1704851090
1704851091
在创作者体系层面，我们常说：做产品要有用户视角，作为平台方，你在面对亿万用户的同时，也在面对万量级的作者。作者同样是内容分发系统的用户。编辑会更理解创作者的语境，成为创作者和作品的代言人，从而影响系统的迭代方向。与此同时，他们也能够以创作者更易理解的方式去传递平台的规则，帮助不同阶段的创作者在平台更好地成长。
1704851092
1704851093
社交分发vs算法分发
1704851094
1704851095
在脸谱网、微博、微信覆盖了越来越多的用户之后，内容的分发逐步去中心化：每个人都可以创作内容从而成长为自媒体，每个人都可以借助社交关系评论、转发从而完成内容的传播。信息的传播权从传统的精英编辑让渡到每个普通受众，相当于每个人都成了编辑，成了内容分发的中心。
1704851096
1704851097
社交分发首次让信息传播变成“千人千面”。每个用户都有了个性化的内容消费。2010年，脸谱网主页访问量超过谷歌访问量，意味着社交分发已经成了主流的分发方式。援引皮尤研究中心此前的调查，美国成年人中有62%通过社交媒体获取新闻，有18%高度依赖该平台，通过脸谱网阅读新闻的人数占比高达44%。
1704851098
1704851099
当然，社交分发也带来了新的问题：
1704851100
1704851101
一方面，进入稳定期后，流量出现了新的垄断：一些大号由于拥有大量的粉丝、保持了高频的发布量，实际掌握了平台的流量分配权。比如，微博上大部分流量一度被营销号和大号所占据，使新的内容生产者获取流量的成本剧增。
1704851102
1704851103
另一方面，随着社交关系的不断扩张，微博、微信已经成了线上名片，用户关注了越来越多的来源，基于社交分发的内容质量也逐步下降。朋友圈中盛行的养生文、微商广告、晒娃帖等就是最好的例证。
1704851104
1704851105
社交分发在让人们免于信息匮乏的同时，也带来了信息过载的问题。为了优化用户的信息消费体验，脸谱网率先在自己的News Feed中应用算法进行排序。
1704851106
1704851107
脸谱网最初的排序方式，称为边际排名算法（Edge Rank Algorithm）。该算法的核心计算公式为：E = u×w×d。
1704851108
1704851109
• u：用户与内容发布者之间的亲密度分数，互动越高的亲密度分数越高。
1704851110
1704851111
• w：不同反馈动作具有不同的权重，反馈动作包括展示、评论、点赞等。比如，评论动作的权重就会显著高于点赞动作。
1704851112
1704851113
• d：基于时间的衰减，越新的内容权重越高。
1704851114
1704851115
通过上面的公式不难看出，亲密度和用户动作的引入，极大地抑制了大号和营销号刷屏的情况。此前，企业账号一旦获得了粉丝就相当于获得了稳定的广告位，所有新广告以几乎零成本的形式展现在这些粉丝的信息流中。但此后，没有互动的粉丝就只是停留在页面上的一个数字而已，企业账号在获取粉丝之后，必须同时下力气来维护自己的粉丝群体。
1704851116
1704851117
在随后的日子里，脸谱网致力于借助机器学习的方式改进排序算法，除了最初的3个Edge Rank因素之外，不断追加新的特征和排序方式，如Story Bumping（系统对用户错过的信息进行二次判断，如果判断为重要，则会跳过时间序进行置顶展示）、Last Actor（系统根据用户最近频繁互动的50人，进行信息排序的调权，放大短期兴趣的影响）等。
1704851118
1704851119
1704851120
1704851121
1704851122
图7–4 脸谱网改进排序算法示例
1704851123
1704851124
无独有偶，在国内，微博也逐步意识到自己的流量被大号和营销号所挟持的问题，开始越来越多地在信息流上应用推荐算法，将原有的时间排序调整为智能排序，以控制刷屏、广告泛滥等问题，优化用户的使用体验。
1704851125
1704851126
微信生态在创立伊始就刻意避免微博曾经碰到的问题，更刻意避免流量集中的问题。如果你关注过微信朋友圈的分发就会注意到，某些疑似过度传播的内容（微商广告、转发集赞）是会被微信降频过滤的。
1704851127
1704851128
微博、脸谱网将关注关系作为筛选因素，将用户的点击、评论行为作为调权因素，是在“关注关系产出内容”的候选集上进行算法排序。
1704851129
1704851130
相比起来，今日头条将关注关系也弱化为调权因素，从而获得了一个更广泛的候选集范围（相当于用户在今日头条上关注了所有头条号），在此之上进行的排序能够有更高的效率匹配性和更好的可扩展性。
1704851131
1704851132
关注对推荐系统而言，既是场景，又是助力。
1704851133
1704851134
内容推荐是一个预期不稳定的场景，用户持续地刷新、阅读内容，其内容可能是娱乐、体育、社会新闻、财经报道等，不一而足。关注场景给了用户一个稳定预期消费的场景。用户知道这里的内容是产自一个限定候选集合（微博的订阅号列表）时，甚至会主动找寻特定发布者的内容（微信的订阅号列表）。
1704851135
1704851136
有效的关注依赖用户的自知自觉，即明确关注是怎么一回事，知道关注后去哪里消费，关注频道会变成什么样。如果不经平台的干预，很有可能会重蹈社交分发平台的覆辙，大量无效的关注关系会影响用户的关注信息流。
1704851137
1704851138
关注对内容推荐还有助力作用，内容推荐系统将关注动作视为用户表意性更强的动作。它代表了用户对某个品牌的足够认知。在这种品牌认知下，用户可能会放松对内容表现形式和内容消费价值的要求。比如，当你关注一个账号的时候，你可能会更愿意消费作者分享的私人信息，阅读那些标题封面看起来“素面朝天”的内容。
1704851139