第一层：原始信号
播放、搜索、讨论、收藏、完播，这些行为每天都在产生海量记录。它们是最原始的材料，也是最容易被污染的部分。这一层我们只做收集和归档，不做任何判断，因为过早下结论会让后面所有环节都带着偏见。原始信号的价值在于完整，而不是好看——一个不好看但真实的数据点，远胜过十个漂亮却来路不明的数字。
第二层：清洗与校准
接下来要做的是剔除异常。短时间内暴涨的播放、来源高度集中的讨论、明显不符合观看习惯的行为，都会被标记出来单独处理。同时还要做渠道校准：不同平台的用户体量差异很大，直接把数字相加没有意义，必须先换算到同一把尺子上。这一步决定了榜单的地基稳不稳，也是整个流程里最枯燥、最不显眼、却最不能省的一环。
第三层：加权与排序
同样是一次点击，收藏和完播代表的意思完全不同。我们给不同行为设定不同权重，再把它们合成一个综合热度值。权重不是拍脑袋定的，而是根据长期观察反复调整出来的。每隔一段时间，都会复盘一次权重是否还符合当下的观看习惯，因为观众的行为本身也在变化——三年前的一次完播和今天的一次完播，含义已经不完全一样了。
第四层：人工复核
算法再细也会有盲区，所以榜单头部会有一轮人工抽查。编辑会核对上榜理由、检查是否存在明显的刷量痕迹、确认分类标签是否贴错。这一层不改变算法结果，只做纠错。人工的作用不是覆盖数据，而是给数据补上常识——有些东西机器看不出来，但人一眼就知道不对劲。
怎么看懂一张榜单
看榜单有两个常见误区：只盯名次，只看单点。名次会骗人，趋势不会；单点会波动，结构才稳定。更靠谱的读法是先看整体分布——哪些类型在往上走、哪些在退潮，再看具体条目的曲线形状。一个缓慢上升的曲线，往往比一个陡然冲高的数字更值得信任。另外，把榜单当成一个入口而不是答案，你会用得舒服得多。
热度从来不是唯一标准。真正决定你要不要打开一部作品的，还是你自己的口味和时间。榜单能做的，是把这个入口修得宽一点、亮一点，让你少走几步冤枉路。