算法分发引擎模型

核心判断

信息分发效率是核心竞争力。传统媒体的问题不是内容不好，而是分发效率太低——算法实现千人千面，一套引擎驱动多个产品，这才是字节的真正护城河。

推理逻辑

1. 先诊断瓶颈：是内容生产不足，还是分发效率低下？大多数情况下瓶颈在分发。2. 算法推荐比编辑推荐有规模化优势——编辑能覆盖的内容量级有限，算法没有上限。3. 中台化复用：底层推荐引擎一套代码多产品共享，每次优化惠及所有产品线。4. 飞轮效应：数据越多 → 推荐越准 → 用户停留越久 → 数据更多。

关键案例

今日头条没有自有内容，仅靠分发效率就做到日活过亿；推荐引擎从资讯直接复用到抖音短视频、再到电商——"一套引擎驱动一切信息匹配"。

适用场景

内容产品的推荐策略选择、技术架构是否建中台、新业务能否复用已有技术能力、编辑推荐 vs 算法推荐的决策。

不适用场景

有社交关系链的产品中，社交推荐比算法更有温度和信任度（如微信视频号以社交为底座）；内容供给极度稀缺时，分发再好也无米下锅。