冷启动问题最容易被想成“数据不够，所以要多问”。实际上，多问只是最粗糙的办法，问卷做得越长，流失越多。更值得追问的是：在没有历史的头几天里，哪些信息是真的必需，哪些可以留给行为去说话。下面沿着一位虚构的新玩家“阿澈”的前七天，看画像是怎么一点点长出来的（时间与数字都是示例）。

第1天：几乎什么都不知道

阿澈刚打开爱游戏App，除了设备类型，系统一无所知。此时有三种常见的选择，每一种都有代价：

做法 好处 代价
全部推荐热门 零打扰，大概率不出错 所有人看到同一份榜单，个性化为零，也强化热门效应
长问卷信息多 填写成本高，玩家倾向随手乱选，数据质量反而差
极短问卷加内容特征成本低，能立刻给出方向 画像粗糙，需要后续修正

爱游戏倾向第三种。只问玩家愿意回答、又真能区分候选的几个问题：喜欢的类型大方向；偏单人还是合作；每次大概能玩多久；对难度的态度（想被挑战还是想轻松些）。题目允许跳过，答案随时可改。这里的关键是“问什么”，而不是“问多少”：一个问题只有当它能明显地把候选游戏分成不同的两堆时，才值得问。

阿澈回答了：偏好叙事类、单人、每次三十分钟左右、难度不想太高。这是一个很粗的画像，而且并不完全可靠，因为人们对自己偏好的描述本来就有偏差。

用游戏内容特征把答案“翻译”成候选

没有行为数据时，能用的是游戏本身的内容特征（Game Features）：类型、画风、主要机制、难度曲线、单人或多人、典型会话时长、叙事密度。阿澈说“叙事、单人、三十分钟”，系统就在内容特征空间里找到与之最接近的一批游戏，而不需要任何人先玩过它们。

这里知识图谱开始起作用。在把游戏、机制、题材和系列连接起来的图谱里，一款游戏被标注了“分章节存档”“对话选项影响结局”“无实时战斗压力”等机制节点。阿澈只表达了“叙事”这个大词，图谱却能沿关系展开：叙事游戏里，哪些是“选择驱动”，哪些是“探索驱动”；哪些适合三十分钟的短会话。这让第1天的推荐不至于只是按类型标签硬匹配，而有了一点机制层面的细节。

需要坦白的限制是：内容特征本身要有质量。标注错误、缺边、版本过期的图谱，会让冷启动推荐一开始就带偏。

第3天：行为开始说话

三天里，阿澈点开了七款推荐，收藏了两款，试玩了一款，玩了不到十分钟就退出；另一款是选择驱动的短篇，他玩完了第一章。这时候真实行为开始比问卷更可靠：

  • 试玩之后的放弃速度，说明问卷里的“叙事”可能过宽，他也许偏爱短篇选择驱动，不喜欢长篇文字冒险。
  • 收藏但没玩，比点击后关闭强，但也没有玩了一章强。不同行为的分量要区别对待，正如隐式反馈的解读所示，短会话本身并不是明确的否定。
  • 他每次搜索的是攻略还是新游戏，也是重要线索：前者说明他有正在玩的游戏，需求是“帮我玩好”；后者才是真正的发现需求。

在这一阶段，更新速度应当偏快：每一次新行为对画像的影响较大，因为原有的画像不确定性很高。这与老玩家不同，老玩家的长期画像已经稳定，单次行为只应引起小幅调整。

第7天：画像成形，探索比例下调但不归零

到第七天，阿澈的画像大概变成：偏爱短篇、选择驱动、可存档中断的叙事游戏；单次30分钟；难度偏低；对合作与竞技类几乎没有反应。这时的推荐可以更具体，也可以降低问卷答案的权重，让行为成为主导。

但探索比例不能归零。前几天只观察了阿澈一个很窄的样本，他可能还没接触过某类他其实会喜欢的游戏，比如同样有叙事但融入解谜的作品。所以列表里始终留出一部分位置，给稍有距离的候选。此时被推荐的陌生游戏也应当附上简短的理由，让玩家看得懂，也便于他反馈“不感兴趣”，这部分思路与首次使用时的兴趣提问设计是一体的。

冷启动的四个取舍

  1. 问卷成本：宁可少问，也不要让玩家有被审问的感觉。所有问题应可跳过，回答不应成为进入推荐页的前提。
  2. 渐进式采集：不把所有问题堆在第一天。在玩家有了一些体验之后，再于合适的场景问一个问题，比如玩家收藏了三款同类游戏后问“你是不是偏爱这类”，准确度更高，也更自然。
  3. 探索比例：早期画像不确定性大，探索的比例要高，随着信号积累逐步降低，但保持一个下限。
  4. 更新速度：早期快，后期慢。同一个行为，在第1天与第100天对画像的影响应当不同。

新游戏也有冷启动

冷启动不只发生在新玩家身上。一款刚收录的游戏没有任何玩家行为数据，如果只依赖“有多少人玩过”来排序，它永远没有机会。这里同样靠内容特征与图谱关系入场：它属于什么类型、包含哪些机制、与哪些已有游戏相似，先据此把它送到最可能感兴趣的一小群玩家面前，再由这批玩家的真实反馈决定它的后续曝光。这一步要控制好曝光规模，避免因为一小群人的偏好，就过早地下结论。

边界

冷启动阶段的所有判断都是暂时的。爱游戏不会声称仅靠几道题就能“读懂”一位新玩家，我们只是尽量用最小的打扰换来一个足够好的起点，并且承认起点会错。真正的判断标准也不是第一天推荐得多准，而是错了之后画像能被多快、多温和地修正。