Flickr探索

信噪比，是指有用信息與無用信息的比值。如果信息能夠有效過濾，信噪比高（甚至非常高），那麼信息爆炸不僅不是壞事，反而還將大大拓展我們的眼界，提高生活的深度。

與此同時，我們越來越傾向於一個徹底個性化，同時做好隱私保護的綜合平台。喜新厭舊是人的天性，這就注定了“個性化”不能只停留在“定制”的范疇，還應該包括“探索”。

社交網絡的現狀

社會化網絡服務

三層服務

在線社區經過這幾年的沉澱，目前有以下三種層次的服務：

- 內容服務 基於內容的獲取與篩選，形成圈子，實現價值，達成共鳴。

- 位置服務 通過移動互聯網進行簽到，分享即時地理信息。

- 關系服務 通過互聯網構建與增強人際關系。

服務特征

很明顯，三者都具有不可比擬的代表性。不過可以看到，它們之間又有著如下特征：

- 相互孤立 我喜歡攝影，但不知道周末在朋友（關系）家旁的公園（位置）有一個攝影小組（內容）的聚會。

- 緊密相聯 同學（關系）在武漢廣場（位置）看見一條不錯的男式運動褲，發布到微博（內容）上，正在武廣吃飯的我也想過去看看。

- 各自矛盾 友鄰在豆瓣（內容）上發起了同城活動（位置）參與PHP語言初級討論，不在同城的我好心分享出去，結果人人網上的同學（關系）抱怨我“刷屏”。

多維分析

信息一多，自然存在過濾的問題。但我認為，與其過濾，不如直接顯示相關信息。隨著時間的推移，相關信息也必然膨脹；這時應該毫不猶豫、大刀闊斧地砍掉，只顯示最相關的信息。

豆瓣有各種有意思的小組，坐擁無數後，面對海量帖子，頭都是大的。那麼，為什麼不把最相關、最熱門的提取出來？比如，附上一份“晚間精選話題（5個）”。即便是隨便看看首頁，不打算進一步浏覽，看到喜歡的話題，也不能阻止你充滿好奇的手吧。

標簽分析

新浪微博的標簽分析

經過用戶親自提取的“個性化標簽”當之無愧成為最具分析價值的數據。但目前新浪微博裡“感興趣的人”的推薦顯然只做了第一步，沒有在發文量、粉絲數量、名人與否、原創比例上進行相關性匹配。

關鍵詞分析

一種是語境（語義、環境）分析。最好的例子莫過於谷歌關鍵詞廣告，隨處可見，精確度也在不斷提高。以前每每在外文網站看到中文總是興奮不已，可惜是谷歌廣告。

另一種是詞頻分析；基於用戶的內容不愁沒有文字。那麼，結合新聞熱點抓住它們，進行詞頻統計，自然能分析出用戶說話的口味。毫無疑問，臭味總是相投的。

關鍵詞分析依賴對自然語言的處理，也是標簽分析之外強有力的助推器。

群組分析

互聯網是虛擬的，但我們每個人都是獨立的。我們面對不同的人群以不同的面孔，一來強化身份，二來避免尴尬。我們的每個面孔都是真實的，但分享給不同的人群顯然也是不合適的。

新浪微博的分組

給聯系人分組不僅能有過濾話唠的療效，也能立體地展現其不同的角色。

互動程度分析

互動的人一定比其他人更親密，有關你的新鮮事他（她）理所當然希望成為嘗鮮第一人。

轉發分析

人人網上幾乎都是分享讓我們厭惡，因為我們想了解關於他們自己的信息；而微博轉發力量的強大，緣於對內容的鐘愛。由此來看，轉發中所涉及的人、事和博主都可以成為分析對象。

新版豆瓣采納了分組，而取消了“書影音”的分類，正是如此。

時間線分析

正如谷歌閱讀器裡的“神奇排序”一樣，把疏密的時間線整合為一條均勻的故事情節。這樣，在時間有限的情況下，不會漏過好友的最近消息。此辦法不適合新聞媒體。

其他元數據分析

搜搜問問的推薦

盡可能地共享平台信息。比如我在QQ空間的個人資料裡提及“羽毛球”，在搜搜問問裡，推薦我訂閱該詞條。

必要准備

多維分析後，已經盡可能搜集了用戶的想法與口味，接下來，進行准備工作。

反向分析

人人網的忽略名單

通過主動標記“不喜歡”來過濾冗余信息。這些信息的類型包括：

- 某人 出於個中原因，不希望該人出現在時間線上。

- 某事 比如，男生對“化妝品”不感興趣，屏蔽此類訊息。

- 話題 比如，對“360大戰騰訊”毫無興趣，屏蔽之。

- 某類 比如，對“非原創” 無愛，屏蔽之。

就大量的友鄰反饋，豆瓣電台的“垃圾桶”是個不錯案例。

隱私保護

以騰訊微博為例

月光博客解讀說，QQ上78%的用戶本心是拒絕雙向關注的，或者說78%的時候，人們不希望雙向關注。從結論來看，盡管騰訊擁有了著無敵的用戶基數，他可以讓每個QQ號都是成為微博用戶，但是騰訊本身覆蓋的相互關系反而會成為用戶的心理阻礙。在超過3/4的時候，人們對此有所顧慮。

