如果把網播平臺比作一輛汽車。
那麼播放器和CDN相當於發動機和傳動系統，決定它能不能跑起來。
伺服器/頻寬等於油箱，決定能跑多遠。
個性化推薦演算法跟搜尋系統相當於方向盤和導航。
片庫則相當於沿途的風景，是吸引使用者要不要上車的關鍵。
所以單單一個個性化推薦演算法距離平臺正式上線還差的遠。
而單單開發這麼個零部件，就耗了兩三個月，還用上了零的算力支援、試錯，效率實在算不上高。
蘇言卻沒有任何不滿，因為此“個性化推薦演算法”跟彼“個性化推薦演算法”不完全是一種東西。
市面上最早的亞馬遜到谷歌、奈飛再到國內的豆瓣各大網播平臺使用的傳統演算法，清一色只當輔助功能使用。
底層邏輯是先給內容打標籤，再把標籤相似的內容匹配給使用者。
是一種極粗略的“個性化推薦”。
主要還是依靠編輯人工推介、熱度排行給使用者推內容。
而蘇言見過的那種，一早給開發團隊提的需求，卻是根據使用者的每一次滑動、停留、點贊、評論等多個維度彙總計算，給使用者建立畫像，再倒推內容留住使用者。
難度自然大得多。
京城，珊瑚影片的臨時總部。
蘇言站在大螢幕前，看著工程師演示完第十組使用者畫像的即時匹配流程。
螢幕上跳出的推薦結果雖然比傳統的編輯推薦便利了不少，但跟他腦子裡見過的那個能精準捕捉人性弱點的“妖怪”相比，眼前這個頂多算個剛學會走路的小孩。
不過用來找張一明談判倒是勉強夠用了。
“辛苦了。”蘇言拍了拍工程師的肩膀，“把測試資料日誌留一份給我。”
工程師應了一聲，退了出去，順手帶上了門。
一旁安靜了半天的沈清辭忍不住疑惑的看向蘇言：
“你對那家新公司……是不是太重視了點？為了入股，這前前後後折騰了好久了。
我還特意找人查了下，那公司到現在也就二十來號人，擠在間破民房裡隨時要倒閉的模樣。”
“因為我看好那家公司能成為 Web2 時代的集大成者。”蘇言簡單的答道。
網際網路誕生之初，使用者只能被動看內容，被稱為Web1時代。
如今使用者自己生成內容，依賴社互動動留存，則被稱為Web2時代。
未來的抖音，當然是Web2的集大成者。
他其實不是沒動過念頭，直接取代張一明，自己幹。
。了否己自他被就，天兩續持沒法想這但
。題問間時是過不來上追想，八八七七個能就眼一看司公品競家一何任，樣一紙跟的薄壘壁技，了白說兒意玩這可，的來起火”薦推化個“賴依是片影短道知只他為因
。頭巨為，來出殺裡堆人從能卻明一張
。可不一缺怕只，氣運至甚……理管隊團、力能展拓務商、控把奏節品產、略策者用使、營運容，法算演套一是僅僅不絕的靠
。攻專有業麼什得懂更以所，手面多個是就人本言蘇
