机制至关重要，一套好的算法可以保证内容分发的效率，进而实现平台、创作者和用户的三赢。
魏守诚听出沈亦泽话里有话，挑明了问：“你是觉得我们现在做的这个算法模型还不够好？”
沈亦泽措辞委婉：“在现今的内容平台中算顶尖了的，但我的想法是研发出一套可以当作公司核心技术的推荐引擎，你觉得现在这种程度够吗？”
魏守诚不说话了，身为资深的算法工程师，他自然明白这套推荐机制的技术难度并不算高，至少还达不到建起技术壁垒的地步，更谈不上当作公司的核心技术。
沈亦泽正色说：“我个人认为，做内容平台的本质就是做推荐引擎，就好比做销售，各大厂商的产品都大差不差，关键在于能否捕捉到顾客的喜好并将对方喜欢的产品推荐给他，只要做到这点，生意谈成的概率就会很高。”
魏守诚愣了下，仔细一想，确实是这么个道理，他以前也创过业，对此深有体会，但当时不曾静下心来琢磨过，现在听了沈亦泽的这一席话，才豁然开朗。
他说：“看起来，你心里似乎已经有一个预期了。”
沈亦泽笑道：“我对编程一窍不通，不过我知道最终应该达到怎样的效果——”
他将自己使用抖音多年的用户体验总结成几个要点，当作是自己的预期，一五一十地告诉魏守诚。
听取顾客的需求，做出符合期望的产品，这是魏守诚的团队一直在做的事，只不过这一次，沈亦泽提出的要求远比他们以前做的更复杂。
一周后，研发部将沈亦泽的用户体验转化成专业的技术方案，归纳成条后提交给董事会：
“……基于个性化推荐引擎技术，根据每个用户的兴趣、位置等多个维度进行个性化推荐，推荐内容不仅包括狭义上的文娱，还包括新闻、生活、教育、购物等资讯。
根据其社交行为、阅读行为、地理位置、职业、年龄等挖掘出兴趣。通过社交行为分析，5秒钟计算出用户兴趣；通过用户行为分析，用户每次动作后，10秒内更新用户模型。
对每条信息提取几十个到几百个高维特征，并进行降维、相似计算、聚类等计算去除重复信息；对信息进行机器分类、摘要抽取，主题分析、信息质量识别等处理。
根据人的特征、环境特征、文章特征三者的匹配程度进行推荐。
实时推荐，0.1秒内计算推荐结果，3秒完成内容提取、挖掘、消重、分类，5秒计算出新用户兴趣分
本章未完，请点击下一页继续阅读！