王凡關掉網頁，覺得心情貌似好了一點。這家網店還是比較用心的，竟然真有客服在聊天，而且做的有模有樣的，挺有意思的！回到工作當中，王凡感覺自己突然來了靈感，然後投入忘我的工作狀態之中。
電商行業的推薦演算法，就是透過一些程式演算法，推測出使用者可能喜歡的商品。主要基於使用者的瀏覽、購買、收藏、分享等資料，來對使用者進行畫像，並用類似使用者的消費需求來預測使用者的興趣。
推薦演算法目前有很多種，但是主流且實用的推薦演算法主要是組合推薦演算法，就是綜合各種推薦演算法，透過加權、變換、混合、特徵組合、層疊等各種組合思路來達到目的。
經過多年的發展，推薦演算法能夠分析的資料維度已經基本固定，大致上有一百多種，目前主要做的就是利用大資料，不斷地對調整各個維度的權重。王凡靈感雖然來了，但是並沒有什麼顛覆性的創意出現，只是朦朦朧朧地對於各個維度的權重有了更加明晰的認識。
將近三十分鐘，他完成了程式碼調整。推薦演算法完成後，會先進行離線測評。沒有太大的期待，畢竟很久以來都沒有什麼大的進展。可是離線測評結果一出來，嚇了他一大跳。10%。是不是搞錯了？以前不是沒有過類似的情況！於是他把離線資料包進行了更新，然後又做了一遍離線測評。9.9%。太瘋狂了吧？目前整個行業的推薦演算法，成功率平均在6%左右，阿里等大公司的成功率在8%左右。王凡所在公司受限於人員水平和資料量小的原因，成功率在5%左右。
接下來，他換了五六次資料包，平均成功率超過10%。
他徹底懵逼了！
真的假的？
一不小心創造了公司推薦演算法的歷史？
他按捺住激動的心情，不斷地安慰自己：冷靜，冷靜，說不定線上真人測評效果不理想。先把程式碼推送給組長，讓他來決定吧。
儘管如此說，但他一種強烈的預感：這次說不定真能創造一次歷史！
程式碼透過版本管理工具推送給組長時，組長正在喝咖啡。看到王凡這麼早提交程式碼，他有點吃驚，畢竟他每次都喜歡在下班前提交。這次提交實在是太早了。點開程式碼說明，竟然備註著離線測評10%。組長立馬笑的把咖啡噴了出來。
“王凡，你搞毛線啊，離線測評10%？”組長笑呵呵地說道，“現在不是大躍進時期，不需要你放衛星！”
王凡不自信地說道，“我也懷疑我的離線資料包有問題，所以趕緊提交給組長，讓組長把把關！”
“我不管那麼多！要是達不到7%，你就請全體組員吃海底撈！”組長笑嘻嘻地說道。他平常就是一個愛開玩笑的人，和大家的關係處的非常不錯。
“組長，你太狠了！誰不知道我最窮了，剛買房，還要養女朋友，哪能和你們這些大佬們比？能不能饒了我？”王凡苦兮兮地說道。
組長切了一聲，“不行！”下載王凡提交的程式碼，開始離線測評。幾分鐘過去，測評結果出來，11%。
“我艹”，組長見鬼似的罵了一聲。然後不信邪地更新了離線測評包，重新進行測評，11.3%。
組長猛地站起身來，大聲說道，“大家停下手頭的工作，聽我說。剛剛王凡提交了一份離線測評超過10%的程式碼！我剛剛離線測評了一下，結果竟然超過11%。”
組長說完，其他組員立馬炸開鍋了。
“真的假的？今天不是愚人節啊！”
“開玩笑也沒有這樣開的！”
“組長你是不是沒有睡醒？要不你回家再睡會兒？”