抵达奈飞总部。

周不器看到了一个熟，朋友网的早期员工、北航计算机系的高材生、马平山的大学好友曲涵涵。

周不器跟他接触不多，印象比较，一来是他的名字“曲涵涵”有点像生名，二来就是他很有勇气。去年年初，就自告奋勇地来美国出差。

他现在是m5的资总监级别，朋友网的个化广告推荐系统，他就参与其中，算是二号物。

个化推荐放在十年后，那是烂大街的理论。

可放在当下这个时间段，仍然是个很新鲜的玩意。

大名鼎鼎的facebook在应用层面的创新，主要有两点，一个是开放平台，一个就是个化广告的推荐。

随着facebook个化广告的应用，硅谷这边的广告模式也越来越朝着个化发展，这其中的佼佼者，当然就是谷歌、facebook和紫微星国际了。

而紫微星国际的个化业务的技术总监，就是这位临时借调来美的曲涵涵。紫微星在这个领域有很的发展，所以紫微星国际这边的个化广告业务发展得比较顺利。

过去大半年，曲涵涵在周不器的安排下，完成了“二次借调”，去帮助奈飞研究相关的个化推荐系统了。

成果很显着。

杰森·基拉尔对此就不太理解了，“奈飞不是没有广告么？个化推荐什么？”

“影片。”

奈飞的ceo哈根廷斯脸上保持着一种胜利者的微笑。

过去几年，奈飞和hulu竞争比较激烈，打了很多水仗，现在，局势已经明了了。hulu的核心团队集体离职，连杰森·基拉尔也颠颠地要为奈飞提供服务了。

这感觉真是爽！

当然，他也知道这一切之所以会这么顺利，不是因为奈飞的实力多么强大、团队多么优秀，而是因为周大老板在背后的一系列盘运作。

当下的美国，在长视频的流媒体领域，最知名的就是奈飞和hulu了。周大老板翻手为云覆手为雨，很轻易地搞垮了hulu，然后把hulu的核心力量抽调出来转给了奈飞阵营。

这让哈根廷斯内心振奋的同时，也对周不器充满了敬重。

这才是真正的大佬啊！

一个外国勇闯硅谷，还能披荆斩棘，真是枭雄之姿！

“影片？”杰森·基拉尔就不是太能理解了，“个化推荐影片？”

哈根廷斯笑笑，“对。”

杰森·基拉尔不相信，以为是双方对术语的理解分歧，又重复了一遍，“是个化推荐，不是类型化推荐？”

类型化推荐很简单，hulu也可以做。

比如一个用户喜欢看动作片，那系统就可以继续给他推荐一些其他的动作片。用户喜欢看恐怖片，用户就给他推荐其他的恐怖片。

类型化推荐的核心是基于电影分类，依靠的是客观数据。个化推荐则不同，是基于用户分类，依靠的是算法技术的主观判断。

可是，电脑技术真的能做到吗？

传统的电视节目，包括hulu上的影视节目推荐，背后依靠的都是实实在在现实数据，比如电视剧的收视率、电影票房数据、dvd碟片市场的销量数据等等。

还有就是电影评分网站。

这些都是真实存在的数据，是客观存在的。

越客观，越理。

比如一部电影票房特别好，那么给用户推荐，就一定没错。比如一部电视剧的首播收视率非常好，那么给用户推荐，也一定没错。

如果是基于计算机技术的主观判断，这种运营模式的逻辑点在哪？如果算法的主观推荐和依靠传统数据的类型化推荐所推荐出来的影视作品都一样，那这种所谓的工智能个化推荐的意义又在哪里？

花了这么多钱，看着很唬，最后还不是要根据电影票房、dvd销量和电视台收视率来为影视作品类型化地从高到低排列座次？

就像有一个用户喜欢看电影，那就按照的分类从高到低地按次序推荐就行了，《泰坦尼克号》《世佳》《罗马假》《剪刀手德华》等等，需要什么个化？

哈根廷斯心中多少有些优越感，保持着礼貌的微笑，“的确是个化推荐，这还是周先生给我们提供的新思路。”

“这……”

杰森·基拉尔很难理解，就看向了周不器。

周不器点了点，“往大里说，这就是预期偏好和现实偏好的差距。预期是不抽烟不喝酒，保持身体健康，现实是既抽烟又喝酒；预期是创业改变世界，现实是毕业后考了公务员；预期是周游世界，现实是柴米油盐。每个都有一个更好的预期，但每一个都有属于自己的特殊现实，这就是个化。”

哈根廷斯忍不住鼓掌。

杰森·基拉尔还是不理解，一脸茫然。

周不器笑笑，“高票房的电影，说明这部电影符合最大众的胃。高评分的电影，说明这部电影最符合大众的审美。可每一个不同的个体，都有一些个化的偏好，比如我很喜欢悬疑片，甚至很多低评分、低票房的悬疑片，我也愿意看。对我来说，低评分、低票房的悬疑片，也比最好看的片有吸引力。传统的类型化推荐模式，偏向的是大众味。工智能的个化推荐，才能把每个真实的偏好特点分析出来。”

就像所有都知道《教父》是最伟大的作品，在理想的预期中，影迷都应该看这样的作品。可是在某一个周末的空闲的下午，很多都是宁可选择看《小时代》，也不会去看《教父》。

杰森·基拉尔恍然大悟，给出了自己的理解，“对平台来说，用户有两种偏好。一种是想达到的偏好，一种是实际观察到的偏好。用户的选择，未必就是他真实的自己，可能是他对自己的错误认知。个化推荐，就是根据观察到的用户行为，去给出最符合他真实偏好的电影。这跟高票房、低票房无关，跟高评分、低评分无关，每一个用户其实都有基于个化的烂片属。”

周不器笑道：“对，美国的橄榄球再彩，我也不看。我们国足踢得再差，只要有时间，我也不会一场不落。这就是个化，跟好不好无关，跟个的实际偏好有关。”

杰森·基拉尔吸了一凉气，没想到周大老板和奈飞已经在流媒体的理论层次上达到了这么高的水准，接着问道：“应用了吗？”

这就到曲涵涵来回答了，中规中矩地给出解释，“已经试用4个月了，算法还在调整，初步的成绩比较好。”

杰森·基拉尔追问：“有多好？”

曲涵涵笑道：“很多用户都有评论，说是他们在奈飞上看到了他们过去从来就没听说过却很喜欢看的电影，很惊喜。”

“嘶！”

杰森·基拉尔就心惊得说不出话来了。

是啊！

用户们能不惊喜吗？

传统的推荐模式，是根据影评的碑，电影票房和电视收视率来推荐，只推荐“好片”。奈飞的这种个化推荐就不一样了，可能把一些过去完全被们忽视的“烂片”给推荐出去。

这一点非常重要！

传统平台，不管是dvd碟片市场还是电视台转播市场，一般都是销售“好片”，而这样的好片子，流媒体