同一支球队的三位球迷，想看的东西不一样
先设想一个举例场景：甲队有三位长期关注的球迷。第一位是青训爱好者，他关心的是二队和U19出了哪些新人，哪位年轻中场上了替补席；第二位是战术型球迷，他想知道对手为什么总能在边路制造二打一，教练换了三中卫之后压迫线有没有后移；第三位只在比赛日出现，开赛前三分钟打开手机，只想扫一眼首发名单、谁伤停、要不要赶回家看直播。
传统体育内容平台的常见做法，是按热度或球队标签推送：只要标签是“甲队”，三个人看到的首页几乎一样，都是最近的赛果、转会传闻和热门评论。这种做法并不算错，它的优点是简单、稳定、容易解释，缺点是把“球迷”看成了一个整体。上面三个人的真实需求分别落在球员成长、战术结构和快速信息三处，标签层面完全看不出差别。
所以江南体育AI的出发点不是“怎样推更多内容”，而是“怎样弄清这个人是怎样关心体育的”。内容的供给其实从来不缺，缺的是把合适的内容在合适的时刻用合适的深度交给合适的人。这一点也是我们把球迷内容当作一个独立方向来研究的原因：它更像一个理解问题，而不只是一个排序问题。
把兴趣拆开：球队、球员、赛事、内容类型、阅读深度
“他喜欢什么”这个问题太粗，需要拆成几个互相独立的维度，否则任何一次点击都只能被折叠成一个模糊的标签。我们倾向于把画像拆成下面五层：
- 球队兴趣：关注哪支或哪几支球队，是主队情结，还是同时关注几支风格相近的球队。
- 球员兴趣：关注具体球员，还是关注某个位置、某种角色，例如“后腰”或“出球中卫”。
- 赛事兴趣：联赛、杯赛、国际比赛的偏好，以及对淘汰赛与常规赛的关注差异。
- 内容类型：赛前分析、赛后复盘、数据卡、战术图解、青训新闻、转会消息、赛程提醒等。
- 阅读深度：是三行扫读，还是愿意把一篇几千字的战术分析读完。
这五层里，前三层回答“关心什么对象”，后两层回答“希望怎样被告知”。很多推荐系统只做前三层，因此会出现一种熟悉的尴尬：系统知道你关心甲队，却总给你推一条你根本不会点开的长篇评论，因为它不知道你只想要两分钟的速览。
阅读深度尤其容易被忽略。它不能靠用户自己填写，因为大多数人并不清楚自己的阅读习惯；它更适合从行为里慢慢推断，例如同一类内容平均读到哪一段、是否展开过数据卡的详细项、是否回头看过某个图表。当然，这里的推断只能是“倾向”，不应当变成“定论”，后文会说到这一点。
短期兴趣与长期兴趣，不能共用一个开关
回到开头举例的场景。假设某位球迷连续三天点开同一位边锋的新闻。如果系统把这看成“他喜欢这位边锋”，接下来一周他的首页就会被这位边锋占满。但真实情况可能有两种：一种是这位边锋刚好被曝出转会传闻，热度只维持几天；另一种是这位球迷长期在追这类边路球员的技术特点。
两种情况要用不同的方式处理，办法是给信号分层：
- 短期信号：近几天的点击、搜索、停留，权重高但衰减快。它的作用是让首页“跟得上此刻的热点”，比如比赛日前后对相关球队的关注会明显上升。
- 长期信号：跨周、跨月反复出现的行为，权重上升慢，也衰减得慢。只有一个话题在多个时间段里都被主动选择，才写入长期画像。
- 事件驱动的临时兴趣：例如一场杯赛、一次国际比赛周期，它会带来集中的关注，但赛事结束后应当自动降级，而不是留在画像里。
一个实用的判断标准是：如果没有新的热点新闻推动，这个兴趣还会不会自己出现？如果会，它更可能是长期兴趣；如果不会，它就更像被事件带出来的短期兴趣。这个判断并不完美，比如新球员刚加盟时的关注可能是短期的，也可能会慢慢变成长期的，所以长期画像的更新要保守，宁可慢一点，也不要因为一次热点就改写一个人的兴趣结构。
信号从哪来：显性反馈与隐性反馈
画像的原料是反馈，反馈有两类，各有各的问题。
| 类型 | 举例 | 优点 | 主要风险 |
|---|---|---|---|
| 显性反馈 | 关注球队、点“不感兴趣”、在设置里勾选偏好 | 意图明确，几乎不需要猜 | 用户不愿意填，填了也可能过时 |
| 隐性反馈 | 点击、停留、滑动、收藏、分享、重复打开 | 数量大，能覆盖用户自己说不清的偏好 | 容易被标题吸引的点击误导，含有偶然性 |
隐性反馈里最容易出错的是“点击”。标题起得夸张会带来点击，但点开后立刻退出，这条信号的意思恰恰相反。所以点击本身不应当被当成正向信号，需要和停留时长、是否读到后半段、是否回访相关内容一起判断。同样，“收藏”比“点击”更接近真实兴趣，“主动搜索某个球员”比“被推荐后点开”更接近真实兴趣。
