不得不以豆瓣電台為例，連楊勃自己都稱其為“豆瓣核心技術最完美的展現”。
打開豆瓣FM，一首歌放出來，可以直接跳過那些不喜歡的，也可以用點擊紅心的動作表示喜歡，或者直接丟進垃圾桶再也不聽。這是電台更了解聽者喜好的簡單方式，通過與聽者的這種交互模式，使算法推薦的發揮越來越準確。
剛組建豆瓣音樂時隻有幾個人，都是從原來的豆瓣大團隊拆分出來，其實並沒有新團隊的感覺，但麵臨的挑戰又很大，因為當時產品技術各線幾乎都是單槍匹馬，想做的事情卻很多，有種重新創業的感覺。
通過分析5年間積累的用戶音樂偏好，音樂團隊設計出一套複雜的基礎算法：
用“用戶歌曲矩陣”的傳統方法，計算和每首歌近似的歌曲集合，並依次作為核心數據，然後為每個用戶維護一個線性的播放列表，每當用戶對一首歌曲給出正向反饋，係統會取出與這首歌相似的歌曲列表中的幾首，插入用戶當前的播放列表。反之，如果一個用戶點擊“跳過”或“垃圾桶”，係統會從這個列表中刪除那些與這首歌相關性高的歌曲。
反複測試中，他們也發現還需要補充一些策略。針對刪除同一個歌手的歌曲，或是連續點擊喜歡或跳過的用戶行為，進行特殊建模，根據當前時間推薦不同曲風的歌曲。另一方麵，加強針對同類用戶對比的算法來提高效率。
基於這一切努力，豆瓣猜的終極目標是這樣的：每天你打開豆瓣，滿眼看到的都是各類你會感興趣的新東西。我們迫不及待地想和你一起讓這個畫麵成為現實。而豆瓣電台就是一個實驗，選擇了網絡收聽這種最簡單的模式，把複雜的邏輯和計算隱藏在後台，采用個性化推薦技術作為核心的算法，呈現給用戶最易用的交互和體驗。
跟著用戶走
當用戶達到一定數量，內容更為生活化之後，楊勃發現依靠機器完成的算法推薦遠沒有用戶推薦的效果好，於是核心能力慢慢轉化為對用戶需求的分析和挖掘。
在這個過程中，對數據的挖掘與認識，不僅幫助豆瓣給用戶推送更精確的內容，更推動了一係列好產品的出現。正如豆瓣從不認為，是他們打造了豆瓣的氛圍和方向，而恰恰是用戶一步步帶著豆瓣成長成為今天的模樣。
半隻腳踏入商業化的購書單功能，就是如此而來。從用戶體驗的角度來說，從推薦、發現的決策參考到達成購買，是一個完整決策行為的流程。豆瓣提供購書單的比價、購買鏈接功能，在楊勃看來，完全是順勢而為的事。
也正是這些基於後台用戶行為數據，推動豆瓣在分析過後做出上線電商導購平台“東西”的決策。“我們一直期待能夠做出這樣的一款產品，它簡單、好用，他熟悉每個使用者的脾氣秉性卻又和他們保持距離，它能夠給每個使用者貼心的服務同時又能夠聚合機體的智慧，它在各個場合之下，都能夠提供完美、一致的體驗。”在豆瓣電台一周年時，王守崑這樣說道，同樣能體現豆瓣麵對商業化產品的心態。
數據的價值，在楊勃認定豆瓣做“推薦”時就已經被高度重視。在豆瓣，每一個用戶的背後，都存放著一個持續擴大的專屬數據庫，隨著數據庫所覆蓋的興趣圖譜不斷擴大，更精準的推薦使用戶對內容的接受程度也會越高。而這正是移動互聯網時代競爭的最激烈一環，慢豆瓣會迎來厚積薄發的一天嗎？