9pm短剧先搞懂推荐系统在替你做什么
很多人对推荐系统的想象是「它懂我」——我看过什么它就知道我喜欢什么。这个理解只对了一半。更贴近实际的描述是：推荐系统在有限的时间里，试图最大化一个综合目标值，而这个目标值里权重最大的几项，往往不是你「看得开不开心」，而是「你有没有继续看下去」。这两件事在短剧这种强节奏内容里，经常是矛盾的。
短剧的结构太特殊了。一集两到三分钟，前 15 秒必须抛冲突，30 秒内必须给一个钩子，结尾必须留悬念。这种结构天生就是为了拉高完播率和连续播放率设计的。当推荐系统把「完播」当成主要信号，它自然会去挑那些「最容易让人看完」的内容——而最容易让人看完的，恰恰是套路最成熟、认知负担最低的那一类。你不需要记住人物关系，不需要理解背景设定，画面一出来你就知道接下来大概会发生什么，于是你就看完了。
所以「总推同一类剧情」不是系统坏了，而是系统正在非常成功地完成它被设定的任务。问题在于，这个任务和你「想看点新鲜的」这个诉求之间，存在结构性的偏差。理解这一点之后，后面的所有现象都会变得好解释：为什么你点了「不感兴趣」也没有明显变化，为什么换设备之后推荐又变窄了，为什么新注册的账号推的东西格外单一。
9pm短剧推荐系统的三个层级：召回、排序、重排
把流程拆开看会更清楚。第一层是召回，从整个内容库里粗筛出几百条「可能相关」的候选，这一步决定了下限——如果一类内容根本没被召回，后面再怎么排序你都看不到。第二层是排序，给这几百条打分，预测你点击的概率、看完的概率、以及看完之后继续看的概率。第三层是重排，做去重、打散、多样性控制、商业内容插入等收尾工作。
同质化通常不是发生在排序层，而是发生在召回层和重排层。召回层如果你的兴趣向量收得很紧，候选池本身就窄；重排层如果多样性权重设得低，那即使候选池里有别的题材，也会被压到很后面去。这两个地方，才是「怎么刷都是同一类」的真正现场。
关键数据速查：推荐链路典型量级
- 内容库规模（聚合型平台）
- 约 3 千 ~ 3 万条
- 召回候选数量
- 通常 200 ~ 2000 条
- 首屏实际展示
- 一般 3 ~ 8 张卡片
- 单次浏览行为窗口
- 约 15 ~ 90 秒
- 兴趣向量更新延迟
- 常见 数分钟 ~ 数小时
- 行为样本衰减周期
- 典型 7 天左右
上述为编辑部对公开可观察现象的归纳区间，用于描述观察口径，不代表任何平台的官方技术参数。
ai短剧免费在线观看 的四类召回信号
一句话先说结论：决定你看到什么的，主要是四类信号——你刚才的行为、你长期的行为、内容本身的标签、以及当下全局的热度。其中「全局热度」这一项的权重，通常比你想象的更大，这也是同质化最直接的来源。
据行业通行的推荐系统设计思路，召回信号大体可以分成四类，每一类都在往你的候选池里塞东西，只是权重不同。搞清楚它们的相对强弱，你就能理解为什么某些操作有用、某些操作完全是白费力气。
第一类：实时行为信号
你刚刚看了什么、看了多久、有没有快进、有没有划走、有没有点开第二集。这类信号权重最高，响应也最快，通常在几分钟到几十分钟内就会影响下一次刷新。很多人有个误解，以为「看完一集」是正反馈，「中途划走」是负反馈。实际上更准确的说法是：看完是强正反馈，中途划走是弱负反馈，而点开又马上关掉才是强负反馈。这就导致一个尴尬的结果——你为了「让它别再推这类」而点开看了一眼再关掉，反而可能被理解成「你对这个题材有兴趣但这条不行」，继续给你推同类。
第二类：长期兴趣画像
这是你账号的「底子」，由过去一段时间的行为累积而成。它的特点是惯性大、变化慢。你以为自己最近口味变了，但画像还在按上个月的习惯给你推东西。这也是为什么很多人觉得「换账号之后推荐立刻不一样了」——不是内容变了，是画像被重置了。
第三类：内容标签与相似度
