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
1704851140
关注动作也能被内容推荐系统用来衡量作者的价值，粉丝的多寡、粉丝阅读率的高低都是作者表现的量化指标，一个垂直的、能够持续取悦粉丝群体的作者，才是系统内价值更高的作者。一种应用方式是：某订阅分发平台对某条内容的推荐会先尝试10%的粉丝，如果粉丝点击率高的话会再继续扩散，否则会停止内容的继续推荐。
1704851141
1704851142
算法分发：分发的终局？
1704851143
1704851144
从某种角度来看，算法分发或许可以被称为终极解决方案。
1704851145
1704851146
为什么这么说呢？因为推荐算法是个筐，什么都能往里装。算法是基于我们对现实世界的理解进行的抽象和建模，所有我们关心的因素（编辑分发、社交分发）都可以转化为算法推荐的参考因素。
1704851147
1704851148
如果我们简化算法推荐过程，将推荐的因素收敛到编辑、社交、模型三种因素，那么，一个内容在系统中的得分可以表示为下列公式：
1704851149
1704851150
内容得分= a×编辑因素 + b×社交因素 + c×模型因素
1704851151
1704851152
a、b、c分别为三种因素的权重。如果我们把某种因素的权重设置为1，其他因素的权重设置为0，那么算法分发就能够等同于编辑分发或社交分发。
1704851153
1704851154
在这个公式中，各种权重的调节完全是由平台的价值感导向决定的。以脸谱网为例，其认为来自真实好友关系的生活记录内容更重要，在分发过程中就会加强真实好友生活记录内容的权重，而弱化他们转发内容的权重，并进一步弱化媒体所发布内容的权重等。
1704851155
1704851156
事实上，我们熟悉的各类内容分发产品，无论起步如何，如今都走上了一条多元素融合的道路：依赖中心化编辑引导和干预，依赖去中心化用户生产传播，应用机器学习提升效率。新版的微博在关注频道的旁边放置了热门频道，提供不依赖订阅关系的内容推荐服务；微信亦上线了实验室功能“看一看”，尝试推荐分发。
1704851157
1704851158
多分发方式的融合一定是未来分发的主流，沉迷“气宗”“剑宗”之争的看客们，还是散了吧。
1704851159
1704851160
1704851161
1704851162