用两个模拟案例来看这件事（人物与数值均为示例，游戏为虚构）。

案例一：好友信号应该压过历史

先说明一个前提：在爱游戏的推荐设计里，社交信号从来不是单独的一条通道，它总要和玩家自己的行为一起被读。

小林的历史行为很单一：过去半年只玩单人解谜，最长的一次会话也不过四十分钟。但这周他的四位好友，包括两位经常一起打游戏的老友，陆续开始玩一款四人合作的虚构游戏《潮汐营地》：拆解成关卡、分工修复据点、需要语音配合。

此时几个信号叠在一起：好友是同玩多的强关系；四人合作恰好有一个固定的联机窗口，周五晚间好友集中在线；好友里有人明确在游戏内发过组队邀请；而小林的历史里，虽然没有合作类游戏，但他常玩的解谜里有“拆解结构、找线索”的机制，与《潮汐营地》的部分玩法有交集。

这种情况下，把《潮汐营地》放进推荐前列是合理的，理由也很清楚：“你常一起玩的两位好友这周都在玩，且需要四人组队”。社交信号在这里不只是一个热度，它对应着一个真实的、有时间窗口的需求：有人等你。

案例二：好友信号应该被压下去

小周的好友们最近都在玩一款高强度的竞技对战游戏，但小周此前接触竞技类游戏时，曾经多次在几场之后就退出（放弃速度很快），并且在设置里主动关闭过语音。好友与他的关系主要是同学群里的弱关系，很少同时在线。

如果系统机械地认为“好友都在玩，所以排第一”，结果就是小周每天打开推荐页，看到一款他大概率不喜欢的游戏。更糟的是，他可能觉得有社交压力：似乎不加入就被排除在外。此时正确的处理是把这款游戏降到很后面，甚至在提示里只说“有好友在玩”，不强推。

两个案例说明，好友行为是信号，不是决定因素。同样的“好友都在玩”，在不同的人身上应当产生完全相反的排序。

社交信号有哪些种类

不同的好友行为，含义与强度差别很大，不应该被合并成一个“好友在玩人数”：

  • 同玩：好友们在同一时段、同一个游戏里真实地一起玩过，是最强的信号，尤其是合作、联机类游戏。
  • 邀请：明确发给你的邀请，说明对方有意愿一起玩，比单纯“他在玩”强得多。但邀请也可能是群发，需要看是否针对你。
  • 聊天提及：好友在聊天里提到某款游戏，代表话题热度，可以作为弱信号；前提是用户授权了相关数据的使用。
  • 单纯拥有或试玩：好友买了或玩过很短一段，几乎不能说明什么，应该低权重。

关系强弱也需要区分。经常同玩的老友，与只是相互加了好友的同学，其影响不能等同。强关系可以拿到较高权重，弱关系则更多作为“话题标签”。

权重怎么调：一个思路而非一个公式

爱游戏的做法是把社交信号放在“加成”位置，而不是排序基线。先由个人偏好、长期兴趣和短期兴趣生成候选并给出一个基础分，再由社交信号在特定条件下调节。可以按下面几个条件判断加成的大小：

  1. 玩法是否依赖多人：合作或对战游戏，好友的存在本身就是内容的一部分，加成较大；纯单人叙事游戏，好友在玩的意义就小得多。
  2. 玩家是否有社交游玩的历史：过去经常组队的玩家，社交加成更大；一直独自游玩、或者曾主动关闭联机的玩家，加成应当收缩。
  3. 时间窗口：好友当前在线、周末晚间是常见组队时段，此时的联机推荐比平时更有价值；过了窗口，则回落。
  4. 与个人偏好的差距：如果游戏的类型、机制、难度与玩家偏好距离很远，社交加成再高，也应该有一个上限，避免把玩家推向明显不适合的内容。

这里并没有给出具体的权重数值，因为合适的取值取决于游戏类型和评估方式，需要靠实验去调，不能凭想象写死。

别让“好友多”变成“永远推热门”

社交推荐有一个容易被忽视的副作用：热门游戏自然有更多好友在玩，如果好友数直接加分，热门游戏会越推越热，冷门但适合你的作品越来越没有机会。这与推荐需要保留探索和多样性的原则是冲突的。对策有两个：其一，用“你的好友中占比”而不是绝对人数；其二，给社交加成设置上限，并在推荐列表里保留由个人偏好而不是社交产生的条目。

隐私与社交压力

社交推荐涉及他人数据，边界要清楚。好友玩了什么游戏，是否可以用于向你推荐，取决于对方的隐私设置。即使可以使用，界面上也尽量只说明“你有好友在玩”，而不暴露某位好友的具体时长与时间。另外，要给玩家一个明确的选项：关闭基于好友的推荐，或者对特定好友的信号忽略。玩家的“不感兴趣”应当被记录，而不是每次刷新仍然出现在第一位，否则社交推荐就变成一种压力。

值得单独提的是，好友信号与隐式反馈的解读要一起看：一位被好友拉进联机大厅、玩了二十分钟就走的玩家，这段行为不能算作他对游戏本身的评价，只是社交动机驱动的一次尝试。

回到标题的问题：爱游戏AI不应该自动把好友在玩的游戏排第一。它应该做的是判断“这次好友行为，对这位玩家现在意味着什么”，再决定它排在哪里。有时它是第一位，有时它只配一行小小的提示。至于玩家在看到一款陌生推荐时怎样读懂理由、怎样纠正它，则是另一篇文章要讲的事。