苹果 iOS 14.5 下周就要推了，ATT 框架一上，FB 广告后台的像素直接废一半。我盯着后台那个预估转化成本曲线，它现在像个心电图，下周可能就是一条直线了。精准投放？以后这词儿跟“互联网思维”一样，快成历史文物了。
这波隐私收紧不是第一次，但这次是釜底抽薪。以前还能靠设备指纹、跨站跟踪玩点花样，现在用户不点“允许跟踪”，IDFA 拿不到，整个基于个人行为的投放逻辑就塌了。我们这种小团队，去年刚把宝押在 TikTok 和 FB 的自动化投放上，脚本都写好了，现在全得推翻。流量成本肉眼可见要涨，而且涨了还不一定有效。焦虑吗？当然，但焦虑没用，得找路。
流量不会消失，只会转移形态。算法追踪不了“人”，那就回去追踪“内容”本身。这是最笨，但也可能是最后一道防线。我最近在重构爬虫策略，目标不再是抓取用户行为数据（那越来越难且法律风险高），而是抓取公开的“内容关联”数据。比如，一个健身博主新发的视频下面，前 50 条高赞评论里反复出现的“蛋白粉品牌”、“筋膜枪型号”、“跟练课程名”，这些就是强关联信号。我不需要知道评论的是谁，我只需要知道“什么内容聚集了什么需求”。
技术实现上，难点在语义聚类和去噪。以前简单正则匹配关键词就行，现在得用上本地化的 NLP 模型（比如 jieba 分词加 TextRank 提取关键词），把评论里的口语化表达（“练完腿像灌了铅”、“这款粉不甜腻”）映射到具体的产品品类或痛点标签。再用共现分析，看“蛋白粉”和“腹胀”、“口味”这些词在同一个讨论串里出现的频率。这相当于在公域内容里，手动重建一个粗糙的“用户画像”，只是这个画像不是基于人，而是基于一群人的公开表达。
这个过程很重，很慢，违背了我过去对“自动化”的理解——以前追求的是规模化和实时性，现在追求的是深度和关联质量。服务器开销也上来了，光是对一个垂直领域（比如健身补剂）的评论做实时分析，每天就得处理几十万条文本，GPU 实例一直在跑。但没办法，这是对冲流量流失的物理手段。当平台不给你画用户路径的时候，你就得自己用内容碎片去拼一张需求地图。
说到健身，体脂 15% 算是稳住了。这不是炫耀，是生存指标。去年扩张期喝酒应酬攒下的内脏脂肪，今年必须清零。我发现写代码和做有氧很像，都是对抗熵增。代码乱了，性能下降；身体代谢乱了，精力全无。现在每天下午四点准时划船机 30 分钟，雷打不动。不是自律，是怕死，怕脑子转不动。处理那些文本聚类结果时，需要高度集中的注意力，碳水吃多了下午就犯困，所以饮食也控得狠，鸡胸肉、西兰花、糙米，吃得像个机器人。但物理状态好的时候，debug 效率确实高，看那些凌乱的关联数据，脉络也清晰点。
SaaS 订阅用户涨了 15%，可能跟这波行业焦虑有关。大家都在找新工具，我们的自动化内容监测工具，刚好切中了“替代数据源”这个点。但我知道，这增长是脆弱的。如果我的内容关联模型不准，如果苹果下次再封掉别的接口，这点增长说没就没。所以八月大部分时间，我都在死磕那个聚类算法，调参，优化特征提取，试图让机器理解的“关联”更接近真实世界的购买决策路径。这活儿没有尽头，就像保持体脂率一样，是场持久战。
窗外？没什么窗外。我桌子对着墙，墙上贴满了这次隐私政策更新的技术文档摘要和爬虫日志报错信息。灯光是冷的，影子就印在那些密密麻麻的日志上。但我知道，影子动的时候，说明我还在动，代码还在跑，服务器还在发热。这就够了。
