K印象

“每个人眼中看到的世界是不同的。”

这句话在如今的互联网生活中得到了最好的验证。在1.0时代里，无论是门户还是论坛，所有信息都是公开平等面对每一个用户，新闻也好，BBS也罢，所有人共享着相同的信息量。

而今天的情况却是，每个人可以选择自己看到怎样的世界。除了僵尸粉之外，没有两个用户的微博首页会一模一样，用户收取到什么样的信息，取决于他或她关注的对象是谁，在朋友圈同样如此，甚至这种私人化的模式更为严重，比如“朋友圈评论非朋友关系不可见”这一设置。甚至连淘宝都有“千人千面”的首页打造方式。

这是不可逆的趋势，毫无疑问个性化的首页比起传统的方式来，用户体验更佳。

那么这种定制化的网站应该如何保持用户的新鲜度和黏性？一种常见的方式就是网站给用户提供的个性化推荐。比如电商网站的“浏览该产品的用户最终还购买了**产品”的功能，就是典型的推荐式功能。你可能已经发现了，推荐功能正是互联网长尾理论在实际中的最精准体现，通过推荐功能，可以帮助用户挖掘出无数宝藏，当然也能帮助网站挖掘出更多价值。

推荐功能基础的算法大致有两类，一种是User-User 算法，即计算用户之间的相似度的算法。这种算法通过对不同用户间产生的UGC内容进行比较，也就是找到和你兴趣类似的用户，然后进行推荐。

另一种是Item-Item 算法，即计算物品之间的关联。这种算法计算的是两件物品（各类产品、电影、书籍等等）之间的关系，依据的是给它们打过分或者发生过购买行为的用户相似度，比如便利店中经典的啤酒 尿布策略，算是物物算法的早期线下应用。

而这两种算法的精准度如何，其实是依赖于其基数到底有多大，如果没有大量用户进行巨量操作行为的记录，或是网站本身没有大量的产品数，那么再好的算法也都是白谈。

不管是用户行为，还是产品数量，其实都算是“内容”范畴。

可是麻烦的是，想要在内容和社交之间搭一座桥，并不是那么容易的事。

想要知道到底有多麻烦，问问豆瓣的创始人阿北就知道了：2012年初，豆瓣猜（豆瓣针对个人用户的推荐功能）挤掉了友邻广播（微博类的信息流），成为了豆瓣的默认首页。2013年9月，豆瓣猜在用户的疯狂吐槽下黯然离场，友邻广播回归首页。

这是一场你死我活的路线之争。豆瓣猜鼓励的是用户对豆瓣多年沉淀的海量书影音内容进行互动，进而为豆瓣上传更多的数据以供豆瓣向个人进行更精准的推荐，是用户与系统之间的沟通，而友邻广播则像所有的社交网络平台一样，鼓励的是人际互动。这完全是两回事。

豆瓣的产品经理曾表示过豆瓣的思路是，“先通过工具属性把用户吸引过来，再通过社区属性把用户留下来。”

思路很好，但具体来说工具属性应该如何顺利过渡到社交属性？要知道这两者之间的距离远得吓死人。工具属性的网站的价值是深度、专业与高质量的原创内容，社交网站呢？强关系链，短平快的节奏。

基本是两个极端。

而要想把内容和社交两者无缝对接，绝不是件简单的事，否则豆瓣也不会成为中国最纠结的互联网公司，哈。

首先是需要提高推荐算法的精准性，以及提高用户主动或者下意识的参与性。

豆瓣猜被人吐槽就是因为“猜得太不准”。这不奇怪，豆瓣是一个泛兴趣网站，看看豆瓣自己的介绍：“不只是书影音：加入更多豆瓣上的精彩内容——美食、旅行、时尚、居家，每天都有新鲜好物等你发现。”由此可知，要分析一个用户喜好所涉及到的数据量简直惊人，而涉及的面又过宽，很难满足用户的要求。

其次，豆瓣的很大一部分用户行为，都是所谓的“重度UGC行为”，比如评论、读后感、创建豆列等等，在如今碎片化的场景中，多少有些格格不入。看看当下的用户最习惯的行为是什么？

点赞。

不花力气，轻松写意。那么类似此种的“轻度UGC行为”，其实才是采集用户数据可能的有效方式。为什么豆瓣猜人人踩，而豆瓣FM人人赞？最主要原因是豆瓣FM的用户行为更为简单，也更为自然，对一首歌的操作无非是几种，红心收藏、快进到下一首、加垃圾站，这样的操作自然，而且没有任何成本负担，要记得，用户都是很懒的。而专注音乐属性的单一功能，又能保证产品的质量。

其次，做社交并不是只有类似微博的信息流这一种模式。微博也好，朋友圈也罢，传统的社交网络其信息呈现方式是发散的，无中心的。而工具属性的网站要进行社交的捆绑，则必须在相对垂直，相对聚焦的条目下进行，否则与传统的社交网络根本没有区别，也失去了工具网站的核心内容和价值。

比如网易云音乐，全面的功能、优秀的界面、体验极好的个性化推荐，这些都是网易云音乐受到追捧的原因。除了这个硬指标之外，网易云吸引用户的还有一个原因，即热度极高的歌曲评论区。其原理和微博的热门评论差不多，但重要的是，所有的评论都是围绕一个核心主题——歌曲，有了一个稳固的出发点和圆心之后，其社交的属性也就进一步稳固了，而用户的黏度有了保证，也不会失去新鲜感。

在这个“我”最大的时代里，个性化定制愈加成为主流方式是一件十分正常的事，而社交的需求又是所有人的强需求，在这两点前提之下，如何一边满足每个个体用户的独特需求，同时又提供给这所有的个体用户一个有着良好体验的社交空间？

如何在个性与共性之间找到最舒服的那个点，这是个极有趣的话题。