星空影视：把选片权还给认真看故事的人

当推荐算法开始“猜你喜欢”，人工策展为什么反而更值钱了？

过去几年，影视平台的默认动作是让推荐算法接管首页。你点开一部悬疑片，接下来一周的首页就会堆满相似封面的悬疑片；你为一部家庭题材停留了三分钟，系统会判定你是“家庭类型高意向用户”。推荐越来越准，但一个奇怪的现象同时出现了：用户选片花的时间反而更长了。打开平台，先划走三排“猜你喜欢”，再去搜索框里输入一个自己都不确定的关键词，最后关掉页面。算法解决了“内容太多”的问题，却没有解决“我到底想看什么”的问题。

一、算法越准，为什么选片越累

推荐系统的核心目标是提升点击率，而点击率并不等于满意度。一部封面醒目、前三十秒有强冲突的内容，很容易赢得点击，但它未必是用户看完之后觉得“值”的那一部。当平台把点击率作为唯一信号，推荐就会不断向“更容易被点开”的内容倾斜，而不是向“更值得被看完”的内容倾斜。用户感受到的，是一排看起来都对、但点进去又都差点意思的封面。星空影视内部把这种状态叫作“推荐饱和”：不是内容不够，是线索太单一。

二、策展不是列片单，是给片单一个理由

人工策展经常被误解成“编辑从片库里挑几部片子排在一起”。真正的策展工作，是先确定一个可以被说清楚的母题，再围绕母题选择作品，并给每一部作品写一句能帮助用户判断的推荐语。比如“雨夜适合看的电影”这个母题，不是简单地把所有带雨戏的作品堆在一起，而是要回答：为什么是这几部？它们分别对应雨夜的哪种情绪？用户看完推荐语，应该能判断自己此刻是否属于这个情绪，而不是被封面牵着走。推荐语本身就是筛选工具。

三、星空影视的“可追问推荐”实验

在星空影视，AI的角色被限定为“副驾驶”。用户输入心情、可用时长和题材偏好后，AI负责缩小范围并生成推荐理由，但每一条理由都必须使用可读的自然语言，不能只输出一个匹配度百分比。例如，系统不会说“匹配度92%”，而会说“这部片子的节奏和你上次停留的那部接近，但对话更密，如果你今晚不想看太安静的戏，可以把它往后放”。用户如果不同意，可以手动调换维度，推荐结果和理由会一起刷新。我们内部把这个机制叫作“可追问推荐”：推荐不是终点，是一个可以被继续对话的起点。

四、人工策展的边界在哪里

人工策展不是万能药。编辑的精力有限，覆盖不了片库的全部角落；人工判断也会带有个人偏好，需要被透明地标注出来。星空影视的做法是把策展人和推荐逻辑一起展示：谁选的、围绕什么母题、按什么顺序排，用户都能看到。同时，AI负责处理那些编辑来不及覆盖的长尾内容，但长尾推荐同样要过“可读理由”这一关。算法提供广度，人工提供判断，用户保留最终决定权。平台的角色不是替用户做决定，而是让做决定所需的信息更容易被看见。