能技術實現了從“不能用、不好用”到“可以用”的技術突破，迎來爆發式增長的新高潮。
高科技範疇了
奈飛為什麽被認為是科技公司就在於它真的是科技公司，大數據+算法+ai的用戶畫象。
短視頻最強算法是抖音。
而長視頻最強算法就是奈飛了。
在推薦算法麵前，短劇和長劇仿佛生活在兩個並行世界。
短視頻平台奉行的是“內容找人”短劇被投入平台巨大的內容池，由算法主動匹
配給感興趣的用戶。
用戶隻需不停刷屏，算法就源源不斷推來短劇，新內容層出不窮。
由於單個短劇視頻時長很短，用戶在相同時間內可以觀看幾十上百條內容，與係統交互頻率極高。
點讚、完播率、評論、轉發等行為數據滾雪球般增長，成為算法的燃料。
在抖音的推薦係統中，新發布的短劇視頻會被投入初始流量池測試，根據完播率、點讚和評論等數據決定後續推薦權重，再分層次擴大曝光。
可以說，短劇高度依賴算法分發，沒有強大的個性化推薦，這麽龐大的內容供給和碎片化消費根本無法有效連接。
反觀長視頻平台，一直以來更偏“人找內容”的傳統模式。
長劇數量相對有限，每年國產長劇產量不過幾百上千集，頭部劇更是鳳毛麟角。
用戶在這些平台主要通過主頁人工運營推薦、分類導航或搜索來查找劇集，而非純粹算法無差別地信息流推送。
即便號稱算法見長的奈飛，其主頁仍是精心排列的內容分類和熱點，而非象抖音那樣讓用戶被動刷到下一部劇。
長劇內容消費更中心化——熱門劇放在主頁輪播，觀眾也常由站外口碑（微博熱議、豆瓣評分等）決策觀看。
由於單部長劇動輒40分鍾一集、總時長數十小時，用戶觀影成本高。
因此長視頻平台獲取的交互數據遠少於短視頻，算法抓手有限，兩者完全不在一個量級。
這直接導致算法在長劇中的作用遠不如短劇顯著：長視頻平台至今沒有誕生類似抖音那樣純算法驅動的產品，主要消費模式還是靠內容本身吸引力和用戶自主選擇。
字節跳動縱橫信息分發領域，卻遲遲未能在長視頻上複製抖音的奇跡，正是因為長劇與算法推薦的契合度先天不足。
換句話說，短劇的推薦算法更象一台高轉速發動機：依賴海量的用戶行為數據作為燃料，快速試錯、迅速迭代，秒針般捕捉用戶興趣。
而長劇的推薦更象人工把關的慢工：內容體量大而精，產出有限，平台更傾向於用人工運營和用戶口碑來驅動分發，算法退居輔助地位。
短視頻平台上是算法挑選用戶，長視頻平台上則是用戶篩選內容——兩種框架的差異，注定了短劇與長劇在算法世界裏的不同命運。
長視頻平台的算法，偏後期反饋。
國內的長視頻平台的用戶畫象，全都是垃圾。
都擱那研究gg，研究飯圈，研究噱頭，研究炒cp，研究賣周邊，研究欺上瞞下
李明洋花費巨資在戛納買了那麽多片子，就是為了收集資料。
用戶特征，如年齡，性別，地域。
內容特征，如影片類型、導演、演員、劇情簡介。
以及用戶與內容的交互特征。如觀看市場、評分高低等。
這些都是長視頻算法最需要的。
奈飛為什麽用戶畫象那麽牛逼，可以精準自製。
靠的就是dvd租貸服務，衍生出來的 ceatch排序算法！
該算法根據用戶的租貸曆史及影片評分，為用戶提供個性化的電影建議，並創建潛在興趣影片的“列表”。
ceatch排序算法是03年的，在當時是非常先進的，並且準確率驚人。
ceatch排序算法大致可以這樣理解：奈飛的算法察覺到我們兩個人都
喜歡看《蝙蝠俠：開戰時刻》和《絕命毒師》。
更多小說內容請訪問o o p . t w
那接下來，那麽當其中一位標記喜歡《賭城風雲》時，係統可能也會向另一位推薦該影片！
國內有國內的玩法，海外有海外的玩法。
fbtv的膨脹程度，已經到了李明洋必須放手的地步了。
他也光棍，隻做內容提供商，把其他環節敞開了，讓所有人參與。
玩不起！
這些高科技太燒錢了。
。錢掏他逼，票投搞要還斯休，意同不然自人他其
。了搞不就他戰大紀世，錢掏他逼，碼籌做戰大紀世用，票投搞先洋明李
。作製容內心專，意玩的錢燒了開繞利順他，洋明李持支票半一過超，後然
。了開繞法辦的樣同用也格伯爾皮斯
。的與參能本資般一是不節環多很，鱷大堆一部內vtbf
。知自貴人
。了路跑也，精人個是也格伯爾皮斯，容內注專，退撤擇選洋明李
。候時的束結快議會
。理代薇張由將，與參再不他，議會席聯的次兩來未，人眾會知前提洋明李
”。下一討探你和想題問個有我，導李“
。場機去洋明李送車開自親博文陳，後宴晚
。天一同是，了車撞，慶校影北和戰大紀世次六第
。斯加維斯拉到趕機飛坐，開離途中後然，慶校影北加參備準，北燕回趕要在現洋明李
。及得來能上間時
。右左時小51慢，北燕比斯加維斯拉
。問洋明李”？事麽什“
”？主做能誰底到司公個這怪奇好覺感我，營運的vtbf“
”。主做數票，數多從服數少“
”呢製決否票一那“
”。了主做長事董個這我是就那，主了不做都誰“
”。呢我誆蛋八王幫這道知就我“，頭搖著笑苦博文陳
博文陳了瞥的淡淡洋明李
