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，那这种所谓的人工智能个性化推荐的意义又在哪里

    花了这么多钱，看着很唬人，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爱情电影，那就按照爱情的分类从高到低地按次序推荐就行了，泰坦尼克号乱世佳人罗马假日剪刀手爱德华等等，需要什么个性化

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

    “这”

    杰森基拉尔很难理解，就看向了周不器。

    周不器点了点头，“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。每个人都有一个更好的预期，但每一个人都有属于自己的特殊现实，这就是个性化。”

    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口。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，都有一些个性化的偏好，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，也比最好看的爱情片有吸引力。传统的类型化推荐模式，偏向的是大众口味。人工智能的个性化推荐，才能把每个人真实的偏好特点分析出来。”

    就像所有人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，很多人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。个性化推荐，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性化的烂片属性。”

    周不器笑道“对，美国的橄榄球再精彩，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。这就是个性化，跟好不好无关，跟个人的实际偏好有关。”

    杰森基拉尔深吸了一口凉气，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”

    这就轮到曲涵涵来回答了，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，是根据影评人的口碑，
    （本章未完，请翻页）