每条短剧都会被打上一堆标签：题材、人设、情绪走向、节奏类型、甚至画风。系统会计算「和你看过的这条相似度有多高」。问题在于，短剧的标签体系普遍做得比较粗，很多时候只有「都市 / 逆袭 / 甜宠 / 悬疑」这种大颗粒度分类，细分不足。标签一粗，相似度计算就会把大量本该区分开的内容归成一类，这是同质化的技术性根源之一。
第四类：全局热度与运营位
这一项经常被忽略，但它对首屏的影响极大。平台首页的前几张卡片，很多时候不是纯算法决定的，而是「算法候选 + 运营配置」的混合结果。运营位要服务于全站目标，比如推新剧、推活动、推重点合作内容，所以它会反复出现。你感觉自己总看到同一批剧，有可能其中一部分就是运营位在起作用，跟你的个人喜好关联没那么大。
推荐系统不是一面镜子，更像一个手电筒：它照向你最近停留过的地方，但光斑之外的东西它并不打算让你看见。
9pm短剧为什么完播率会把你锁进同一类剧情
这是整篇文章最需要讲透的一节。完播率本身是个中性指标，问题出在它被当成主要优化目标之后，会形成一个自我强化的循环。
循环是这样跑的：系统给你推了一条节奏极快、钩子密集的短剧，你顺手看完了。系统记录「该用户对这类内容完播率高」，于是下次优先给你推同类的。同类内容你又看完了，样本进一步强化。几次之后，你的兴趣向量在这一个方向上的分量变得非常重，其他方向的候选即使存在，打分也追不上。这时候你想看点别的，系统不是不给你，而是它认为「给你别的你大概率不会看完」，所以把别的排到了后面。
更微妙的是，短剧的观看场景通常是碎片时间——等电梯、排队、睡前躺着。在这种场景下，人的认知资源本来就低，更倾向于选择「不需要动脑」的内容。系统观察到的是「这个时段用户偏好低认知负担内容」，于是继续推套路化的东西。你的场景限制和系统的优化目标，在这里完全对齐了，于是循环更牢。
「看完」和「喜欢」是两回事
这是我特别想提醒的一点。短剧的完播门槛太低了，两分钟一集，很多人是「看完但没感觉」的状态——甚至边刷手机边听个响。但系统读到的信号只有一个：完播。它分不清「津津有味地看完」和「懒得划走所以看完了」。于是大量「无所谓」的观看被计成了正反馈，兴趣画像被这些噪音一点点带偏。
所以你会遇到一种很典型的现象：某天闲着无聊刷了半小时爽剧，接下来一周推荐全是爽剧。你不是真的喜欢，只是那天没别的事干，但系统当真了。
9pm短剧负反馈为什么经常不起作用
很多人试过「不感兴趣」按钮，发现效果有限。原因大致有三层。第一层是延迟：负反馈通常需要累积到一定数量或一定权重才会显著改变排序，单次点击的影响可能被稀释。第二层是归因粒度：你点「不感兴趣」时，系统未必知道你是讨厌这个题材、讨厌这个演员、还是讨厌这个封面风格，它只能做模糊归因。第三层是候选池限制：如果召回层本身就没给你准备别的题材，那就算排序层把这类压下去了，也没有更好的东西顶上来，结果可能变成「推给你另一批同样套路的剧」。
完播
权重最高，但无法区分「喜欢」与「懒得划走」，是噪音的主要来源。典型影响窗口：数分钟级。
连播
看完一集立刻看下一集，被视为强正反馈。连续 3 集以上，兴趣向量会被明显拉向该题材。
搜索
主动搜索是意图最明确的信号，权重高且方向准。但很多人几乎不用搜索，白白浪费了这个纠偏手段。
收藏 / 追剧
主动标记行为，含金量高于完播。典型效果：1 次收藏 约抵数次被动完播的权重。
划走
弱负反馈。快速划走多张同类卡片，才会累积成可见的排序变化，通常需要 5 次以上。
不感兴趣
中强负反馈，但归因模糊。建议配合搜索和收藏一起用，单点操作效果有限。
ai短剧免费在线观看 的同质化是内容问题还是机制问题
这个问题我被问过很多次，答案通常是：七成机制，三成内容。但这两者的作用方式不一样，分清楚了才知道该往哪儿使劲。
先说内容侧。生成式内容的生产成本比传统拍摄低得多，这带来一个副作用：供给端会大量生产「已经被验证有效」的模板。一个套路跑通了，一周内能出几十个变体。所以你在信息流里看到的东西高度相似，有一部分原因确实是内容库本身就不够多样。这不是推荐系统的错，是供给结构的问题。
