01

贝叶斯定理：最伟大的定理之一

要我推荐一个定理，我觉得贝叶斯一定是最伟大的定理之一。

因为它讲的其实是一个非常深刻、但又非常日常的道理：

人不是先知道答案，再行动；而是先有一个判断，再根据新信息不断修正。

它的公式非常简洁：

P(A∣B)=P(B∣A)P(A)P(B)

各部分也不复杂：

• P(A)是先验概率，也就是还没看到新信息之前，你原本怎么判断。

• P(B∣A)是似然，也就是如果 A 真的成立，那么证据 B 出现的可能性有多大。

• P(B)是证据本身出现的概率，也就是这个信号到底稀不稀缺，值不值得大惊小怪。

• P(A∣B)是后验概率，也就是看到新证据之后，你更新后的判断。

02

用贝叶斯定理看豆包

把贝叶斯定理放到豆包这件事里

把它放到豆包这件事里，就很好理解了。

广告系统最重要的，不是单纯多投广告，而是更准确地判断：用户现在到底想要什么。

以前平台主要靠行为数据来猜你想要什么。

比如你看了什么视频、停留了多久、点了什么赞、搜过什么关键词。

这些东西当然有用，但问题是，它们很多时候都只是“像”，不一定真的是。

你看汽车视频，可能是想买车；也可能只是喜欢看测评，或者刚好刷到了。

你刷日本旅游内容，可能是准备去东京；也可能只是觉得樱花好看，甚至是在帮朋友做攻略。

也就是说，行为数据像是隔着毛玻璃看你。

能看出一点倾向，但隔着一层，始终是在猜。

而对话数据就不一样了。

对话不是“你看了什么”，而是“你自己开口说了什么”。

比如一个用户直接说：

>“我五一想去东京，预算 6000，两大一小，最好住地铁站附近。”

这句话的价值非常高。

因为它不是在释放模糊兴趣，而是在主动交代自己的需求。

时间有了，预算有了，目的地有了，同行人有了，偏好也有了。

这已经不是“这个人可能对旅游感兴趣”，而是“这个人很可能已经进入决策阶段了”。

用贝叶斯的话说，这就是来了一个很强的新证据 B。

于是平台对“这个用户确实有旅游需求”这个判断的后验概率：

就会一下子升高很多。

你可以把它想象成一个店员。

以前这个店员只能偷偷观察你：你在鞋柜前站了多久，拿起过哪双鞋，回头看了几次。

他可以猜，你可能想买跑鞋。

但这终究只是猜。

现在不一样了。

你直接走过去跟他说：

>“我下个月要跑半马，预算 800，膝盖不太好，想买双缓震好一点的。”

这时候店员几乎就不用猜了。

因为你已经把自己的真实需求说出来了。

03

豆包免费背后的商业逻辑

所以再说得更直接一点：

短视频行为数据像是在猜，对话数据像是用户自己在报答案。

前者是通过你的动作去推测你的意图；后者是你直接把意图说出来。

两者都能用，但信息质量完全不是一个级别。

而广告系统最值钱的能力，其实从来都不是“把广告塞给更多人”，而是更早一点、更准一点地知道，谁现在真正需要什么。

一旦这个能力提升，影响的就不只是广告点击率。

它会往下传导到很多地方：

• 推荐会更准

• 搜索会更贴需求

• 电商转化会更高

• 商业投放会更有效率

所以豆包免费这件事，不能只理解成“烧钱换用户”。

从贝叶斯的角度看，它更像是在做一件很划算的事：

用一个低门槛、免费的 AI 入口，换取最有价值的东西：用户意图的强信号。

因为对字节来说，会员费当然重要，但更重要的，可能是整个平台理解用户的能力再提升一点点。

别小看这一点点。

如果一个系统原来只能靠看你“像不像”，现在突然能听见你亲口说“我到底要什么”，那它对你未来行为的判断，就会发生质变。

所以豆包免费，未必是在亏钱。

更准确地说，它是在用免费服务，换高质量证据；再用这些证据，不断更新对用户意图的判断。