李雅達稍微愣了一下之後，心中暗喜。
果然，裴總是看到朝露遊戲平臺第一階段獲得成功了，所以要開始安排第二階段的工作了！
她立刻如實回答：“跟其他的遊戲平臺差不多，人工稽核加資料篩選。”
“對於已經透過bug測試的遊戲，我們首先會根據遊戲的品質給一個大致的評級。評級越高的遊戲，初始獲得的推薦位就更好。”
“上了初始的推薦位之後，可以看到相應的資料，比如點選率、留存率、付費率等等。之後我們會根據這些資料，進行後續的安排，資料好的繼續走下一輪推薦，資料差的就過一段時間再給推薦。”
“當然，特別優秀的遊戲，我們也會給一定優待的。比如窮途計劃中那些優秀的單機遊戲、獨立遊戲，在推薦資源上會有所傾斜。”
裴謙喝了口咖啡，不置可否。
顯然，這是目前包括官方遊戲平臺在內的大部分主流平臺在採用的推薦機制。像一些小說網站、影片網站等，基本上也是類似的推薦機制。
各項資料可以較為全面、客觀地反映出某款遊戲的受歡迎程度，不容易受到太多主觀因素的影響。
在客觀資料的基礎上，再結合專業人士的評判、分析，對資料不準的地方進行相應的干預，就可以達成一個比較好的結果。
當然，不同的平臺，對“資料”與“人工”的側重點也不一樣。
有些平臺更信賴資料，完全是唯資料論，口碑再好的遊戲只要盈利資料不佳，那就不給推薦資源。這樣的好處就是可以衝業績、多賺錢，避免人的主觀判斷失誤造成的錯誤。
而有些平臺則會給工作人員很大的權重，上哪個推薦位完全取決於內部安排。有時候跟遊戲開發商PY交易之後，一款不那麼好的遊戲霸佔最好的推薦位很長時間，這也是司空見慣的事情。
畢竟平臺的最終目的是賺錢，給推薦位大大方方地明碼標價也不丟人，至於可能給平臺帶來的影響和損失嘛……其實也沒多大，只要開發商給的錢多，那就一切好商量。
而對於裴謙來說，這個事情似乎有些兩難。
全都依賴資料？
但很多時候資料確實挺準的，雖然有一小部分好遊戲會被埋沒，但總體而言這還是一個非常公平的制度。
不說別的，靠資料推到前列的遊戲不管品質如何，在當下多半都是非常賺錢的遊戲，五五分成之下，平臺肯定不會少賺。
但全都依賴人工，那也不合適。
因為李雅達懂遊戲，不只是她懂，整個平臺有很多人都懂。
即使裴謙安排幾個不太懂遊戲的人去管這個事情，他們也必然會受到騰達精神的薰陶，受到其他員工的指點，最終還是會選出一些比較優秀的遊戲。
資料和人工結合？
那豈不是又回到了最初的原點……
裴謙考慮片刻，說道：“我覺得……推薦的安排，應該全都交給玩家！”
李雅達愣了一下：“交給玩家？”
裴謙點點頭：“沒錯。”
“我考慮的是，透過一定的機制，在玩家中篩選出一小部分玩家，作為意見領袖。這些人在平臺上會有一個特殊的標籤，也可以叫做‘品鑑家’。”
“品鑑家們擁有決定遊戲推薦位的權力。”
”。法想的們家鑑品些這於決取是而，料資的戲遊賴依不全完，位薦推個哪上戲遊個哪“
”。看我給後之案方出想，下一慮考細仔們你個這，制機免罷和選篩的定一有家鑑品，然當“
！生產家玩導，度制個這過意故是就，單簡很法想的謙裴
。已而統系分評的大較比力權個一是只實其那，話的票投開公家玩有所果如
。果效到不達本，戲遊的多也錢賺、多人得玩是還半多，戲遊的位薦推上來出選
。著看幹能只家玩分部大而，利權的位薦推排安戲遊給握掌，家鑑品為家玩分部小讓，們家玩化分法辦想得，以所
。開可不得掐會定肯，位薦推奪爭了為們他，好偏的同不有也，中之家鑑品在
。位上己自，來下拉們家鑑品的有現把法設方想會也，們家玩的通普；響影加施們他對，家鑑品些這結法辦想會也，商戲遊家各而
。別區的錢賺戲遊款那者或錢賺戲遊款這用是過不只，錢賺是都半多果結的終最，排安麼怎管不，中手己自臺平在都利權的薦推，臺平的他其，之總
。中手家玩數了到給地任責負不常非上際實位薦推的臺平戲遊朝，後之番一作樣這謙裴而
。戲遊些這判評地正公要說地辭言正義，然凜氣正來起看家玩多很在現
？麼法想的前之己自持堅會還們他，後之力權的位薦推縱得獲，家鑑品了人數果如但
？心本持堅否能，人些那的家鑑品為
？接地氣靜心平能不能，人些那的家鑑品為沒
！的能可太不是半多，得覺謙裴
