推荐系统有一个所有工程师都绕不开的难题,叫冷启动。一个新用户刚打开APP,系统对他一无所知——没有点击记录,没有停留时长,没有点赞收藏,连一条行为数据都没有。这时候不管算法模型有多先进,都算不出真正适合他的内容,不是算法不够聪明,是压根没有可以计算的东西。这个问题业内公认最有效的解法,不是让算法在零数据上更努力地思考,而是主动生成数据——先给新用户看一批分布很广的内容,故意接受这一轮推荐大概率不精准,专门用来换点击、换跳过、换停留时长这些信号回来。系统前几十次推荐的"不准",不是失误,是买路钱。

这套逻辑放到人身上,你大概率天天在用,只是方向用反了。

你应该见过这种场面:一个人找你谈合作,条件说得挺清楚,你心里过一遍觉得靠谱是靠谱,但没共事过,不知道对方是嘴上说说还是真做得到,于是你说"再看看",这一看可能就是几个月——不是你真在看,是你在等一个不用自己承担风险就能确认对方靠不靠谱的办法。这个办法不存在。一门没学过的手艺你想先看到足够证据证明学了有用再投入,一个陌生的行业你想等局势明朗一点再出手,都是同一件事的不同版本:向一个刚建立、还没有任何交互记录的系统,索要只有大量交互之后才会存在的确定性。这些判断需要的数据,恰恰只能从你现在正在拒绝给出的那些接触里长出来。你不是在等一个信号,你是在等一个只有你先出手才可能被生产出来的东西,然后把这个不可能的等待,包装成了成熟。

更准确地说,你抗拒的不是"判断错误"这件事本身,是判断错误之后那种对自己的怀疑——一旦看走眼,好像证明的不是这个人不靠谱、这门手艺不适合、这个行业没机会,证明的是你眼光不行。所以宁可让系统一直停在零数据的状态,也不愿意让这一次可能出错的记录留在自己账上。这是一种防御,但防御的代价,是把"看走眼一次"的小成本,换成了"永远看不清"的大成本——后一种成本你感觉不到,它不会以一次具体的疼痛出现,只会在某天你回头发现自己在原地站了很久的时候突然现身。

真正做过冷启动的人都知道,那些"不精准"的早期推荐从来不是浪费,是唯一的破局点。你没法靠在原地反复推演把一个新人、一门新手艺、一个新机会想明白,只能先给出一点点真实的接触——一次不设太高期待的对话,一次成本可控的小额尝试,一次不需要立刻见效的投入——然后老实收集这次接触真正给你的反馈,不管好坏。好的反馈让你敢往前一步,差的反馈本身也是信息,它排除了一种可能性,让下一次判断的起点比这一次更靠近真相。这不是盲目冒进,这是数据从零到一唯一存在的方式。

你现在等的那个"再确定一点我就开始"的时刻,不会自己到来。它不是被动等出来的,是主动换出来的——用你愿意先付出的那一点试错成本,换来判断力真正需要的原材料。所有看起来一出手就很准的人,不是他们跳过了冷启动,是他们的冷启动期发生得比你早、比你密集——你现在看到的准,是他们很多年前那些"不准"攒出来的结果。

冷启动没有安全通道能绕开归零重来这件事。所有的准确,都是从愿意错的第一步开始攒出来的。