互联网时代，算法推荐系统就像一位看不见的媒人，帮我们找到最对胃口的内容。但这位媒人最近遇到了新难题——用户兴趣就像天气，既有长期稳定的气候特征，又有说变就变的雷阵雨。
如何抓住用户真实喜好？头部平台正在上演一场「兴趣捕捉大战」。
长期兴趣就像用户的生活习惯，藏在半年甚至更久的历史数据里。某在线教育平台发现，用户学历背景比点击数据更能预测课程偏好——硕士学历用户对「Python高阶课」的完课率是普通用户的2.3倍！现在的时序模型不仅能记住你爱看什么，还能发现你去年迷悬疑剧，今年转向了纪录片。
短期兴趣则是场48小时限时赛。抖音工程师透露，他们用实时系统追踪用户最近三天的每个动作：那个深夜突然搜索「露营装备」的行为，可能比过去半年的购物记录更能说明问题。最新测试显示，加入实时搜索数据后，推荐点击率直接暴涨19%，相当于每100次曝光多赚3次点击。
真正的魔法发生在融合时刻。淘宝的算法有个「智能开关」——当你连续浏览三件冲锋衣时，系统会悄悄把短期兴趣的阀门调高15%。但为了防止把你困在「户外用品信息茧房」，他们故意安排了8%的「乱入」内容，比如给登山爱好者推个咖啡机测评。
这场兴趣博弈的终极目标，是让推荐系统像老友一样懂你：既记得你咖啡只喝冷萃，又能发现你最近突然迷上了手冲。
