方案定下来了。
接下来一个月，团队投入个性化排序的开发。
技术上比分布式索引更复杂，需要建立用户行为模型，需要实时计算偏好，还要保证不影响搜索速度。
但团队热情很高。
这是前沿技术，国内外都还没成熟产品。
如果能做成，百度将在技术上领先一大步。
开发过程中，贾瀞雯每周和陈浩通话汇报进展。
“匿名化处理做得怎么样？”陈浩在电话里问。
“技术团队设计了双重加密方案。”贾瀞雯说，“用户行为数据先脱敏，再加密。
存储服务器和业务服务器物理隔离，访问需要多重授权。”
“用户教育呢？”
“我们做了详细的帮助页面，解释个性化功能是什么，需要什么数据，用户有什么权利。
还做了示意图，很直观。”
“好。”陈浩说，“记住，透明是关键。
用户不怕你收集数据，怕的是你偷偷收集。”
一个月后，个性化排序功能进入内测。
选了五千名用户参与，都是自愿报名的。
陈浩也加入了内测名单。
贾瀞雯给他开了个测试账号。
内测开始一周后，陈浩打来电话。
“功能我试了。”他说，“确实更相关了。
我搜了几次电影，再搜‘导演’，结果里电影导演的内容就排前面。”
“有什么问题吗？”贾瀞雯问。
“有。”陈浩顿了顿，“推荐太狭窄了。
比如我搜了几次武侠片，结果后来搜‘电影’，出来的全是武侠片。
可我可能也想看看其他类型，只是还没搜过。”
贾瀞雯记下来：“你是说，个性化过度了？”
“对。”陈浩说，“算法太依赖历史行为了，会把用户限制在已有的兴趣里。
但人是有探索欲的，有时候想看看新东西。
所以我们需要一个平衡——既要基于已知兴趣推荐，也要偶尔推荐未知但可能感兴趣的内容。”
“技术上怎么做？”
“可以加一个‘探索性推荐’模块。”陈浩说，“比如用户搜‘电影’，大部分结果按他的历史偏好排序，但可以插一两条其他类型的优质内容。
或者定期给用户推送‘猜你可能还喜欢’的推荐，这些推荐不完全基于历史，而是基于相似用户的行为。”
贾瀞雯飞快地记着。
陈浩的想法总是很超前。
“这个模块要控制比例。”陈浩继续说，“探索性推荐不
本章未完，请点击下一页继续阅读！