再说机制侧。即使内容库足够多样，推荐系统也倾向于收窄。原因前面讲过：完播主导的优化目标、粗糙的标签体系、以及多样性权重在重排阶段被商业目标挤压。机制侧的问题更隐蔽，因为它不会表现为「内容重复」，而会表现为「你明明知道有别的题材，但就是刷不到」。
9pm短剧一个可验证的判断方法
怎么区分自己遇到的是哪一种？有个很简单的方法：主动去搜一个和你平时口味完全不同的题材，看看搜索结果里有没有像样的内容。如果搜得到、而且数量不少，说明内容库是够的，问题在推荐机制；如果搜出来也就那么几条，那说明这个题材在平台上本来就供给不足，机制再怎么调也变不出内容来。
我自己测过几次，结论是：主流题材（都市、逆袭、甜宠、悬疑）供给非常充足，冷门题材（比如年代生活流、职场群像）供给明显偏薄。所以如果你刷不到冷门题材，很可能是「机制没给你」和「平台本来就不多」两件事叠加在一起。
9pm短剧为什么「多平台并用」是最有效的解法
既然问题主要是机制性的，那最直接的解法就是不要让单一机制决定你的全部选择。不同平台的召回逻辑、标签体系、运营重点都不一样，同一个题材在 A 平台可能被归到「都市情感」，在 B 平台可能被归到「逆袭爽剧」，结果就是你在这两个平台看到的东西差异明显。
这也是我们做 9pm短剧入口精选台 这类导航整理的出发点——不替你做选择，但把可选项摊开给你看。关于这层定位，我们在 短剧网做导航还是做内容 里展开聊过。
9pm短剧冷启动阶段：新用户为什么被推得更窄
新账号的推荐往往比老账号更单一，这个现象很多人都有体感，但原因不太一样。
新用户的兴趣向量几乎是空的，系统没有任何依据判断你喜欢什么。这种情况下，最稳妥的策略是推「全局表现最好的内容」——也就是那些在所有用户身上完播率都高的。而这类内容的共同特征，恰恰是套路最成熟、认知门槛最低的那一批。所以新用户看到的东西，本质上是「大众平均值」，而不是「你」。
更麻烦的是，冷启动期的行为样本极少，几条观看记录就能把兴趣方向定死。你随手点开两条甜宠，可能接下来几天全是甜宠。老账号因为样本多，单条行为的影响被稀释了；新账号没有这个缓冲。
冷启动期的三个常见踩坑
- 随手点开看看——在冷启动期，一次点开的影响可能持续好几天。看到不感兴趣的封面，直接划过去比点开再关掉更安全。
- 让它自动播放——自动连播会产生大量被动完播信号，把兴趣画像带偏。建议冷启动期手动控制每一集。
- 只在一个平台上试——只用一个平台，等于只让一套机制给你定型。多试两三个入口，比较一下差异，再决定主用哪个。
9pm短剧冷启动期该做的两件事
第一件是主动搜索。搜索是意图最明确的信号，比被动浏览有效得多。你想要什么题材，直接搜关键词，让系统知道你的方向。第二件是主动收藏。收藏是明确的正反馈，而且比完播更「干净」——你不会因为懒得划走而误收藏一条。
这两件事做上一周左右，推荐方向通常会有比较明显的变化。如果还是老样子，那基本可以确认是召回层的问题，换个平台比继续调教更省事。
9pm短剧冷启动期行为建议速查
- 建议主动搜索次数
- 每天 2 ~ 3 次
- 建议主动收藏条数
- 每天 3 ~ 5 条
- 观察周期
- 约 7 ~ 10 天
- 单条行为影响衰减
- 典型 3 ~ 5 天
- 建议同时试用的入口数
- 2 ~ 3 个
- 手动控制连播
- 冷启动期建议全程手动
以上为编辑部根据公开可观察现象归纳的经验区间，因人而异，不构成对任何平台行为的确定性描述。
ai短剧免费在线观看 的信息流自测方法
一句话先说结论：不用任何工具，连续三天记录「刷新 10 次里出现几个不同题材」，就能量化自己的信息流有多窄。这个数字比任何主观感受都可靠。
