我认真试了下，发现我以为是我要求高，后来才懂91官网的推荐逻辑逻辑（不服你来试）

我认真试了下，发现我以为是我要求高，后来才懂91官网的推荐逻辑逻辑（不服你来试）

前言：起因很简单。我一直觉得自己在91官网挑内容时“要求高”，常常刷不到合胃口的结果。怀疑是自己的口味太刁，或是我点得不够精准。于是我做了一个小实验——有目的地去“试探”网站的推荐系统。结果让我恍然：并不是我挑剔，而是推荐逻辑在“温柔地”把我往某个方向推。下面把过程、结论和可复现的做法写清楚，感兴趣的你不妨亲自试一遍。

我怎么试的（方法一目了然）

• 目标：验证推荐是否由我的行为驱动，以及能否通过特定操作改变推荐方向。
• 工具：一台电脑、两个账号（一个老账号一个新账号或无痕窗口）、简单记录表格。
• 时长：每次实验控制在30分钟到1小时，连续观察3天，避免偶然性。
• 操作分组：

1. “冷启动”组：新账号、不登录、不带历史，只看同一类前三条内容并全部停留较长时间。
2. “老习惯”组：用我常用的旧账号，随意浏览、点赞、跳过。
3. “对比强化”组：在新账号上有目的地大量点击我想要看到的另一类内容，并持续收藏或点赞。

我记录的指标

• 初始推荐首页的主题分布（比如A类占比、B类占比）
• 每次点击后首页变化（半小时内）
• 点击后推荐出现的新条目是否与所点击的主题相关
• 推荐中新出现的标签/关键词

实验结果（结论直接给你）

1. 个体行为极容易塑形：只要你连续对同类型内容给出“积极信号”（点击、停留、收藏、评论），系统在短时间内就会把首页往那方向倾斜。冷启动账号在看了几篇同类后，第二天首页已经大幅偏向该类内容。
2. 热门偏见明显：平台在没有足够个性化信号时，会优先推热门或高互动内容。这也是为什么“老习惯”组有时会觉得推荐千篇一律——平台用的是稳妥的热门策略。
3. 反馈回路在起作用：你点什么、看多久，这些行为会被放大并反过来影响你后续看到的东西，形成“过滤泡沫”。想要打破，必须有意提供不同方向的信号。
4. 部分推荐基于标签和相似用户群体：平台会把具有相似点击行为的用户归到同一簇，然后用群体偏好来预测个体偏好。这解释了为什么某些内容哪怕你没有直接点击，也能迅速出现在首页——“你的群体”在看，它就推给你。

把这些结论用在实操上（如何优雅地“教”推荐系统）

• 想让首页越来越“懂你”：先做出明确、持续的信号。连续几天点击、收藏、评论某类内容，比零星操作更有效。
• 想刷新口味或重置推荐：使用新账号或清空观看历史，再以目标类型高频浏览，系统会更快接受新偏好。
• 不想被热门绑架：多使用搜索和筛选功能，直接打开小众标签或长尾关键词；有针对性地订阅/关注具体作者或频道。
• 抵抗同质化：刻意在短时间内混合行为（比如同时观看A类和另一类的高质量内容），可以制造模糊信号，让推荐系统不那么极端地推你。
• 别忽视“停留时长”：不仅要点，还要看。多在你想要的内容页面停留，提高“有效兴趣”权重。

常见误区（你可能也中招过）

• 误区一：只要点喜欢就能立刻改变推荐。现实里需要连续且稳定的信号，系统会过滤掉偶发点击。
• 误区二：新账号等于万能重置。它确实能快速重置，但平台也会基于IP、设备、地理位置等做初步归类，效果不是完全干净。
• 误区三：屏蔽一点就万事大吉。某些屏蔽或不感兴趣的操作会被用来训练模型，但模型可能把你屏蔽的事视为“低互动”而非明确否定。

如果你不服，照我说的来试试

1. 准备两天空闲时间，开一个新账号或用隐私窗口。
2. 选择你想测试的“目标方向”（比如某类专题、某种风格）。
3. 连续2天，每次至少做15–30分钟的专注浏览与互动（点击、停留、收藏）。
4. 观察首页的变化：是否在第二天就出现明显偏向？如果没有，重复并加入评论/分享等更强信号。
5. 把你的发现写下来，欢迎来告诉我结果——我们可以一起分析为什么你会或不会看到变化。

结语 推荐系统不是神秘的黑盒，更多是一系列“放大你行为”的规则组合。理解它的工作方式后，你能更快拿到想要的内容，或者有意识地避开平台的偏好引导。实测胜于空谈，不服就动手试一试；实验的过程其实也挺好玩的。需要一个更详细的实验表格或记录模板吗？我可以把我用的那份发给你参考。

• 喜欢（10）
• 不喜欢（3）