项目运营后阶段发力
前言
我记得之前有人跑过来问我：你知道为啥字节面试总会考算法吗？我没有回答，一方面是算法是大厂必考的东西，既然是必须的东西究竟个为什么有点白费心机，第二方面我没有进去过字节，所以我也拿捏不准为什么。
今晚我在朋友圈看大学同学发了字节的招聘，忽然这个问题就引发我的冲动想去请教一波，哈哈
算法
先说说我的想法：算法作为基础功底，不管是在排序、去重、找出差异集合等等场景，都会有它的身影，只不过被封装起来了，让开发不需要去关心算法是怎么实现的，直接开箱使用。由此可见，算法是直接影响很多领域的技术功底，在各大厂面试出现也不足为奇。
在技术层面运用上，我是有一次接触到，那就是全链路灰度方案，里面有重写负载均衡算法，相信各位了解rpc原理到小伙伴知道，负载均衡算法也是高频的考点，也是rpc实现的一部分。
在业务层面，我现在比较少接触到，不过一些骚操作倒是有场景，比如说数据从A同步到B,现在数据不一致了，导出AB的数据出来，对比下哪些数据多了，哪些数据少了。我当时是直接暴力解法，java8 stream filter将那些不在另一个数组的搂出来。当然这也是有更好算法的。
我同学的说法引起了我的注意
[图片上传失败...(image-41971d-1668562032272)]
- AB 实验为何值得信赖？
字节AB Test的文章我看过几次，不过总是忘记，它跟灰度流量还不太一样，灰度流量是针对特定用户、用户群体进行处理，字节方案更偏向于业务层面，它需要同样比例的流量引入两个不同的方案，然后观察对应方案的效果。如果上图讲的，如果只是停留在config层的话，我们能做的东西是比较少的。千人千面，toc的小伙伴应该是经常听过的，这个属于项目发展到一定稳定情况下，后阶段发力，这个时候算法就会派上用场。
千人千面
没错，非常耳熟的一个词，那是我上家公司经常听到的东西，当时做的一家美妆公司，公众号粉丝数千万以上。在这个体量下面，用户的运营是尤为的重要的。特别是千人千面，那是在业务发展到一定稳定阶段后，提出再一次可能带来新机会的一个点。
我当时是在内容运营中心搬砖，做过一个功能跟这个有关系的，就是通过用户购物评价给用户打上美妆标签，比如说干皮、油皮。。。然后当用户进来看文章的时候（公司是靠小红书发家的，所以我们内容运营很像小红书），会根据用户的标签给他推不同的文章。还有另外一种情况，就是用户读过什么类型的文章，那么会给他推类似的文章，当然这里就涉及算法了，如果系统一直推差不多类型的文章，会导致用户视觉疲惫～
技术点
- 打标
场景1：我买过一个商品，然后评论了这个很好用，这款化妆品是针对干皮+白皮女生的
打标：系统根据语义分析nlp，去分析这句号是满意，还是说感觉使用不好，然后还会拆词，找到关键的词（涉及到词库，有电商词库、美妆、家用电器）然后根据这些已知的东西去给用户打标签，比如说干皮、白皮
场景2：我在搜索栏经常性搜索控油，比如男人到一定年龄，多少有点油，啊哈哈哈。然后我就点开下面几篇相关文章进行查看。
打标：通过用户高频搜索词，以及阅读文章类型（本身文章也会附带标签，比如说针对想减肥的，想增高的），然后我们给用户打标签
- 机器学习
上面打标的时候，提到nlp语义分析，它是需要机器学习，你需要给他大量的数据让它去学习，比如说我评价一个商品，这个物品糟糕透了，很不好用，用了几次烂脸了。人工给他打标签，用户心情：不好的，关键词：品质差
当机器训练出来的模型，输出的结果也有可能是有偏差的，所以还需要大量数据去训练模型，优化它。
- 智能推荐
当用户进入内容中心的时候，系统会自动根据用户标签去推送标签相关的文章，那么跟标签相近的也可以推送。所以标签之间的相近程度，这个也需要机器学习去鉴别。这样可以更全面、准确搜到用户想要的内容～
在这个过程，算法的重要性就体现出来了，数据模型训练也是一个算法
总结
读完这篇文章，我们了解了算法的作用，它在业务上、技术上所做出贡献，我更希望说它可以成为一个启发点，引导读者去思考有没有哪些点可以促发项目的二次成长的机会，比如说一个用户很喜欢吃一个东西，某外卖平台是不是会给他推相似的食品。当然这个标签应该是动态的，可能某天我心血来潮，我想减肥，不可能给我贴一个健康人士标签吧，所以标签体系的完善又要依靠算法的进步，从而更好的服务用户。