主观感受容易骗人，尤其是刷久了之后，你会觉得「好像都差不多」但又说不清差多少。所以这里给一个可以量化的自测方法，成本很低，三天就能出结果。
三天记录法：具体怎么做
- 每天固定三个时段各刷新一轮
建议早、午、晚各一次，每次连续刷新 10 屏，不要中途点开任何内容。这一步是为了测「纯推荐」的分布，一旦点开，后面的结果就被你的行为污染了。
- 记录每屏出现的题材标签
不用记剧名，只记题材。如果分不清题材，记「情绪走向」也行：爽、虐、甜、悬、暖。同一条内容重复出现也算一次。
- 统计三个数字
一是「不同题材数量」，二是「出现次数最多题材的占比」，三是「重复出现的卡片数量」。这三个数字基本能刻画你信息流的宽度。
怎么读结果
如果三天下来不同题材数量在 3 个以下，说明你的信息流非常窄，召回层基本被锁死了。如果在 4 到 6 个之间，属于中等偏窄，还有调整空间。如果能到 7 个以上，说明多样性控制做得还行，你看到的东西已经相对丰富了。
关于「出现次数最多题材的占比」，这个数字如果超过 40%，就属于明显偏斜。正常情况下，一个健康的推荐流里，头部题材占比一般在 20% 到 35% 之间。超过这个区间，说明要么是你的行为信号过于集中，要么是运营位在反复推同一批内容。
9pm短剧一个容易被忽略的变量：时间
很多平台的推荐结果和时段强相关。晚间黄金时段（大约 19:00 到 23:00）是流量高峰，运营位和热门内容的曝光会更密集，所以这个时段的信息流通常比白天更窄。如果你想看到更「真实」的推荐分布，建议在上午或下午的低峰时段测一次作为对照。
顺带一提，关于「9pm 这个时间点为什么成了短剧的黄金档」，我们在 9pm 这个时间点为何成了短剧黄金档 里有专门的排播习惯梳理，和推荐时段的观察可以互相印证。
9pm短剧把推荐拉宽的五个可操作动作
前面讲的是原理，这一节讲怎么做。五个动作按性价比排序，前面几个几乎零成本，后面几个需要一点耐心。
9pm短剧动作一：用搜索代替浏览
这是最有效的一招。每次打开 App，别直接刷首页，先搜一个你当下真正想看的题材词。搜索行为会直接进入意图信号，而且方向明确——系统不会猜错。坚持一周左右，你会发现首页开始出现你搜过的那类内容，而不是老一套。
动作二：控制连播，别让它自动跑
自动连播是完播信号的主要制造机。一集看完你其实想歇了，但它自动播下一集，你又看了，于是两条完播信号记上了。建议关掉自动连播，或者至少在你「其实没那么想看」的时候手动暂停。这个动作看起来不起眼，但对兴趣画像的影响不小。
9pm短剧动作三：用收藏代替「看完」
如果你确实喜欢某条内容，别只是看完，点个收藏。收藏是明确的主动信号，含金量比被动完播高。反过来，如果你对某类内容没兴趣，看完之后什么也别做——不要点收藏，也不要特意点开再关掉。
9pm短剧动作四：交叉使用两到三个入口
单一平台等于单一机制。同时用两三个不同的入口，你会更清楚地看到「哪些内容是机制推的，哪些是你自己找的」。我们整理的入口清单里，不同入口的内容结构和推荐风格差异其实挺明显的，具体可以看 短剧在线观看的稳定入口怎么找 这篇。
动作五：定期清空或重置兴趣画像
部分平台提供「清除观看记录」或「重置推荐」的功能。如果前面四招都试过、效果仍然不明显，可以考虑清一次记录，让系统重新学习。代价是接下来几天推荐会回到冷启动状态，比较粗糙，需要你重新用搜索和收藏去引导。这个动作建议一两个月做一次，太频繁反而没有意义。
| 动作 | 操作成本 | 见效周期 | 适用场景 |
|---|---|---|---|
| 用搜索代替浏览 | 极低，每次多花 10 秒 | 约 3 ~ 7 天 | 任何阶段，尤其冷启动期 |
| 控制自动连播 | 低，改一次设置 | 约 5 ~ 10 天 | 画像已被带偏时 |
| 用收藏代替完播 | 低，多点一下 | 约 5 ~ 10 天 | 想强化某个方向时 |
