先看一条时间线，而不是一个标签

假设有一位玩家，叫他阿澜。下面是他在爱游戏上的行为摘要，全部是虚构的示例。

时间段 行为记录（示例） 单看数据 可能的真实含义
过去两年 回合制与动作RPG累计约500小时，多数通关并做完支线 “RPG重度玩家” 稳定的长期偏好：叙事、成长数值、角色构筑
三周前 装了一款经营小镇的模拟游戏，第一晚玩了两个多小时 “新鲜感”可能是尝鲜，也可能是兴趣转向的开头
近两周连续多天回访，每次时间不长，会打开建筑图鉴 “小众兴趣” 碎片时间玩法；在补机制理解
上周 搜索“小镇布局怎么排”，收藏两篇攻略 “需要攻略” 主动投入，短期兴趣变强
昨天 一款新的开放世界RPG上架，他点开又退出 “不感兴趣” 也可能是当下没有整块时间

同一条时间线，如果只按“类型时长占比”统计，模拟经营只占很小一部分，RPG占绝大多数，于是系统会继续推RPG；如果只看最近三周，系统会把他当成模拟经营玩家，然后清空所有RPG的位置，等他哪天想念叙事的时候，首页上什么都没有。两种做法都错，因为它们都只用了一段时间窗口。好的推荐要回答的问题是：长期偏好还在不在，短期兴趣是不是真的，两者此刻各占多少权重。

信号：不只是“玩过什么”

爱游戏的做法是把信号分成几类，每类回答不同的问题：

  • 投入强度：游戏时长、会话频率、回访间隔。时长是最粗的信号，因为有人挂机，有人被教学卡了半小时。
  • 完成度：主线进度、成就、支线完成比例。完成度高的游戏比时长长的游戏更能说明“这类内容对他有效”。
  • 放弃速度：从安装到弃坑用了多久，是在教学里退出还是在中期退出。第一晚就退出与玩了三十小时后慢慢不再打开，是两种完全不同的信息。
  • 最近游戏：最近七到十四天内启动的游戏，以及启动顺序。
  • 内容属性：类型、机制标签（回合制、构筑、建造、生存）、难度档位、单人或多人、节奏（单局长短）。这些属性来自游戏内容库和知识图谱，而不是玩家行为本身。
  • 社交信号：好友最近在玩什么、有没有被邀请。这只是信号之一，不是命令，这一点可以看好友行为如何进入推荐的讨论。
  • 主动表达：搜索词、收藏、“不感兴趣”的反馈。这是最干净的信号，但数量最少。

一个容易被忽视的区别是：购买不等于喜欢，时长也不等于满意。同样是二十分钟，可能是睡前试玩、配置不够、被教学劝退，具体的读法在隐式反馈与游戏时长里展开。这里只强调一点：推荐系统输入的应该是带不确定性的证据，而不是打好标签的结论。

长期兴趣：稳，但不是不变

长期兴趣代表玩家“是什么样的人”。爱游戏倾向于让它落在属性分布上，而不是游戏列表上。阿澜的长期画像不是“玩过这二十款RPG”，而是：偏好叙事推进强的内容，能接受中高难度，喜欢角色构筑，单人为主，单局不追求短。这样做有两个好处。第一，新上架的、他从没见过的游戏，只要属性对得上，就能被匹配到。第二，画像可读，可以被解释，也可以被玩家自己修改。

长期画像使用较长的时间窗口，衰减很慢，但不等于不衰减。所以长期兴趣也要缓慢更新，允许被近期证据一点点“拉动”。

短期兴趣：快，但要过滤噪声

短期兴趣来自最近几个会话，关注的是序列：他先打开了什么，接着搜了什么，中间放弃了什么。它的衰减很快，几周不再出现就应该淡出。短期建模里最常见的坑有两个：

  • 被一次强烈的会话“绑架”。深夜通宵打了一款游戏，系统连续一周只推同类。解决办法是对单次会话的影响设上限，看多个会话是否重复出现。
  • 被外部事件拉走。某款游戏搞活动、好友拉他入伙，他玩了，但不代表他个人的兴趣变化。

兴趣漂移，还是一次尝鲜？

这是整条链路里最难的一步。阿澜那三周，系统必须判断：他是在漂移（长期偏好正在向模拟经营转移），还是尝鲜（过几天就回到RPG）。没有哪个单一信号能回答，需要综合一组证据：

证据 更像漂移 更像尝鲜
回访 多天分散回访，间隔稳定 集中在头一两天，之后断掉
教学与进度 通过教学并解锁中期系统 停在教学或早期
主动行为 搜索攻略、收藏、看图鉴 没有任何主动查找
时长趋势每次时长变化平稳或上升逐次缩短
与长期偏好的距离 机制上有共通处（数值成长、资源管理）与既有偏好完全无交集
外部因素 无明显活动或好友带动 正值活动或好友刚邀请

更实用的做法不是给出“是或否”，而是给出一个带不确定度的判断：这段新兴趣有多大概率是持续的。概率不高时，系统的策略是降低短期权重但不清零，同时增加对这一方向的观察。只有当证据积累到足够多，再把它提升进长期画像。

