2.1　机器一直在观察和记录观众行为

算法会不断记录你在平台上的偏好，
然后根据你的偏好再重新定义“兴趣”。

如果在你面前有两个按钮，按下左边的，可以直接获得 500 元；按下右边的，则有 50% 的概率得到 1000 元，那么你会选择按下哪个按钮呢？

我们经常听到“选择大于努力”这句话。归根结底，一个人的选择往往取决于成长过程中种种因素影响下的认知。如果一个人总是追求稳定，那么他会选择直接拿走 500 元，落袋为安。如果一个人在成长过程中总是敢于以小搏大，那么他多半会选择按下右边的按钮。

每个人都有一套处事原则。这套原则主导着他的种种选择，同样决定着他会在短视频平台观看什么内容。

就拿我们身边的人为例，家里老人、中年人和年轻人的手机里，几乎都有好几种短视频 App。当我们打开每个人的同一款 App 时，可以看到首页推荐的内容有着很大的不同。

这是因为，当你打开并注册了一个 App 账号之后，App 就会让你填写自己感兴趣的内容（见图 2-1），而它背后的决策机器，会根据你选择的兴趣爱好来为你推荐初始内容。也就是说，平台（即 App）在用户注册时就对这个人的认知做了初步判断，平台知道这个人将来可能会选择看什么视频，进而给他推荐更多相似的视频。

那么，平台或者说机器是如何进行学习，并“投其所好”推荐用户喜爱的视频的呢？要知道，新用户刚刚注册 App 的时候，选择的兴趣偏好往往并不精准。

案例：观众标签的变化

一个大学三年级的学生，在注册短视频 App 时，基于学业与就业的压力，他很有可能会选择“阅读”这个兴趣方向，但在真正使用 App 的时候，这名学生多半把阅读这件事忘在脑后了，而把时间都用在观看游戏视频上了。这时候，这个用户的“阅读”标签就是极不精准的，算法会重新根据用户在平台上看的内容，刷新他的标签。

如果学生顺利毕业，身份变为职场人，那么他的内容偏好和标签会再次发生变化。要理解算法，就一定要理解这种 动态变化 。 z3B4dY20dS3sC0vqc1p/5h8wlhxr4a/8HUUX1EC3fhcvu7Jid0FEVvsoKK+U2U3t