看來，壟斷和捆綁對於利基市場而言可能並不是一件好事，如果拋不開沉重的隱私包袱。

以臉譜為例

臉譜的群組功能

隨著臉譜用戶好友的數量呈幾何上漲趨勢，身份角色也一直困擾著用戶。面對這種情況，臉譜改進了“群組”功能，能有選擇地與朋友分享信息。這樣，請“病假”出去約會的消息，上級就不得而知了（好吧，這不是個好例子）。

群組本身的隱私保護也做得相當完善，包括開放、封閉和隱秘三種模式，詳見文末參考資料7。

選擇性開放

拿地理信息來說，對於不同的關系，不同的場景，提供位置的精度是不一樣的。國內來說，最大的單位是省份，其次是城市、區、街道。任何跨距大的簽到信息，對於收到接受人來說，都是冗余。比如，常居武漢的張三和常居杭州的李四是老朋友，他們之間的任何簽到都沒有具體意義；只有當一方去對方城市做客時，才能體現價值。可惜，位置服務仍在不加區分、不遺余力地到處散播地理信息，就我個人而言，是不甚反感的。

Live中令人困惑的隱私設置

當然，就隱私保護精度來講，正如《一路求實》所言，能不把選項拋給用戶，就盡量不要徒增麻煩。

跨服務探索

探索模式

目前已有的探索不在少數，比如谷歌閱讀器、Flickr、人人網等。可惜，它們探索的內容僅僅局限於特定服務：內容的探索內容，關系的探索關系。豆瓣同城點亮了“探索”的光芒，內容與位置服務得以結合，發掘出更有意思的模式。

“單向關注越高的平台，社交屬性越低，而雙向關注越高，社交屬性越高”，這條規律與位置關系聯系起來，或許正好適合跨服務探索。

朋友總是不嫌多的，而人們的社交活動范圍往往局限在常居城市。同時，相互關注的好友往往更加親密。因此，在同城范圍內，相互關注的好友的線上線下交互應該更為頻繁，成為傳統社會上的“朋友”（而不僅僅是網友）的幾率更大。結合多維分析中提到有關的交互條目，可以得到一份具體的“神奇好友名單”。

以神奇名單為本，通過位置把內容和好友聯系起來，探索的內容將十分豐富。

豆瓣猜

“探索”可以以分組或者單頁（比如豆瓣猜）的形成呈現；同樣，務必保持簡潔。宗旨應該是不求數量，只求你喜歡。

商業價值

所有的廣告都有價值，因為每個選擇都有價值；只有無關、無用和劣質的廣告讓人反感。我們滿大街購物時，最喜於樂見的莫過廣告了（特別是打折廣告）。當我們的雄心不得壯志時，除了政治，還可以大侃各種品牌。

根據ROI Research在今年4月對推特用戶進行的調研得出，33%的用戶每周至少談一次品牌。同時，網絡營銷，尤其是微博營銷也在不斷加強，這些都可以反映廣告（品牌）的價值。

自己說自己好，別人是不信甚至不屑的；水軍這種東西也越來越容易發現並惹人厭惡。品牌最忠臣的推廣員永遠都是客戶自己；而用戶最信任的推銷人員莫過於親朋好友。據此，營銷人員大可以收集已有客戶的良好反饋，插播到探索模式中來。

打個比方，我覺得花格子羊毛衫很有范兒（內容）。在探索模式下，社區裡的好友，更或者我的朋友（關系）提出，就在我上班地點附近實體店（位置）的羊毛衫正在打折，而且質量不錯。由於羊毛衫的信息本身是真實的（來自於客戶的反饋），我收到的信息來源是可靠的（不信朋友信誰？），該信息也正好滿足我的需求。如此，天時地利人和，我購買的可能性相對較大。

實體店和服務商如何分成，我的朋友能享受到怎樣的實惠，則待具體考究了。

參考資料

1 MiniJuly 《社會化網絡：關系or內容》 http://www.minijuly.com/?p=884

2 范路 《LBS中的信息服務》 http://lukefan.com/?p=271

3 月光博客 《雜談新浪微博、騰訊微博、百度說吧》 http://www.williamlong.info/archives/2337.html

4 《成功營銷》雜志10月刊文 《4Food漢堡：你定制，你推廣》 http://www.marketing-life.cn/?p=3273

5 royaland 《社會化網絡設計的10大要點（案例）》 http://hi.baidu.com/royaland/blog/item/8c33540ab5a08e1094ca6b62.html

6 張悟空愛美麗的微博 http://t.sina.com.cn/1809845301/zF0t1varba

7 臉譜官方網站 幫助中心 《群組》條目 http://www.facebook.com/help/?page=1193