融合：不是两个分数加权平均

把长期得分和短期得分固定比例相加，是最省事的做法。原因是两者的可信度会随玩家状态变化：一个刚刚进入某个新品类的玩家，短期信号少，短期分数本来就不稳；一个每天回访的玩家，短期信号很足，应当有更大的权重。

爱游戏更倾向于让融合权重由短期证据的强度决定：证据足够，短期兴趣主导排序；证据不足，回到长期偏好托底。同时，两种兴趣不是必须二选一，很多时候它们对应不同的位置：首页的“继续玩”“猜你想玩”留给短期，“你可能也会喜欢”留给长期，“换个口味”留给探索。

候选生成：一条路不够

推荐通常分两步：先生成候选池，再对候选排序。候选池如果只有一条来源，后面排序做得再好也无济于事。对阿澜来说，至少需要这几路候选同时存在：

  1. 长期偏好路：与RPG属性分布匹配的内容，包括他没玩过的新作。
  2. 短期兴趣路：与小镇经营相邻的内容，比如同样偏资源管理与布局的游戏。
  3. 跨界桥接路：同时具备叙事与经营元素的游戏，比如带角色养成的经营类。这类游戏往往是漂移期最合适的“过渡”。
  4. 探索路：与两类兴趣都不完全重合，但内容属性显示可能有共鸣的游戏。

其中第三路特别值得强调。兴趣的变化很少是断崖式的，更多是沿着某个共同属性慢慢移动。阿澜从RPG走向经营，共同点可能是“数值成长”和“长期规划”；顺着这个共同点找到的游戏，接受度往往比完全随机的探索高得多。这一步需要内容知识图谱：图谱里有“机制”“题材”“难度”“玩法循环”等节点，才能找出这种跨类型的相似关系。

排序：目标是“开始并愿意继续”

候选池有了，还要决定谁排前面。排序如果只以点击为目标，会偏向包装好看、名字响亮的游戏；以时长为目标，又会偏向耗时的游戏。更合理的目标是玩家开始之后愿意继续：比如通过教学、第二天回访、没有在前一小时内放弃。这些是间接指标，需要通过长期观察和对照实验来验证，我们不在这里给出任何数值结论。

排序时还要考虑当下的情境，而不只是偏好：

  • 时间预算：工作日晚上碎片时间多，推荐单局短的游戏；周末可以推需要整块时间的内容。
  • 难度匹配：一个刚开始接触模拟经营的玩家，适合上手曲线友好的作品，而不是一上来就是深度硬核的经营模拟。
  • 多人与单人：如果好友在线，联机游戏的权重可以临时上升。

探索配额：留一个位置给“不确定”

只根据已有兴趣推荐，会出现一个稳定的循环：系统推荐他已经喜欢的，他点了，系统更加确信他喜欢这个。这个循环里，玩家永远不会看到自己可能喜欢却从没接触过的东西。要打破它，就要在排序结果里保留一部分位置用于探索，也就是有意展示系统并不确定的内容。

探索不是随机撒网。爱游戏的做法是让探索位置遵循几条原则：

  • 探索内容要有依据，比如沿着共同属性向外走一步，而不是完全随机。
  • 探索位置的比例根据玩家的状态调整：证据丰富、玩家近期在“找新游戏”时，可以多一点；玩家明确处于“继续玩手头游戏”状态时，少一点。
  • 探索要和普通推荐区分展示，让玩家知道这是“换个口味”，而不是系统判断他会喜欢。

在App里的呈现方式，可以参考探索推荐在应用中的表现。

多样性与推荐理由

即使每一条都合理，一整页十条推荐如果全是同一类型，玩家体验也是糟糕的。多样性要在不同层面上控制：类型、题材、机制、单局时长、多人与单人。简单的做法是在排序结果上重排，同一类型在一屏内设上限。

推荐理由则决定玩家是否信任这份结果。对阿澜，可能出现的几种理由（示例）：

  • “你最近常玩小镇经营，这款同样以布局规划为核心。”（短期兴趣）
  • “你喜欢角色成长，这款把成长带进了经营。”（跨界桥接）
  • “你的好友近期在玩，且它支持合作。”（好友信号）
  • “换个口味：节奏较慢，适合碎片时间。”（探索）

理由要真实，来自实际的排序依据，而不是事后编写的话术。理由还有一个作用：玩家可以纠正它。当他看到“因为你最近常玩经营”，而实际上那只是朋友借用他的账号玩了两天，他可以直接说“不是这样”。

一个边界：我们并不知道玩家在想什么

推荐系统能做的，只是根据可见行为对“现在想玩什么”作出估计，这个估计永远带着不确定。爱游戏AI的设计取舍是：不确定时不下结论，用多路候选和探索配额保留选择空间，用可读的理由和明确的反馈入口让玩家参与修正。至于这套思路在真实玩家身上效果如何，需要靠对照实验和长期观察来验证，本文不给出任何效果数字。

回到阿澜。比较合适的首页，也许是这样：第一屏是他正在玩的经营游戏和他上次没打完的RPG；第二屏是几款同时带有成长与经营元素的游戏；第三屏留一个“换个口味”的位置。它没有断言他从此不再是RPG玩家，也没有假装他永远只喜欢RPG，只是承认了一件事：一个玩家的兴趣，是一段会移动的时间线。