一周后，研发部将沈亦泽的用户体验转化成专业的技术方案，归纳成条后提交给董事会：

“……基于个性化推荐引擎技术，根据每个用户的兴趣、位置等多个维度进行个性化推荐，推荐内容不仅包括狭义上的文娱，还包括新闻、生活、教育、购物等资讯。

根据其社交行为、阅读行为、地理位置、职业、年龄等挖掘出兴趣。通过社交行为分析，5秒钟计算出用户兴趣；通过用户行为分析，用户每次动作后，10秒内更新用户模型。

对每条信息提取几十个到几百个高维特征，并进行降维、相似计算、聚类等计算去除重复信息；对信息进行机器分类、摘要抽取，主题分析、信息质量识别等处理。

根据人的特征、环境特征、文章特征三者的匹配程度进行推荐。

实时推荐，01秒内计算推荐结果，3秒完成内容提取、挖掘、消重、分类，5秒计算出新用户兴趣分配，10秒内更新用户模型。

根据用户所在城市，自动识别本地内容，精准推荐给当地居民。

可根据用户年龄、性别、职业等特征，自动计算并推荐其感兴趣的资讯……

新用户的冷启动可采取社交账号绑定的方式。

当用户使用微讯、微博等社交帐号登录时，通过对用户账号的分析建立一个“兴趣图谱”，即根据用户在微博上发布的内容及其所属类别、用户自标签、社交关系、社交行为、参与的群组、机型、使用时间等来数据源来推断出用户的兴趣点有哪些。

社交关系、社交行为即用户和用户之间的交流状况，可以根据二者间的共同好友数、相互评论数、数来进行度量……”

报告洋洋洒洒十几页纸，最后的结论总结起来就两个字：给钱！

魏守诚表示：“想要实现这些功能的难度很高，但只要研发资金和研发时间充足，问题不大。”

沈亦泽说：“资金管够，时间得有个期限，半年内能做出来吗？包括新的推荐算法和短视频a。”

魏守诚想了想说：“如果资金管够，没问题。”

得到董事会的承诺，魏守诚便放开了手脚，不仅对外大量招募算法工程师，还花重金从各大知名互联网公司挖来好几个顶尖的技术大佬。