| 交叉使用多入口 | 中，需要切换习惯 | 立即见效 | 同质化严重、单平台调不动时 |
| 重置兴趣画像 | 中高，需重新引导 | 约 7 ~ 14 天 | 前四招都无效时的兜底 |
9pm短剧关键参数速查与常见误区
这一节把前面散落的数字和容易搞错的地方集中一下，方便你回头查。
9pm短剧关于「权重」的常见误解
很多人以为推荐系统有一套固定的权重表，比如「完播占 40%、收藏占 30%」。实际上权重是动态的，会随场景、时段、用户阶段变化。所以我们前面给的都是区间而不是确定值。任何告诉你「完播率权重精确等于多少」的说法，基本都不可靠。
9pm短剧关于「养号」的说法
网上有不少「养号教程」，声称按特定步骤操作就能让推荐变好。这里面有一部分是有效的行为（比如搜索、收藏），但也有很多是玄学（比如「每天固定时间刷 20 分钟」）。我的建议是：只做有明确信号依据的动作，别把时间花在仪式感上。
关于「免费」这件事
ai短剧免费在线观看 之所以能免费，通常靠广告或平台补贴支撑，这一点在 ai短剧免费观看的可持续性 里聊得更细。免费本身不改变推荐机制，但会影响内容供给结构——因为要覆盖成本，平台会更倾向于推那些「能带来更高广告完播」的内容，而这类内容往往节奏更快、套路更深。这也算是同质化的一个经济层面的解释。
单集时长
典型 90 ~ 180 秒。时长越短，完播门槛越低，被动完播的噪音越多。
首屏卡位数
一般 3 ~ 8 张。卡位越少，运营位的边际影响越大。
9pm短剧题材标签颗粒度
常见 4 ~ 8 个大类，细分不足是相似度误判的主因。
9pm短剧兴趣更新延迟
约 数分钟 ~ 数小时。所以刚看完的内容不会立刻影响本次刷新。
行为样本半衰期
典型 5 ~ 10 天。这也是为什么调教推荐需要耐心。
9pm短剧健康流头部题材占比
参考区间 20% ~ 35%。超过 40% 基本可以判定偏斜。
9pm短剧 生态里，导航站能补什么位
说点跟我们自己有关的事。既然推荐机制天然会收窄，那「跳出推荐流、主动找内容」这件事就有价值，而这恰恰是导航整理能补的位。
我们做的事其实很朴素：把 9pm短剧 相关入口按可访问性、跳转层级、页面结构梳理清楚，再配上剧集观察和观看路径说明。不生产内容，也不做推荐，只做筛选和标注。原因很简单——推荐流负责「让你一直看下去」，而导航负责「让你知道还有别的」。这两件事不冲突，但确实需要不同的人来做。
9pm短剧我们的栏目分工
9pm短剧为什么不做排行榜
坦白说，做排行榜的流量会更好看，但我们没法保证榜单依据可靠。播放量、评分这类数据大多不公开，我们能看到的只是页面上写的数字，无法核实，也没法排除运营干预。与其编一个看起来权威的榜单，不如把能核实的东西（入口可访问性、页面结构、更新频率）写扎实。这是我们的取舍，也欢迎读者用这个标准来检验我们。
如果你对生成式短剧本身的质量感兴趣，可以顺着看 ai短剧在线观看值不值得追 和 9pm ai短剧 的观看门槛 这两篇，和本文的机制视角刚好互补。
ai短剧免费在线观看 常见问题
为什么我点了「不感兴趣」，推荐还是没变？
单次负反馈通常需要累积才会显著改变排序，按经验一般要连续操作 5 次以上、并跨越 1 到 2 天才会看到可见变化。更关键的是召回层——如果候选池里本来就没有别的题材，排序层把这类压下去也没东西顶上来。建议负反馈配合主动搜索一起用，效果会比单点「不感兴趣」明显得多。
换设备或换账号真的能让推荐变宽吗？
会有变化，但方向未必是你想要的。换账号等于重置兴趣画像，推荐会回到冷启动状态——也就是优先推「全局完播率最高」的内容，短期内反而更单一。真正让它变宽的不是换号，而是换号之后你用什么行为去引导：主动搜索、主动收藏，通常 7 到 10 天能看出方向变化。
刷得越久，推荐会越窄还是越宽？
