第1822章你是說，個性化過度了？
第1822章你是說，個性化過度了？(第1/2頁)
第1822章你是說，個性化過度了？
方案定下來了。
接下來一個月，團隊投入個性化排序的開發。
技術上比分布式索引更複雜，需要建立用戶行為模型，需要實時計算偏好，還要保證不影響搜索速度。
但團隊熱情很高。
這是前沿技術，國內外都還冇成熟產品。
如果能做成，某度將在技術上領先一大步。
開發過程中，賈瀞雯每周和陳浩通話彙報進展。
“匿名化處理做得怎麼樣？”陳浩在電話裡問。
“技術團隊設計了雙重加密方案。”賈瀞雯說，“用戶行為數據先脫敏，再加密。
存儲服務器和業務服務器物理隔離，訪問需要多重授權。”
“用戶教育呢？”
“我們做了詳細的幫助頁麵，解釋個性化功能是什麼，需要什麼數據，用戶有什麼權利。
還做了示意圖，很直觀。”
“好。”陳浩說，“記住，透明是關鍵。
用戶不怕你收集數據，怕的是你偷偷收集。”
一個月後，個性化排序功能進入內測。
選了五千名用戶參與，都是自願報名的。
陳浩也加入了內測名單。
賈瀞雯給他開了個測試賬號。
內測開始一周後，陳浩打來電話。
“功能我試了。”他說，“確實更相關了。
我搜了幾次電影，再搜‘導演’，結果裡電影導演的內容就排前麵。”
“有什麼問題嗎？”賈瀞雯問。
“有。”陳浩頓了頓，“推薦太狹窄了。
比如我搜了幾次武俠片，結果後來搜‘電影’，出來的全是武俠片。
可我可能也想看看其他類型，隻是還冇搜過。”
賈瀞雯記下來：“你是說，個性化過度了？”
“對。”陳浩說，“算法太依賴曆史行為了，會把用戶限製在已有的興趣裡。
但人是有探索欲的，有時候想看看新東西。
所以我們需要一個平衡——既要基於已知興趣推薦，也要偶爾推薦未知但可能感興趣的內容。”
“技術上怎麼做？”
“可以加一個‘探索性推薦’模塊。”陳浩說，“比如用戶搜‘電影’，大部分結果按他的曆史偏好排序，但可以插一兩條其他類型的優質內容。
或者定期給用戶推送‘猜你可能還喜歡’的推薦，這些推薦不完全基於曆史，而是基於相似用戶的行為。”
（本章未完，請點擊下一頁繼續閱讀）第1822章你是說，個性化過度了？(第2/2頁)
賈瀞雯飛快地記著。
陳浩的想法總是很超前。
“這個模塊要控製比例。”陳浩繼續說，“探索性推薦不能太多，否則就失去了個性化的意義。
但也不能冇有，否則用戶會困在信息繭房裡。”
電話打了四十分鐘。
賈瀞雯記了滿滿兩頁紙
（本章未完，請點擊下一頁繼續閱讀）