你以为推荐系统技术只会猜你喜欢？它背地里算的账比你家会计还细

上周在南京软件大道的鸭血粉丝店，碰到个前同事。

他刚加完班，头发翘得像鸡窝，碗里的鸭肝夹了三次都没夹稳。说最近组里在调推荐系统的参数，老板要求把用户平均停留时长再提5%，整个组熬了三个大夜，结果上线第一天，日活掉了2%——因为大家刷到的内容全是之前看过的，腻了。

我当时就笑了。

这场景我熟。

刚入行做推荐的时候，我也以为这东西简单，不就是记着用户喜欢啥，往他面前堆就完了？结果第一次上线功能，就把一个刚搜过“临期猫粮”的用户，连续推了一周的高端宠物保险，人家直接把APP卸了。

那天我蹲在机房门口啃黄焖鸡，南京梅雨季的雨飘进来打湿了半张裤腿，我看着后台的流失数据，差点把汤喷在键盘上。

你以为的“懂你”，其实只是系统的第一道开胃菜

很多人对推荐系统技术的认知，停留在“我搜过啥，它就给我推啥”。

错得离谱。

真的。

它从一开始就不是为了当你肚子里的蛔虫做的。整个系统跑起来，像个超大的漏斗——最上面那层，是从平台上几亿条视频、商品、帖子里，先飞快捞出来几百个可能对你胃口的内容，这步叫召回。

这步快到什么程度？

慢200毫秒，用户可能就切去别的APP了。

我之前算过，召回环节哪怕多花0.2秒，整个平台的次日留存能掉1.2个百分点，换算成营收，够给软件大道所有写字楼的人买一个月的鸭血粉丝。

捞出来这几百个候选之后，系统才开始挨个“打分”：这个内容你会不会点？点了会不会看完？看完会不会点赞？会不会买里面挂的链接？每个维度算个分，从高到低排好序。

排完序还不算完。

最后还有一步重排。

不能让你连刷五个一模一样的猫视频，哪怕你再喜欢猫，刷到第三个也会腻。系统会故意在里面插点别的——可能是个讲烘焙的，可能是个新博主发的徒步内容，甚至可能是个你从来没接触过的手工视频。

为啥？

怕你走啊。

很多人觉得这步重排是平台故意“恶心”你，其实真不是。我之前见过最极端的测试，把重排环节全关了，让系统按分数从高到低硬推，结果用户平均停留时长只涨了10分钟，但是三天后的留存掉了8%——大家刷两天就看腻了，直接卸载。

你看，系统算的账，比你想的细多了。

那些没人明说的逻辑，全是三方拉扯出来的平衡

说实话，之前我刚入行的时候，总觉得推荐系统的目标就是“让用户看到最喜欢的内容”。

干了两年才明白，哪有那么纯粹。

它要平衡的东西太多了：用户想看到不腻、有意思的内容，内容创作者想让自己的作品被更多人看到，平台想赚广告的钱，还要保证内容池不会被头部大博主垄断，不然新创作者进不来，时间长了大家看的东西都一样，谁还来啊。

举个最常见的例子。

你经常看美食视频，系统不会一直给你推那些几十万赞的头部博主的菜。它会隔三差五给你推几个粉丝只有几千的新博主的家常菜。你可能觉得这内容拍得一般，甚至有点糊，但系统得给新人生存空间啊——不然大家都去做大博主，谁还愿意写新东西？

还有广告的逻辑。

你刷到一个卖洗衣液的广告，划走了。系统不会马上再给你推第二个一模一样的。它会算你对这个品类的耐受度：同一个广告给你推超过三次，你可能就会骂“怎么老给我推这个”，甚至直接开会员免广告，那平台亏死。

我之前跟朋友吐槽，说这逻辑跟超市结账台摆口香糖一模一样。你本来不想买，排队等结账的时候瞟到了，顺手就拿了。推荐系统就是把这堆口香糖，悄悄混在你刷的视频流里，让你没那么反感。

哦对，还有大促的时候。

系统会故意把优惠券、满减活动的内容，混在你平时看的内容里。哪怕你根本没打算买东西，它也会隔三条给你插一张。就跟你本来只是去超市买瓶水，结果出来拎了一袋子零食一个道理。

被吹上天的推荐系统技术，其实根本没那么神

现在网上总有人说，推荐系统能读心，能预测你未来的行为，甚至能操控你的想法。

扯呢。

真的太扯了。

它所有的判断，全是基于概率。

举个我身边的真事。

我同事，一个180的大男生，上次帮他女朋友搜“女士牛仔裤尺码”，结果接下来半个月，他的APP首页全是女装、化妆品、甚至产后修复的广告。他每次刷都要骂一句，骂完还得接着看——因为系统不知道他是帮别人搜的，只知道他搜过这个关键词，就默认他有需求。

还有更尴尬的。

我上次帮我妈搜了个治颈椎的膏药，我自己的号连着一周收到老年大学的招生推送。我才30岁啊，我上什么老年大学？

你看，系统根本不知道你点这个内容是为啥。

你点进一个“如何快速搞砸一段亲密关系”的视频，不是因为你想搞砸，是你好奇想看看反例。系统不管，它只算到你在这个视频上停留了30秒，就觉得你对情感类内容感兴趣，转头就给你推一堆心理咨询、情感挽回的广告。

之前网上吵得很凶的“信息茧房”，说推荐系统把人困在自己的小世界里。其实哪是系统的问题啊。你每次刷到不感兴趣的内容，直接划走，系统下次就不给你推了。但如果你每次都停下来，对着不喜欢的内容骂两句，哪怕你根本不认同，系统也会觉得你感兴趣，给你推更多——毕竟停留时长在那摆着。

我那个朋友就是这样。他特别讨厌某个流量明星，每次刷到相关的短视频都要停下来看两分钟，骂完才划走。结果系统给他推了整整一年这个明星的内容，他每次刷都生气，生气就看，看了就更生气，形成死循环。

还有人说现在大模型上推荐，是要把整个系统都换掉，降维打击。

真的想多了。

大模型是聪明，但是它太慢，太贵了。你想啊，几亿条内容，要挨个过一遍大模型的推理，那个成本能高到把平台赚的钱全赔进去。现在的玩法，都是用大模型先把内容的标签给打好，剩下的召回、排序、重排，还是用原来的逻辑跑。我之前认识个创业的，非要全链路用大模型做推荐，上线第一个月，服务器成本涨了四倍，收入没见涨多少，老板差点把技术总监开了。

其实推荐系统技术从来不是什么黑科技。

它就是一群在写字楼里熬大夜的工程师，在用户、创作者、平台的三方拉扯里，算出来的一个个最不坏的选择。

没有什么读心术。

你刷到的每一条让你停不下来的视频，每一个让你忍不住下单的小玩意，背后都只是一堆代码在猜：你下一秒，愿意多停几秒钟。

哦对，下次你再刷到让你烦的内容。

别骂算法。

直接划走。

真的。

它下次就知道了。