在没有任何主动干预的情况下，通常是越窄。因为长时间连续观看会产生大量被动完播信号，兴趣向量被单方向拉紧。实测经验是：连续刷 40 分钟以上，头部题材占比往往会从 30% 左右升到 45% 以上。想避免这一点，建议每刷 20 到 30 分钟就主动搜一次别的题材，打断一下信号累积。
ai短剧 的推荐机制和真人短剧有区别吗？
底层逻辑基本一致，都是完播和连播主导。差异主要在内容侧：生成式内容的单集时长通常更短，常见在 60 到 120 秒之间，完播门槛更低，被动完播的噪音占比更高，所以兴趣画像被带偏的速度往往比真人短剧更快一些。另外生成内容的题材分布更集中，因为模板复用成本低，供给端更倾向于生产已被验证的套路。
推荐总是同一类剧情，和平台内容库小有关系吗？
有关系，而且往往是叠加的。判断方法很简单：主动搜一个和你平时口味完全不同的题材，看搜索结果数量。如果主流题材能搜出几十上百条，说明内容库够大，问题在机制；如果冷门题材只搜出个位数，那这部分确实是供给不足。据我们的观察，聚合型平台的内容库规模通常在 3 千到 3 万条之间，但题材分布极不均匀。
有没有办法完全摆脱推荐机制？
完全摆脱不太现实，但可以降低依赖。可行的做法是：把「找内容」和「看内容」分开——先用导航、片单、搜索这类非推荐入口确定要看什么，再进去看，看完就退出，不要顺手刷首页。这样推荐机制仍然存在，但它不再是你接触内容的唯一通道。这也是我们坚持做入口整理的原因之一。
编辑部的取舍与边界
最后说几句我们自己的规矩，算是把这篇的立场交代清楚。
第一，不展示无法核实的数据。播放量、评分、在线人数这类数字，我们无法独立验证，所以不写。你在这篇里看到的数字，要么是可观察的结构性指标（比如首屏卡位数、题材标签大类数量），要么是明确标注为「经验区间」的归纳，不会伪装成官方参数。
第二，信息未确认时保持空缺，不猜测补齐。入口变动、域名跳转这类信息，我们只写实际观察到的状态。如果一个入口当天打不开，就记「当前不可访问」，不会替它编一个「维护中」的理由。
第三，不提供未授权资源入口，也不做破解相关指引。我们整理的是公开可访问的入口信息与观看路径说明，涉及版权边界的内容，在 黄果短剧免费在线观看的边界 里有过说明，态度是一样的。
第四，尊重原创。生成式内容的版权归属目前仍有讨论空间，我们不做法律判断，但在评测和整理里会尽量标注内容来源类型，让读者自己判断。
9pm短剧内容更新节奏
- 入口清单例行复核，更新可访问状态与跳转层级记录。
- 剧集评测更新，通常 1 ~ 2 篇观感记录。
- 推荐机制与观看路径类深度文章，也就是你现在读的这类。
- 热度数据结构整理与专题汇总，节奏稍慢。
这套节奏不是承诺，只是我们尽量维持的习惯。如果某周没更，多半是那周在核对入口，宁可慢一点也不想发没核实过的东西。
9pm短剧想跳出推荐流自己找内容？
我们整理了 9pm短剧 相关的入口清单、观看路径说明与剧集观察记录，按可访问性和跳转层级分类，不掺排行榜、不写无法核实的数据。你可以从入口资讯开始翻，也可以直接看剧集评测。
进入入口资讯清单 →
陆青禾 · 剧集内容分析师
盯短剧的推荐机制和观看路径三年多，习惯把「大家都这么说」的说法拆开验一遍。写东西的原则是：能观察的写观察，不能核实的就留空。
三天记录法我照做了，结果头部题材占比 46%，比我想的还窄。难怪每次打开都像在看重播，准备按动作一先试试搜索。
「看完和喜欢是两回事」这句说到心里去了。我经常是躺着懒得划，结果系统以为我爱看，一直给我推同一套，太真实了。
冷启动那段挺有用。我新号随手点开两条甜宠，接下来五天全是甜宠，当时还以为是平台内容就这么多，原来是样本太少被定死了。
关掉自动连播之后确实有变化，大概一周左右首页开始出现别的题材了。之前一直以为是玄学，看来还是有信号依据的。
喜欢这种只写能观察到的数字的态度。之前看过一些文章张口就是精确到小数点的权重，看着就假，这篇反而让人信得过。