显性反馈的价值在于纠错。一位用户只要点过一次“不想再看这类内容”，系统就应当立刻、明显地照办，而不是把这条当成一个权重稍微降低的普通信号。用户在被误解时的耐心很短，一次明确的否定被忽略，比十次推荐不准更伤信任。
冷启动：没有历史时，别装作已经了解用户
新用户没有任何行为数据，这是个性化系统最尴尬的时刻。常见的错误是用热门内容硬撑，或者让用户一次性勾选几十个标签。前者让所有新用户看到同样的首页，后者让用户在还没看到任何价值之前就先做一份问卷。
更合理的做法是把冷启动拆成很小的几步：先只问一两个最影响首页结构的问题，比如“你更想看比赛，还是做训练”“你更想快速扫一眼，还是愿意深入阅读”。江南体育App在首次使用时的入口设计，正是沿着这个思路展开的，具体可以看首次使用为什么先问看比赛还是做训练。之后再靠前几次的真实使用逐步补充：用户点开了第一篇赛前分析，就多观察这一类的阅读深度；用户第一次打开数据卡，就记录他先看了哪几项。
冷启动阶段还有一个原则：没有把握的地方就保持宽泛，不要硬猜。一位新用户只看过两篇甲队的内容，把他直接归为“甲队铁杆球迷”，并不比把他放在一个较宽的“关注中超和欧洲联赛”的位置更准确。宽泛的推荐虽然平淡，但不会在早期就把用户推进错误的兴趣通道。
画像要让用户看见，并且改得动
个性化系统最容易被质疑的地方是“你到底根据什么在推荐”。如果画像是一个用户看不见的黑箱，任何一次不准确的推荐都会变成“它在偷偷窥探我”的印象。江南体育AI更倾向于把画像做成一个可以打开的页面：
- 用户可以看到系统当前理解的兴趣，例如“球队：甲队；内容类型：赛前分析、青训；阅读深度：偏好速览”，并且每一项都标明大致来源，是自己选的，还是根据行为推断的。
- 每一项都可以一键删除、暂停或者改成“只在比赛日显示”。
- 用户可以整体清空画像重新开始，也可以只关闭个性化，让首页回到按时间与热度排序的样子。
这样做有两个直接的好处。第一，用户的修正会变成最高质量的反馈：一个人亲手删掉的兴趣，比任何模型推断都更可靠。第二，可见性本身会约束设计：只要画像是给用户看的，系统就不太会往里写一些难以解释的推断，比如某个不便说明的敏感属性。
隐私方面，我们的设计倾向是最小化：只保留生成个性化所必需的行为摘要，能在设备端完成的推断尽量放在设备端，不需要保存原始点击记录的场景就不保存。具体的数据处理方式以隐私说明与App内公布的内容为准。
个性化改变的是组织方式，不是事实
个性化有一条不应当逾越的边界：它改变内容的选择、排序和深度，不改变事实。同一场比赛，比分、阵容、进球时间、红黄牌，所有用户看到的都必须一致。战术型球迷看到的是更长的推进路线分析，快速浏览型球迷看到的是更短的要点清单，但两者背后引用的是同一份经过核验的比赛数据。
这条边界的实际意义在于：如果个性化可以改变事实，用户之间就会形成一种彼此看不见的分歧，同一场比赛在不同人那里有不同版本。这既伤害信任，也会让内容治理无从下手。因此在设计上，内容生成之前应当先确定事实层，个性化只作用在事实层之上的表达层。这个思路与赛前分析为什么不能只拼历史数据里的做法是一致的：先确认哪些数据是当前有效的，再谈怎样为不同的人组织它。
IBM 2026年球迷调查显示，44%的受访者更看重信息的高准确性，23%更看重速度，准确性也被列为建立对AI体育洞察信任的首要因素。这份调查并没有讨论个性化，我们引用它只是想说明：球迷对AI内容的第一要求是别出错。个性化再细致，也不能以牺牲这一条为代价。
还没解决的问题
有几个问题我们目前只有倾向性的判断，没有确定的答案：
- 推断与尊重的界线。从行为里推断一个人喜欢什么是合理的，但推断得太细，用户会觉得被“看穿”。哪些推断应当只留在内部排序里，哪些可以写进用户可见的画像，需要持续修正。
- 个性化会不会越推越窄。把用户喜欢的东西推得越准，他见到陌生内容的机会就越少。这是一个独立且重要的话题，我们在个性化体育内容会不会越推越窄里单独讨论了保留“陌生但相关”内容的办法。
- 兴趣的自然变化。一个人的兴趣会因为换工作、换城市、孩子开始踢球而改变，画像需要有能力发现这种变化，又不能对偶然波动反应过度。
- 评价方式。点击率高，不一定说明用户真的觉得有用。更接近价值的指标，例如用户是否在读完后回头查看相关内容、是否主动修改画像，都比较难量化，需要更细致的观察。
对江南体育AI而言，个性化不是一个“开或关”的功能，而是一种对用户的持续理解，这种理解应当保持谦逊：能被看见，能被纠正，不越过事实的边界。目标不是让球迷看到更多，而是让每位球迷更容易看到他真正在乎的那一部分。
