258.感覺智商被碾壓（第3章）(第2/4 頁)

小說的喜好權重，我們推書的時候，會因為使用者身上的喜歡權重來提供相應的書籍。

之所以要隨時間進行衰減，是因為使用者的口味不一定是一成不變的，但是他們會在一定的時間範圍內保持穩定。

我們的資料標籤越細緻，分類差異度和重疊度越精細，那麼我們的推送就越精確。”

劉光然默默思考著，“嗯……這樣好像是可行的。”

鄧裴強補充到，“不過這裡面的一個很核心的問題在於如何劃分顆粒度，然後由如何對資料進行拆解，我們肯定不希望最後變成玩家只喜歡吃番茄雞蛋吧？

而是希望玩家在喜歡吃番茄雞蛋的基礎上，給他退出水煮蛋，雞蛋麵或者蛋糕？

這些東西其實對於資料篩選的要求還是挺高的。”

“嗯，”曹陽很贊同鄧裴強說的，精準和模糊之間需要有一個更智慧的判定標準，“然後難點就在於這套演算法，關於如何分析使用者的愛好，資料如何進行分發，這個是考驗你們的。”

其實大的演算法定義下來之後，剩下的引數完全可以透過實際的資料情況來進行調整，到最後甚至可以達到完美的自動調整，讓整個演算法自動適配。

不過剛才曹老闆說的這些已經給了兩位程式大佬很大的提示了。

頭條的演算法也是在實踐當中一步步改進和修正的，只要能起步，慢慢的就能完善起來。

曹陽相信他們能做到這一點。

“可以嘗試一下。”劉光然說。

……

“其他人有什麼問題沒有？”曹陽看程式這邊能搞定，那麼基本上大頭就搞定了，一套精準推送演算法，以後將貫穿整個博米體系，精準推送出來之後，使用者的黏著度以及對博米平臺的依賴性都會大大提升。

越早做這個，博米就能越早獲得海量的資料和海量的經驗。

說白了就是，誰先起步，誰就領先。

位元組跳動在行業內做這個做得最早，所以他們有著海量的資料和經驗來對他們的演算法進行修正，這個是時間打磨出來的，所以位元組的產品在推送方面一直領先，連企鵝都沒有追上。

所有人都仔細思考著。

過了一會兒，新來的吳文暉舉手問到：

“那我原來的排行榜怎麼辦呢？有了智慧推送之後，我們編輯的權力不就降低了嗎？官方的推廣權力怎麼處理？”

曹陽微微一笑。

這個問題問得好。

這個問題的矛盾點，就在於【中心化】和【去中心化】的矛盾。

因為在精準推送或者叫做智慧推送出現以前，奇點這邊書的曝光度完全是由官方掌控的，下發到具體的人，其實就是編輯。

由編輯來決定提出那一本書下週該上什麼樣的推薦位。

這些推薦位都是根據網站的吸睛度或者叫做曝光度來進行規劃的，比如說在首頁的最上方位置，給的推薦位是版面最大最好，這個推薦位叫做大封推，一般會給到成績非常好的作品。

同時排行榜上面的書，也會根據書的成績和受歡迎的程度來排。

怎麼給推薦位，增加作品的曝光度，其實就掌控在編輯，或者說掌握在網站的手裡。

這就是中心化――

官方來決定那一本書的曝光度如何。

官方是有很高的話語權的。

一旦出現了智慧推送之後，其實就相當於【去中心化】，使用者可以直接透過不斷重新整理智慧推薦的內容，然後點選喜歡看的書，那麼他就能源源不斷地得到自己想要的。

有可能就不去看編輯的推薦了。

去中心化，肯定會對官方權力造成一定的影響，相當於官方的一部分對作品曝光的權力轉移到了智慧推送上面。

“可是，這有什麼關係呢？”曹陽說，“我還擔心官方的權力太大，耽誤了不少好書呢。”

“哈？”吳文暉不是很理解。

“其實，這樣做的話，就相當於每個讀者看到的網頁內容都不一樣。這其實是一件好事情啊，你想想看，”曹陽笑著說，“每個讀者看到的網頁內容不一樣，不就意味著我們官方能提供的推薦位更多了嗎？”

“哈？”吳文暉還是沒有理解。

“我這麼跟你說吧。”

曹陽拿起馬克筆在白板上畫出一個網站的結構，“假設我們現在網站的推薦位有大封推、三江推、還有其他型別的推薦，這些都不重要。

你想想看，大封推