每个去视频网站看过视频的用户，都知道，在看完一个视频之后，会有相关的视频推荐，这个不足为奇的功能，就是大数据的体现，视频行业在不留意间早就成为了大数据的弄潮者。
琢磨用户喜欢什么样的视频，提高寻找内容的效率，这是大数据在视频行业应用的一个小小案例，本期《数读》聚焦视频行业，看大数据在视频中的数字游戏。优酷土豆集团CTO姚健向我们娓娓道来优酷土豆在大数据上的实践。
推荐视频：看上去简单的高深应用
姚键是优酷土豆集团CTO，据他介绍，优酷新上线的首页页面上，光是导航栏上的视频分类就有21个，21个不同类型的内容，这意味着会有各种不同的用户来优酷看视频，要想给不同的用户推荐他们喜欢的视频，这靠的是一个叫做“协同过滤推荐”的技术。
百度百科上这样介绍协同过滤推荐（Collaborative Filtering recommendation）：“是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同，协同过滤分析用户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测。”
这是亚马逊、谷歌等互联网巨头都在使用的技术。亚马逊会告诉你“买了A商品的顾客也同时购买了B商品”，Youtube上，一个视频播放结束，马上就会出现相关推荐视频。
看上去简单的相关推荐，其实在优酷的视频推荐中涉及上百个参数，每次要调整参数，都要手动调整十几甚至几十个参数，每天推荐视频的数据模型中要涉及的数据高达几十亿。
一次小小的参数调整，带来的后果，可能是当天视频观看带来几百万的增长，也可能是在算法稳定后的未来几周，甚至几个月带来视频观看量的曲线变化。
当然，数字证实，通过这种协同过滤推荐给用户的视频是靠谱的，因为在海量的视频中寻找自己喜欢的视频成本是很高的，推荐视频的打开率也令人满意。
