“这肯定是意外,你等我多刷两个视频!”
“老张將信將疑的又坐了回来。”
而后两个视频的確是正常的,可还没等刘洋鬆一口气。
屏幕上又弹出了一条新的推荐。
是一群男菩萨,穿著紧身短裤在健身房互相抹油,老张又往后退了半步。
下方依旧有著一行小字“你可能喜欢的內容。”
“刘洋,我真没想到你。。。。。。”
“等等,你听我解释。”老张再一次站了起来。
刘洋一把將手机摔在床上。
“我他妈是直的!”
但老张已经跑了,刘洋只听见男生寢室中,一道声音越传越远。。。。。。
“刘洋是个gay!刘洋是个gay。。。。。。”
同样的闹剧,在这个上午的大夏国各地不断上演。
喜欢看美妆教程的女生刷了没几条,微看的算法,就开始给她推整容gg和护肤品代购的微商號。
喜欢看书法展示的中年人刷著刷著,突然跳出来一条卖假古董的直播间连结。
微看新版本的推荐算法,確实是比之前强了一些,至少能让用户在头几条视频里,找到自己感兴趣的东西。
但也就只有头几条。
它的算法逻辑太简单粗暴,没有深度学习模型做底层支撑,只靠几张粗线条的兴趣標籤做关联匹配。
用户行为数据的採样范围小,权重分配又失衡,一旦用户的多维度兴趣叠加,推送结果就会迅速失真混乱起来。
虽然大数据算法的確很优秀,哪怕企鹅的算法只能模仿表面,但在全世界范围內,也是极其先进的推送机制。
但和抖音的算法相比,二者根本不是一个层级的东西。
但不管怎样。
在第一天的数据面板上,微看的人均使用时长,的確从之前的不到十分钟直接跳到了十五分钟。
第二天。
隨著更多用户完成更新,这个数字继续往上跳,突破了二十分钟。
。。。。。。
企鹅集团总部。
微看2。0上线第二天。
会议室里坐满了人,投影屏幕上定著微看后台的实时数据面板。
人均使用时长那一栏的数字,此刻正稳稳地停在二十一分钟的位置上。
孙强站在屏幕前面,手里拿著一份刚列印出来的数据报告,从头到尾看了两遍,嘴角难得地掛上了笑。
“两天,人均使用时长翻了一倍。”