你刷停不下来的秘密：拆解日常里的推荐系统技术

昨天蹲马桶刷外卖APP，滑了十分钟没决定吃什么。最后点的那家，就是推荐页第三行的。

你今天刷的短视频，逛的电商，看的公众号，哪一样离得开它？很多人骂它让你沉迷，很多公司靠它赚得盆满钵满，可大半人都说不清楚，这推荐系统技术到底是个什么鬼？

推荐系统技术到底在解决什么问题

前几年我在电商团队蹲点的时候，碰过一件事。运营刚盘了三车新到的晴王葡萄，想推给用户，原来的老规则是按销量排序，新葡萄哪卖得过卖了一个月的老品？上架三天没卖出去一百箱，最后坏了小半车，拉去填埋了。

那时候我就明白，推荐系统解决的根本不是“把最好的东西给用户”。这件事，说穿了就是解决信息过载的匹配问题。

平台养着千万级甚至亿级的商品内容，你总不可能一个个翻，翻三个小时你就走了，再也不来了。推荐就是帮你筛，帮你把你可能会要的，提前放到你眼皮子底下。

你没时间找，平台有太多东西放着没人看，一边找不着，一边卖不出，推荐系统就是中间那个牵线的。

普通人摸得到但看不懂的核心逻辑

说个大部分人能听懂的核心逻辑，现在市面上用得最多的两种思路，说穿了都不复杂。

一种叫协同过滤，说白了就是“找同类”。你点赞了三个英短拆家的视频，收藏了两篇猫疫苗攻略，系统就会从几十万用户里揪出一百个跟你行为偏好一模一样的人，这些人最近还点赞了什么？把这些内容扒出来推给你，准头差不了。

另一种更简单，叫基于内容的推荐，给所有内容打满标签，猫就是猫，疫苗就是疫苗，清淡餐就是清淡餐，你看了猫，就给你推所有带猫标签的内容，不会错到哪去。

现在吹得火的大模型改造推荐系统，说白了就是把这两种思路捏得更紧，能读懂你说“我想吃点清淡的”到底是想喝养生清粥还是想减肥吃水煮沙拉，比以前硬打标签准一点，但根儿上的逻辑没变。

说实话，我之前跟产品经理撕过一次。他要我把推荐的点击率提两个点，我就说，那得留一部分流量推点用户没碰过的新内容，不能全按着用户已有的喜好死命喂。他不听，说KPI卡死了，下个月完不成整个组都要走人。我按他说的改了，点击率确实涨了三个点，结果三个月后，用户七天留存掉了十个百分点，好多人来了一次再也不来了。

很多人觉得推荐系统技术有多神秘，说白了就是给业务打工的工具，老板要什么，它就变成什么样子。

被吹得神乎其神，其实天生带破洞

很多人对推荐系统技术的误解，太深了。

第一个误区，觉得推荐系统越准越好。准到你所有看到的内容全都是你已经喜欢的，那不出半年，你的世界就只剩下你已经知道的东西。你喜欢甜豆腐脑，给你推全是甜豆腐脑的好，你连咸豆腐脑存在都不知道，有意思吗？你支持一个观点，给你推全是支持这个观点的内容，你连不一样的声音都听不到，这就是大家说的信息茧房，不是技术天生就坏，是所有人都默认“准就是好”，逼出来的结果。

第二个误区，大模型来了，推荐系统就完美了。大模型确实能读懂更多隐含的语义，能贴合你当下的情绪推内容，可它也会过度讨好。你随口发了一条动态说“我要开始减肥了”，它接下来半个月给你推全是水煮菜和健身服，根本不会知道你其实就是发个朋友圈装一下，转头就想找火锅优惠券。

推荐系统从诞生那天起，就绕不开「探索」和「榨取」的平衡——榨取你已知的喜好，点击率涨得快但用户迟早会腻；探索未知的可能，能给你惊喜，但容易掉短期数据，没人愿意担这个责任。

不过话说回来，也不能全怪技术。现在所有平台的考核都盯着短期的点击率停留时长，换你做技术，你敢冒着手掉KPI的风险给用户推未知的内容吗？大部分人都不敢。

推荐系统技术也不全是坏的，你别一竿子打死。你去医院挂号，它给你推荐对应你症状的医生，省得你对着几十个医生名字瞎蒙，省不少时间。你楼下的生鲜平台，给你推你常买的鲜奶，提醒你该补货了，也挺贴心。就连我现在看的小说APP，推荐给我的几本推理，都刚好踩在我的口味上，省了我到处找书的功夫。

我上次无聊，故意点了好几个我平时根本不会看的中老年养生内容，你猜怎么着？接下来一周我的推荐页全是枸杞泡脚和降压偏方，笑死人了。其实反过来想，我们也能玩它啊。

偶尔点个你从来不会碰的内容，破一破它给你画的圈，指不定就能撞见什么惊喜。毕竟，最有意思的东西，从来都不是你已经喜欢的那些。对不对？