继续分析，同一个内容，对不同用户的意义也是不同的，由于用户的分类（最基本的可以按照是否是注册会员、忠诚度及每日访问次数来分类）十分复杂，那么设计一个模块时，就必须思考模块对主要种类用户的意义，对一类用户有意义的模块，对另外一类用户可能毫无意义，甚至是妨碍，在这里就必须提到权衡之道，权衡不是妥协，不是牺牲一方去满足另外一方，而是寻找整体性能的最优选项；这个最优选项，一定是最大程度上满足了不同用户的需求，使资源的理想程度达到最高点。

　　附录四：曾经给腾讯视频的一个关于个性化推荐系统的建议

　　原因：之所以列在这里，是因为建议中我表达了一个基本的观点：用户除了用手投票用脚投票，还用眼睛投票；当一个视频被展示过一定次数后，基本可以断定我对这个视频缺乏兴趣。这个规则可以帮助个性化推荐系统避免长期出现随着时间变得无效的推荐；这就跟零食店卖零食一样，如果一个零食在挂架上很长时间没有卖掉，就说明这个零食要不就是位置有问题要不就是不受人欢迎，需要更换位置或者换上新的零食；

　　建议正文：

　　个性化推荐系统是一个模块，而模块化的设计，个人觉得最好的好处就是独立性，可以做深度发展；通过与更多模块的组合来解决新的问题，满足新的需求：至少有以下模块：

　　内容推荐模块（内容单独存在时）：基于某个视频进行的推荐；

　　用户推荐模块（用户单独存在时）：基于某个用户进行的推荐；

　　复合模块（用户与内容同时存在时）：同时基于视频与用户的推荐；

　　1.动态关系

　　当我对视频做了一个操作时，比如点击、观看、快进、评论、关闭等，我跟视频就有了一种新的关系，视频就会开始进入我的印象分布区：每个印象区又可以分为上中下三层：

　　正印象区：感兴趣区：

　　中间区：不感兴趣区：

　　负印象区：厌恶区：

　　在同一个页面内，主视频A（正在播放的视频）跟其他视频B/C/D（非正在播放的视频）之间的依赖关系也会因我的操作发生改变：比如：我点击了B

　　A–>B：B是我认为在A页面内最吸引我的内容；

　　同样，视频对我做了一个操作，我的反馈同样是在建立我与视频之间的关系；视频对我做的主要操作是展示，每一次展示又可以分为两种：

　　被看到的展示：被我浏览过的；

　　没有被看到的展示：根本没有被浏览到；

　　我的反馈一般会是如下几种：

　　无视，不吸引我

　　停留，我做了进一步的观察

　　点击，可能感兴趣

　　随着展示次数增加，每一次展示的反馈都代表着我对视频的态度，每次展示都在改变着我跟视频的关系；

　　2.兴趣与质量判断

　　只是点击进入了一个视频页面，其实并不能真正的反应我的兴趣，所以只是按点击来判断我的兴趣点或者视频之间的相关度，很容易做出误判：我对一个视频真正的看法，包含在我所有的操作中：比如：

　　点击：可能有兴趣，进来看看是不是跟我预期的一致；

　　快进：这个视频或部分片段不值得花费时间或不感兴趣；

　　看评论/发表评论：想了解别人怎么看这个视频的；

　　观看进度：这个视频我在哪里断了兴趣点；

　　实际观看时间：视频实际花费我的时间，即使我看完了，假如总时长1小时的视频被我2分钟快进完了，只能证明我对这个视频的看法是负面的；

　　放大/全屏观看：我想看更大或全屏的画面；

　　进入下一个视频：是否发现的新的可能有兴趣的内容；

　　关闭：这并不是我要的东西，我的浏览区也没有感兴趣的内容；

　　需要对我在视频页面的各种行为，来综合判断这次点击的有效性，是一次有效点击，还是一次无效点击，有效点击的话有效度是怎样的，无效点击的话无效度是怎样的：比如：

　　有效：视频本次得分70-100

　　无法判断：视频本次得分50-69

　　无效：视频本次得分0-49

　　根据有效性，可以将内容与内容之间的相关度升级为真实相关度，将我与内容之间的关系升级为真实兴趣度；