在眼下这个移动互联网平台兴起的时代，各类App相互之间的竞争本质上是一场针对用户的争夺大战。
现在仍旧是移动互联网开疆拓土的阶段，智能手机一年小几个亿地出货，用户的整体规模远远未达到饱和，因而各类新兴平台层出不穷，都能够混到一口饭吃。
但孟繁岐很清楚，好景不长，这样野蛮生长的日子持续不了几年，待到20年左右，智能手机就已经差不多彻底下沉到底了。
移动互联网因而从增量市场转向存量市场，也就是所谓的寒冬，用户人数基本封顶，各类App之间的博弈因而变得越发血腥起来，相互争夺已经定型的蛋糕份额。
对于当时辗转于各大厂的普通打工仔孟繁岐来说，最直观的感触就是工作越来越难找了，岗位变少、待遇变差。
各个头部App的策略逐渐由怎么获得尽可能多的用户，转变为怎么尽可能地让用户多多使用我的App，想尽一切办法要让用户【上瘾】。
背后的逻辑也不难理解，你的时间全都用来看我的App了，留给其他App的时间自然就少了不是？
毕竟打工人一天下来...其实也没有几个小时真的是自己的。
嘴上说着【防沉迷】，但实际上，巴不得你永远沉迷在里面，成为互联网公司利润的一部分。
那么最核心的问题就来了，到底怎么才能够让用户沉迷其中无法自拔呢？
那就得让用户看他想看的，不仅你的平台上要有，你还得让他看到才行。
不仅要让他看到，最好还得让他不用动脑不用搜索就能够看到，否则怎么算得上是【奶头乐】呢？
若想做到这件事，推荐系统的作用就至关重要。
这东西说得冠冕堂皇一点，叫做【提升用户体验】。其能够节省用户搜索和浏览的时间，平台可以借此展示更多的内容，吸引用户停留浏览。合理提供更有价值的广告，进一步提升盈利能力。
说得直白一点呢，就是希望用户看当前视频和看下一个视频之间的间隔时间尽可能的短。
用户看完一个视频转向下一个的时候，需要的操作越简单越好，或者干脆什么操作也不需要，最好连半秒钟的空档期也不要有，如果可以的话连三餐也别去吃，一天一顿够了。
用户们刷完一个视频就刷下一个，刷完这一类就看下一类，不知不觉就刷完了一整天。
早晨起来吃完早饭，八点半想看一个视频放松一下，结果一路刷了上百个，等到回过神来已经下午一点了。
这就是推荐系统希望达成的效果。
不需要用户去搜索寻找自己感兴趣的内容，而是源源不断地喂食给用户。
这样的App使用起来当然是倍感轻松，内容都很有趣，不知不觉就会上瘾，从而在平台的竞争当中轻松取胜。
“如今的短视频用户还算是非常有耐心的，几条不行还愿意多刷个几条看看，等再过个几年，用户打开App，划个两三下，看不到喜欢的内容就会马上关掉应用，再也不会想起。”推荐系统并非孟繁岐的主业，之所以会抽空去做，是因为这东西对已经开始涉足短视频领域的视界公司来说实在太过重要。
这目前还属于是AI视界的内部情报，外界现在的关注点暂时都还是AI视界各种花里胡哨的图像处理技术，还没有注意到隐藏在其后的优质推荐机制。
毕竟孟繁岐从来不发也不写推荐算法相关的论文。
“所以这才是你们为什么只做单屏单视频显示？因为对自己的推荐内容有足够的信心，确信推荐的视频用户大概率会满意。”张一名恍然大悟，手机的屏幕大小有限，如果单个屏幕界面显示的视频数量多了，每一个视频占据的面积势必就会小。
原本就不大的几寸屏幕上再去分六七个，那么小点的图案和文字，用户看都看不大分明，体验非常不好。
“单屏幕单个视频，那就可以省去用户一次选择和点击的操作直接开始播放视频，到了这个阶段，每一步的操作都很难继续省略优化了。但是这样也有一个问题，如果你推的视频连续几次都是用户不喜欢的，其体验感也会大大降低。对比起来的话，单屏N个视频，就能扩大N倍的可能。”张一名抓重点的能力非常之强。
“单屏多个视频对于长视频或许还算合理，放在短视频上是完全不行的。对于长视频来说，每一次都可能需要耗费五到二十分钟，用户一个小时可能也只需要选择三五次，这个频率还可以接受。但短视频的黄金时长是15到45秒，如果不能做到很好的推荐，用户每分钟都要进行两次选择，疲倦感会非常强的。”孟繁岐知道张一名抓住了重点，但他完全不支持单屏N个视频去放大N倍可能的方式。
“要知道我们现在的打工人们，连中午吃什么都是世纪难题，选择其实是非常困难的一件事。”
企鹅系的副总曾公开说短视频是猪食，考虑到那时候企鹅系微视被抖音快手暴打，这话里有不少恼羞成怒，得不到我就骂的成分。但从某种程度上，猪食这话虽然不好听，却也说出了短视频的一部分特性。
那就是很多用户看短视频就是来放松享乐的，你视频这么短，每次都推六七个让用户选，一小时让人选一百多次，谁能受得了啊？短视频就像是小白文，很多时候用户不想带脑子来看。
“单屏单视频自动播放，可以做到每个短视频之间的无缝衔接。不过这样操作的话，推荐质量就相当重要了，因此我才说推荐系统算法的技术是重中之重。若非多次验证了效果，我们也没有那个胆子敢应用这种模式不是。”孟繁岐因为深知短视频平台的体量，在现阶段是做了大量对比测试的。
常见的推荐算法粗分的话大致可以分为三类：基于内容的推荐算法，协同过滤推荐算法和混合推荐算法。
第一种，基于内容的推荐算法，原理是根据用户喜欢的和关注过的内容，推荐类似的视频给用户。比如电影的续集，同一作者的其他作品等。这些视频在内容上有较大的关联，称之为基于内容的办法。
第二种，协同过滤，则是通过不同用户之间的相似性。如果有几十个用户，他们关注和感兴趣的内容特别相似，重合度很高，比如达到8成。那么推荐算法就会把2成不重合的那一部分，抽出来推荐给圈内的其他人看看。
因为兴趣太过相似，一个用户感兴趣的东西，很可能在这个圈子当中其他人也会感兴趣，这是个相当合理的推测，类似于圈内好友推荐。
有时候，大家猛地发现，前几天才和朋友谈论过的东西，怎么今天就出现在我的推荐里面了？细思极恐，我是不是被监听了？