因为这种算法的运用，不仅仅是推测出你的喜好度，还要推测出你的厌恶度。

这其实很难！

因为你不喜好的会快速划掉，但是不会有过于明显的东西表现出来。

比如你不喜欢奥德彪运香蕉，刷掉了，然后可能后面还有奥德彪送过来。

刷短视频的时间可能很长，如果在两个小时之内，推送了过多次数的奥德彪运香蕉画面，那么客户就会很容易感觉到疲惫。

这种疲惫感是会积累的。

因此，要让这款软件大火，就需要剔除掉客户不想看的视频，同时增加客户想看的视频。

总的来说，就是要精心建立信息茧房！

张一明是做今日头条出身的，新闻类推荐其实也是遵循着同样的算法规则，但是相对来说，要简单一些。

几个大类，按照客户的喜好度大差不差的分类就行。

毕竟今日头条刷一下，就会有十个左右的新闻出来。

客户对于新闻的厌恶度和敏感性，没有一个接着一个刷的视频来得直接。

大差不差就行。

而视频不一样，算法分得要非常细！

在分配流量时，不但有数量上的差异，也有质量上的差异，这就涉及另一个名词：标签。

标签，即用户的身份，具体分为基础标签、偏好标签、潜力标签等。

视频的标签越精准，算法越能知道视频需要什么类别的用户，进而推送相应类别的用户。

基础标签包含用户的性别、年龄、地域等基础信息。

你让一个川渝地区的人，让他看一些粤语区才知道的梗，什么冚家富贵；想搵我笨？食蕉啦你；食塞米等等，他绝对是黑人问号脸。

偏好标签是指用户的兴趣倾向，即看过什么类别的内容、喜欢看什么类别的内容以及喜欢与哪些类别的内容互动。

而潜力标签，是算法根据用户历史行为预估的用户潜力行为，代表用户对什么视频感兴趣等等。

这些内容综合起来，其实就形成了每个人都多达成千上万个的标签！

这标签越多，对于客户的控制就越精准。

到了最后，甚至你都没有大数据对你了解！

等到算法成熟之后，控制人心直至随心所欲的程度，就算是那部美丽国的电影《盗梦空间》上所表现出来的内容，都比不过。

张一明和张楠边看边分析，到最后干脆叫来了自己研发的核心团队一起来分析小瓴pp的算法的底层逻辑。

熬了接近5个小时之后，他们得出了这款pp的大概游戏规则。

而越是了解清楚小瓴pp的底层算法的结构强悍和复杂，越是心中产生郁闷的心情。

所有人都是暗暗心惊！

高瓴作为毫无相干的行业巨头，居然可以在跨界的短视频平台上拥有如此强悍的功力，真是可以让人从心里感觉到绝望！

“高瓴现在已经是华国所有科技行业的阴影。他们甚至可以在一个毫无相关的行业之中直接投入大几百个，甚至上千个资深的熟手，月薪在两万块以上的那种，如果人力资源不够，就继续往上叠加。”

“在最开始他们可能干不过我们，但是当他们在这个细分行业摸清楚门道的时候，就会越跑越快，护城河就越建越深！”

“这会是一件多么令人感觉到恐怖的事情啊！”

“对比起小瓴的精细度，我怎么看抖音，怎么像一坨。”

当他们把分析会开完之后，所有人都不约而同地没有散去，并没有像往常一样各自忙各自的，而是都还是整整齐齐地坐在那里，这群理工男在那里吐槽起来。

“是啊！表面看起来差不多，但是实际上差别太大了，我很难想象，我们的抖音能不能在五年之后迭代到他们的算法程度，他们的算法结构，实在是太恐怖了，根本不是我们的模型可以比的。”

“开玩笑，我听说他们的人工智能老大是美丽国人工智能方向的三个大佬之一的吴恩达，在几年前就被重金挖到了高瓴，那时候人工智能根本不热，还是属于计算机科学与技术的一个很小的分支，数学博士们，也没那么热门。被高瓴搜罗了一大帮子人，哪里想到他们几年的坚持，收获了如此强大的硕果。”

“高瓴人工智能的发展已经走了很远了，不要说我们今日头条，甚至是美丽国的同行们，基本上都是略微落后于高瓴的状态，高瓴的lln还真不是闹着玩儿的。”

今日头条公司还处于草创阶段，虽然现在规模已经很大，但是公司之间的层级关系其实很弱。

这和公司的企业文化有关，但是最关键的其实还是和张一明这个创始人有关。

他甚至可以在公司上市之后，依然坐在公司办公大厅之中办公，而且不喜欢别人称呼他为张总。

但是，这样的缺点则是，下面的人在他面前基本就很随意。

现在这个样子就是如此，完全没有看到张一明的脸色，随意地在那里发表着自己的意见。

张一明脸色有些难看地坐在上面，静静地看着下面人的讨论。

他的心中也是暗暗生出很强烈的危机感出来。

高