两世为人的袁旭，智力和能力并不比普通人强。

他最值钱的，是在前世看到过的那些最终的结果。

经过残酷的拼杀后，最终能够存活下来的，是谁，或者，是什么形态，什么内容，以什么方式存活了下来。

“说说里，有一个制作动图的小工具，gif手快，有哪位同事用过？”

袁旭问完，会议室里大概半数的人都举起了手。

“用完有什么感想？”

见没有人主动回答，袁旭遥遥指了一位刚才举手的员工，示意对方说一下。

“没有什么特别的感受。”

这位微胖，眯眼的男同事，考虑了几秒钟，憋出了这么几个字。

会议室里响起一阵低低的笑声。

“没有特别的感受，好，那你为什么会用这个呢？”袁旭继续问道。

“这个，用起来简单啊。”

这次这位微胖的同事说完，会议室里只零星的响起几声嗤笑，绝大多数的人听完之后都面露思索的神色。

几声嗤笑戛然而止，仿若被扼住了脖子的鹅。

“现在这个的动向，各位知道吗？”

“他们好像要转型成短视频社区，不过反响好像并不是很好，软件的下载评价区里，几乎全是差评，在我们的软件商店里，软件的评分也从原来的接近5分下降到1.5分了。”

仍然是那位微胖的同事，经过旁边的宋瑞的提醒，袁旭知道了这位同事是天工科技产品研发中心的一个开发小组的负责人。

“是的，这个名叫gif手快的，其负责人认识到了单纯的作为一个工具，生产的所有内容都是在说说上面传播的，尽管才半年的时间他的用户数已经突破了百万，但是，如何盈利，也就是说，如何变现，他们并没有找到可以实现的途径。”

“如果向用户收取，用户说拜拜，转头选择其它的类似工具；如果向广告商要，那么，他的用户群和用户画像又是什么呢？对广告商来说，与其投你，还不如直接选择投说说，因为你的产品都是用在说说上的。”

“所以，作为小众的非刚需的产品，工具产品很难得到大的发展，没有核心壁垒，用户随时可以走人，你也可能随时被更好的工具代替。”

“于是，这个就开始转型。”

“他们想要建设自己的社区，从单纯的工具升级为工具加社区，也就是自产自销，用自己的工具生产短视频，在自己的平台上进行发布。”

“当然，目前看来，他们的转型之路走的并不顺利，目前的用户评价并不高。”

“但是不意味着他们走的这条路是错的。”

“手快的存量用户，其需求多是动图制作，手快转型成短视频社区，在所提供的服务和现有用户的需求之间产生了断层，所以，得到差评倒也能说是咎由自取。”

“我们刚刚说的，每日头条之所以用户黏度高，发展速度快，究其核心，其实就在于它所提供的服务能够有效的契合用户的需求。”

“这种需求是如何匹配上的呢？”

“核心的核心，就是他们的算法，不靠人工，而是靠大数据，根据用户的浏览习惯，用算法选择你浏览最多的新闻类型，推送同类新闻给你。”

“让用户感觉，这是个‘懂自己’的。”

“我认为，随着4g时代的到来，短视频会成为下一个大风口，手快的方向找对了，每日头条的方法用对了，我觉得，我们现在把方向和方法都找到了。”

袁旭已经很久都没有这样直接给团队指出具体的产品了，所以，当他的话音落下，会议室里立刻又重新响起了嗡嗡声。

不过，几秒钟之后，乐家科技总裁傅南笙站起身来说道。

“好的，袁总，我们会后马上组织团队对您提出的这个产品进行研发。”

