号脸。

偏好标签是指用户的兴趣倾向，即看过什么类别的内容、喜欢看什么类别的内容以及喜欢与哪些类别的内容互动。

而潜力标签，是算法根据用户历史行为预估的用户潜力行为，代表用户对什么视频感兴趣等等。

这些内容综合起来，其实就形成了每个人都多达成千上万个的标签！

这标签越多，对于客户的控制就越精准。

到了最后，甚至你都没有大数据对你了解！