两个视频的确是正常的，可还没等刘洋松一口气。
屏幕上又弹出了一条新的推荐。
是一群男菩萨，穿着紧身短裤在健身房互相抹油，老张又往后退了半步。
下方依旧有着一行小字“你可能喜欢的内容。”
“刘洋，我真没想到你......”
“等等，你听我解释。”老张再一次站了起来。
刘洋一把将手机摔在床上。
“我他妈是直的！”
但老张已经跑了，刘洋只听见男生寝室中，一道声音越传越远......
“刘洋是个gay！刘洋是个gay......”
同样的闹剧，在这个上午的大夏国各地不断上演。
喜欢看美妆教程的女生刷了没几条，微看的算法，就开始给她推整容广告和护肤品代购的微商号。
喜欢看书法展示的中年人刷着刷着，突然跳出来一条卖假古董的直播间链接。
微看新版本的推荐算法，确实是比之前强了一些，至少能让用户在头几条视频里，找到自己感兴趣的东西。
但也就只有头几条。
它的算法逻辑太简单粗暴，没有深度学习模型做底层支撑，只靠几张粗线条的兴趣标签做关联匹配。
用户行为数据的采样范围小，权重分配又失衡，一旦用户的多维度兴趣叠加，推送结果就会迅速失真混乱起来。
虽然大数据算法的确很优秀，哪怕企鹅的算法只能模仿表面，但在全世界范围内，也是极其先进的推送机制。
但和抖音的算法相比，二者根本不是一个层级的东西。
但不管怎样。
在第一天的数据面板上，微看的人均使用时长，的确从之前的不到十分钟直接跳到了十五分钟。
第二天。
随着更多用户完成更新，这个数字继续往上跳，突破了二十分钟。
......
企鹅集团总部。
微看2.0上线第二天。
会议室里坐满了人，投影屏幕上定着微看后台的实时数据面板。
人均使用时长那一栏的数字，此刻正稳稳地停在二十一分钟的位置上。
孙强站在屏幕前面，手里拿着一份刚打印出来的数据报告，从头到尾看了两遍，嘴角难得地挂上了笑。
“两天，人均使用时长翻了一倍。”
他把报告放在桌上，目光
…。。