傅南笙站起来之后，会议室里的议论声立刻就停了下来，听到后面的话，大家心里不禁又浮现出了自家小袁总往年的各种新奇的想法。

在座的都是乐家科技的中高层管理层，绝大多数都已经在公司工作了三年以上了，对于自家小袁总前些年的那些天马行空甚至是匪夷所思的想法，事后都基本上被证明是对的。

现在，袁总又提出了一个新的想法，一个新的产品，难道说，我们辣个熟悉的男人，他，又要回来了？

会议结束之后的第二天，乐家科技“微影项目组”正式成立。

单单就产品的技术开发和架构搭建本身来说并不复杂，这其中需要开发人员和产品经理投入精力最多的，一是新项目与乐家科技目前已有的产品之间的互联互通问题。

哪些产品可以进行互联互通，互联互通的形式又应该怎么定义，交互的场景是否需要过渡，等等等等。

二来就是袁总重点提到的那个“方法”了，利用大数据对不同用户的浏览喜好进行定义，利用算法进行挑选，推送对方喜欢的内容。

这种算法，目

前在业内做的最为成熟的就是每日头条了，作为对方的投资人，袁旭自然知道，这也是对方的核心机密，自然不可能向微影项目组透露。

当然，天下不止一个张屠户。

dd搜索作为目前华夏第二大搜索引擎，其研发中心中自然也有负责搜索和推荐算法以及系统架构等后端技术研发的工程师。

自家公司，一纸调令，dd技术产品研发中心系统开发一部的负责人赵睿就摇身一变成为了微影项目组技术和后台总负责人。

事实上，看似“神秘”的所谓“算法”，其架构搭建的速度，远比想象中要快。

不过才半个月的时间，赵睿已经带领团队将内容分发的模型开发出来了。

袁旭听闻，小小的吃了一惊，作为一名技术外行，对于确切的产品参数，袁旭并不怎么懂，他只知道，上辈子看到过不少的“事后诸葛亮”的分析，认为字母乱跳公司，之所以能成功的在大厂们的环绕之下杀出重围，最重要的就是手里握着的那听上去很是神秘的“机器算法”。

这种类似于屠龙宝刀一般的利器，自己公司随便来个人，十来天的时间就搞定了？

这怕不是来忽悠我的吧？

袁旭第一时间就让赵睿带着项目组的技术团队到自己办公室来汇报情况。

“袁总，我们所说的算法模型，其实就是一个推荐系统，确切的说，应该是一个内容推荐系统。”

“具体的说，这个内容推荐系统，就是一个让用户对分发内容感到满意的函数。”

“这个函数中包含三个维度的变量。”

“第一是内容，无论是图片、文字还是视频，每种内容都有自己的很多的特征，需要考虑怎样提取不同内容类型的特征以便做好推荐。”

“第二是用户特征，包括各种兴趣标签，职业、年龄、性别等，还有很多模型刻划出的隐式用户兴趣等。”

“第三是环境特征。这是移动互联网时代推荐的特点，用户随时随地移动，在工作场合、通勤、旅游等不同的场景，信息偏好有所偏移。”

“这三个维度下，就构成了一个基本的推荐模型。”

“当然，一个优秀的工业级推荐系统需要非常灵活的算法实验平台，可以支持多种算法组合，包括模型结构调整，因为很难有一套通用的模型架构适用于所有的推荐场景。”

“我们的模型，采用的是lr和gbdt算法做结合，这样，一个标准的推荐模型就完整的建立起来了。”

“模型建立完毕后，我们还需要对其进行训练，模型的训练上，我们建议采用实时训练，实时训练省资源并且反馈快，这对信息流产品非常重要，用户需要行为信息可以被模型快速捕捉并反馈至下一刷的推荐效果。”

“我们目前计划采用基于storm集群实时处理样本数据，包括点击、展现、收藏、分享等动作类型。”

“整体的训练过程是线上服务器记录实时特征，导入到kafka文件队列中，然后进一步导入数据，客户端回传推荐的label构造训练样本，随后根据最新样本进行在线训练更新模型参数，最终线上模型得到更新。这个过程中主要的延迟在用户的动作反馈延时，因为模型推荐后用户不一定马上看，不考虑这部分时间，整个系统是几乎实时的。”

“当然，这会产生非常庞大的信息数据，我们需要对目前的系统底层做一定的优化，完善运维工具。”

赵睿对着自己做的一份界面很是简陋的演示文件，对着袁旭和宋瑞一众人一顿输出。

袁旭的感觉，嗯，听不懂，但是看上去，好像挺像那么一回事的，逻辑能够自洽。

“那么，现在的主要问题有什么呢？”

虽然具体原理听不懂，没关系，作为一名合格的老板，善于提出问题并给予解决才是最重要的不是吗？

“模型需要找一个场景进行训练，运行一段时间我们才能发现是否有问题，是否能够完整的实现我们理论上的理想结果。”赵睿说道。

“我明白了，你们是需要找一个机会来对这个模型进行测试对吧？”

“是的，也不完全是测试，它也需要学习，所以，需要找一个用户数量比较大的场景进行试验。”

“用户数量比较大？”袁旭略一沉吟，“倒也不用多费心，眼前不就有一个么，爱家网么！”

作为目前华夏第一大购物网站，爱家网连同爱家商城目前光卖家就有600余万，年成交金额高达1.1万亿，合1775亿美金。

这不正是推荐模型的最好的试验场么？

再者说了，爱家也需要这种推荐模型么！

“就是在收集用户信息方面会有一定的风险。”

赵睿末了提醒了一句。

“模型开始测试前一天，想办法让所有的爱家用户强制下线，重新登录，登录界面增加修改后的用户协议，协议中注明将会自动收集顾客浏览商品信息，便于更好的对客户进行