推荐系统的三个基本信号
大多数内容推荐系统做的事情，可以用一句话概括：在大量候选内容里，预测哪一条最可能被你有效阅读。为了让这个预测准确，它会收集很多信号，其中最核心的是三类。
- 你的历史行为：你点开过什么、看了多久、划走了什么
- 内容之间的相似度：这条内容和你偏好过的东西有多接近
- 即时的群体反馈：此刻有多少人在看、停留了多久
为什么你越看越「同质化」
这三个信号里，有两个都和你的过去有关。于是系统会不断向你推荐「更像你已经喜欢的东西」，这本身是一种让人满意的体验，但长期来看会让你的信息面逐渐收窄。
更微妙的是，这个过程是无感的。你不会觉得自己的兴趣变窄了，只会觉得「最近有意思的内容好像变少了」。
主动打破同质化的三个做法
既然同质化是推荐的天然结果，破解方法就只能来自推荐之外。我自己长期在用的有三个，成本都很低。
- 每周固定搜两三个你平时不会点开的关键词，让系统收到「我也看这些」的信号
- 保留一个不依赖推荐的信息源，比如固定的栏目或订阅列表
- 看到明显不符合你以往偏好的高热度内容时，主动点进去看一眼