推荐系统在看什么

推荐本质上是用你过去的收听行为去推测未来的偏好。它能参考的信号包括播放完成度、跳过行为、收藏与取消收藏、歌单创建，以及在不同时间段的收听内容。这些信号越多、越一致，判断就越靠谱。

如果只在推荐里听歌，却从不收藏，也从不跳过，系统能获得的反馈就非常有限，结果自然容易停留在泛泛的热门内容上。

用行为给出明确反馈

最有效的调教方式不是反复点「换一批」，而是在日常播放中如实表达偏好。遇到喜欢的曲目多听几遍，创建一张属于它所在风格的歌单；遇到不感兴趣的，果断跳过。

这些动作本身就是训练数据。相比之下，一次性连续跳过很多首，容易被理解为「不喜欢整类内容」，这也是有些用户发现推荐突然变窄的原因之一。

让推荐服务于场景

一天里的收听需求往往跨度很大：早上需要清醒，午后需要专注，晚上需要放松。把不同时段的收听分别放进对应的歌单，系统更容易分辨你在不同状态下的偏好，而不是把口味混为一谈。

  • 固定时段固定歌单，帮助系统建立时间维度的判断
  • 喜欢一张专辑就整张播放，完整收听是很强的信号
  • 对新风格保持开放，偶尔尝试推荐里的陌生曲目
  • 对自己的常用歌单定期整理，避免混杂风格干扰判断

推荐之外别忘了主动搜索

推荐擅长在熟悉区域内延伸，但很难凭空带来完全陌生的领域。真正扩大听歌边界，还是要靠主动探索：看乐评、听朋友分享、沿着喜欢的音乐人继续追溯。

更合理的用法是把两者结合：用搜索和外部信息发现新内容，用推荐维持日常的收听流畅度。这样既不会困在信息茧房里，也不至于每次都从零开始找歌。