依赖的是：
1. 多维兴趣标签（Interest Graph）
你可能没有搜索过“睡眠灯”“延时灯”，
但你一定留下了类似这些信号：
-
最近浏览了家居类产品
-
最近停留过智能产品、生活改善类产品
-
曾经购买过卧室用品
-
你停留时间较长的品类被记录为“潜在兴趣”
平台不会等你说关键词，
它会推你**“相似兴趣群体正在购买的东西”**。
这就是隐性需求的入口。
2. 行为轨迹预测（Behavior Prediction）
平台最强的不是标签，而是轨迹预测：
-
你什么时间段刷平台？（晚上 → 推与睡眠相关商品）
-
你刷了哪些“改善生活便利性”的商品？（智能灯、插座、控制器）
-
你点击但未购买哪些商品？（表示探索但未决策）
-
你刚好停留在卧室类商品上？
然后算法会判断：
“你很可能属于一个喜欢提升生活便利的小群体。”
于是推给你：
-
无线灯
-
人感灯
-
触摸灯
-
定时灯
-
感应器
-
自动关灯类产品
你不需要说，
你的动作已经在说了。
3. 群体相似性（Collaborative Filtering）
这是最恐怖也最有效的一点：
平台会把你和百万级与你轨迹相似的人放在同一个桶里。
然后：
别人看到 → 感兴趣 → 下单的产品
也会推给你。
你没说需求，
但别的人说了，而且买了，
平台就把这种“潜在需求”复制给你。
这叫：
协同过滤（Collaborative Filtering）
比如：
与你行为类似的人中，有 12% 买过“睡眠灯”。
那平台会判断：
你也有“概率需求”。
4. 生活场景共振（Scenario Trigger）
你晚上刷 → 推“夜间场景产品”。
你白天刷 → 推“工作、户外、出行场景产品”。
你“什么时候刷”，
比“你搜什么”重要得多。
你在夜里刷平台，本身就是信号：
这个时间段的人群常见的问题是 ——
懒得起身关灯、怕黑、需要辅助光源。
平台不是听你说需求，
平台是根据你的时空坐标预测你可能的需求
所以我们要做的是数据验证需求，而不是需求验证数据。