第168章 横跨20年的技术交接

他举了一个经典的例子：“比如，一个通常在美国加州登录的帐户，突然在5分钟內於东欧某地登录，並试图向一个没有任何交易歷史的新帐户发起一笔高额转帐”—一这本身就构成了一个高风险的行为模式。这套系统的核心能力，就是从巨大的噪声中，精准地提取出有价值的信號。”

“我把这种从paypal带来的、从行为数据中挖掘模式的思路，迁移到了youtube。

贾韦德的声音带著一丝自豪：“其他的视频网站，用户找到內容主要靠搜索框和人工编辑的分类目录。而youtube的思路是：我们需要一个系统，能自动地、

智能地识別出用户群体自发形成的兴趣模式”，並据此进行推荐和gg匹配。”

他具体阐述了两种核心模式：“模式一：协同兴趣。

这是最基础也最强大的模式。如果用户a和用户b都观看了视频x和视频y，並且表现出相似的观看完成度、点讚等行为，那么当用户a隨后观看了视频z並表现出浓厚兴趣时，系统就可以非常有信心地推断，用户b也有很高的概率对z感兴趣。

这本质上与paypal识別具有相似交易行为的帐户群组以发现欺诈团伙”的思路一脉相承，只是目的从识別风险变成了发现兴趣。”

“模式二：內容关联链。

通过分析数以亿计的用户观看行为序列，系统可以发现：看完视频a（比如《狐狸叫》）的人，有显著比例会接著观看视频b（比如另一个动物搞笑视频）。

基於海量数据，系统可以自动构建一个巨大的、动態更新的內容关联网络，o

这比单纯依赖上传者打上的关键词標籤更智能、更精准，因为它基於最真实、最直接的人类行为数据，反映了內容之间某种內在的、或许创作者自己都未曾察觉的联繫。”

贾韦德的阐述深入浅出，逻辑清晰，將复杂的算法思想用易於理解的例子表达出来。

他並没有提及西蒙最初对“用户行为数据”价值的极致敏感和战略级重视（这其实是youtube最核心的竞爭优势之一），但科林·黄作为谷歌的顶尖工程师，立刻展现出了他深厚的专业功底和举一反三的敏锐洞察力。

科林不仅完全听懂了，他的眼睛瞬间亮了起来，几乎是立刻从谷歌adsense的角度，提出了几个一针见血、极具建设性的优化建议：“太精彩了，贾韦德！这种基於协同行为和序列模式的挖掘，確实比单纯的关键词匹配更底层、更强大！”

他语速加快，显得非常兴奋：“如果从这个角度看，youtube的gg系统其实还有巨大的优化空间！比如，是否可以引入更细粒度的兴趣衰减因子”？

一个用户三个月前对吉他教程”的兴趣，和昨天刚搜索了吉他教程”的兴趣，权重应该完全不同。”

“另外，是否可以考虑跨模式关联”？比如，一个用户频繁观看高端数码產品评测”视频，但他可能从未给这些视频打过標籤。然而，他同时又是极限运动”视频的忠实观眾。

系统能否自动识別出这种隱藏的关联，並向这位用户推送搭载顶级防抖相机、適合极限运动场景拍摄的数码產品gg？这远比推送普通的数码產品gg更精准！”

本章未完，点击下一页继续阅读。（1 / 2）