社交创业者用产品回应自己身处的时代环境。因此做减法,而非加法,才是这一代创业者需要思考的问题。
社交再一次成为显学,很大程度上仰赖于抖音。这款刚满两岁的产品,不仅支撑起字节跳动估值的半壁江山,更是直接威胁到了 Facebook 十年如一的霸主地位。最新数据显示,九月份抖音国际版 Tik Tok 在美国地区的 iOS 下载量已经超过 Facebook,位居第一。
这直接导致了今年的社交创业非常热闹,连创业者也看起来星光熠熠。几年前,社交产品还习惯于用「中国的 Snapchat」来让公众记住自己,现在则变成了「XX 高级产品总监所做的产品」,引得 DST、经纬等一线风投机构接连出手。
我试用了几款新出炉的社交产品。它们都在关系发现、连接上做了许多新的尝试:有通过几人同看一部电影认识好友的,有根据距离远近认识好友的,也有直接套用 Snapchat「阅后即焚」功能做密友社交的。一个明显的感觉是,所有人都在憋着法子让自己的产品更加「好玩」。
然而,抖音的意义绝不应该是「社交产品应该变得更加好玩」。如果我们把时间维度拉长,就会发现一个事实:抖音的成功实际上代表了社交创业 1.0 时代的结束。包括文字、语音、图片、直播、游戏、视频在内的媒介,它们已经被巨头瓜分干净。
随着社交工具逐渐完善每个人的互联网身份,我们可以预见主打「好玩」、的产品路径将会变窄,因为现有的产品已经足够富有个性。就算巨头自己做不出来,也能抄得更好玩。看看 Snap。
「打地鼠」式的创业模式不再具备可持续性。有人会问,难道社交赛道已经无业可创?当然不是。社交创业的 1.0 时代,创业者习惯以以媒介种类划分赛道,并成功做出了数家百亿、千亿美金市值的企业。对于下一个时代的伟大公司而言,在媒介种类已经全部被占领的情况下,机会势必来自于找到现有巨头的漏洞,重新定义人与人、人与信息互动的模式。
社交 1.0 的最大漏洞
互联网是天然的社交工具,因为社交的本质是一种强调身份的信息传递,后者则是互联网的强项。有趣的是,用户本身并不能加入这种传递——我们不可能把网线插入自己的血肉之躯,直接将大脑与网络数据进行对接。因此,我们必须在互联网上复制出一个数字化的分身(画像),赋予它适应性(Adaptivity)和可扩展性(Scalability),使其能够获取信息。
画像在人类和互联网中充当了媒介的角色。借用麦克卢汉「媒介即信息」的理论,媒介对于人的影响力远大于它所传递的信息。换句话说,使用的社交产品的不是我们每个人,而是系统对于我们的一幅幅画像。
让一个人的画像更为清晰,远比给他传递什么内容来得更为重要。最理想的状态是,社交产品可以完美地将一个人复制到互联网上,包含他的兴趣爱好、思考模式、学习能力,等等。
但目前绝大多数产品只停留在简单还原兴趣爱好。现有的机器学习和模式识别的模型,采用的是一个固化的神经网络。为了建立人与机器的联系,算法会设立标签机制。内容被编辑手工或 NLP 模型打上标签,基于协同过滤的算法使得用户与标签产生映射关系。
动物是单维度的,人却是多维度的。依赖单维度的标签描摹用户,有时候出来的结果是不合常理、扭曲或者是失真的,常常会放大一个人对于特定内容的好恶。
这个问题反映到社交领域,就是算法推送信息的狭窄化、标签化。举个例子,一旦系统检测到用户在短时间之内观看了「小姐姐跳舞」的内容,就会为他打上这个标签,并开始推送大量相似内容。
每位用户身上都贴满无数个标签。这很像麦氏笔下生活在印刷文化下的「市民」,定居在不同的小格子里,不停地观看相似的内容。
这显然不是正常人的行为习惯。娱乐化的内容之外,每个人都还需要获取新知。算法显然难以做到这一点。人真正的状态是「游牧民」,自我意识驱使我们不断地在信息中迁徙、漫步。诚然,NLP 这样的技术使得标签更新的效率变高了,但距离「自由漫步」还相差甚远。
画像的不准确,直接导致的结果就是信息过载,影响了用户与信息的连接效率。信息在时间线上的所处位置,被社交产品转化为寻租空间进行售卖。可以说,目前绝大多数的社交公司,商业模式都是建立在信息过载的基础上。
从这个角度出发,我们会发现平台并没有动力改变唯流量论所引发的内容低端、推荐垃圾等问题。原因在于,大部分企业并不具备高精度匹配用户和信息的能力。就算有,信息过载越严重,无关信息越多,平台的流量分发价值就越高。
囿于标签系统的僵化,目前大部分打着个性化千人千面旗号的产品,实际上还是在做大众传播、清洗流量的生意。
这直接导致了信息本身价值被它所链接的商业价值所取代,使得话语权的不民主分配。相较于「人人皆能振臂一呼」的 BBS,以 Facebook、微博为代表的社交网络用关联者、粉丝来限定信息的传播力,而这种传播力甚至可以用商业化的手段进行营销推广。这使得它们不再是一个公平的、以观点和内容传播的平台。
更让人担忧的是,由于媒介对人具有形塑的能力,打标签的做法使得人越来越容易被算法预测。用户被困于一个由标签作为边界的城堡中,系统给什么吃什么,难以去探寻外部的知识疆域。这也是许多未成年用户「沉迷」的原因。
这是社交 1.0 时代的根本问题。算法是小部分人设定的、标签化的、基于协同过滤的,束缚了人自由探索知识边界的能力。换句话说,它从未将用户当「人」看,而是把他视为静态的标签集合体。如何改进这一点,是下一代创业者都需要考虑的问题。
整体到碎片
我们在上面说过,社交产品的最终目的,是完美地将一个人复制到互联网上,包含他的兴趣爱好、思考模式、学习能力,等等。机器通过标签来理解人的兴趣爱好,却对剩下的抽象因素束手无策。
这里有两个原因。首先,用户画像中的抽象概念,连自己都很难说清。用户只能被要求填写兴趣调查问卷,不可能被要求用三言两语归纳出自己的思考模式、学习方法。
连用户自己都说不清这些,开发者就更难将其输入数据库供机器参考。换个角度说,那些一上来就要求用户填写问卷的,对用户的了解很可能只停留在兴趣爱好的层面。
其次,相比被动消费兴趣爱好的内容,思考、学习都是人的主动行为。算法要做的不再是将内容通过碎片化标签「投喂」给用户,而是代替用户向爬虫一样,对互联网进行耙梳,拥有自己的「意识」,懂得自生长。
这和基于协同过滤的静态的标签体系有着天壤之别,后者最大的问题在于将人拆解的过碎,并试图通过碎片来拼凑出一个完整的人,结果就是四不像。
这样做有两个严重的后果。首先,用户画像绝非标签的线性叠加,而是本身就包含了一种自然生长、演化的行为。其次,系统没有任何联想的能力。它只会将莫奈的作品推送给「印象主义绘画爱好者」,却不可能推给「德彪西的粉丝」,尽管两者之间有着千丝万缕的关系。
既然「碎片到整体」的模式有诸多的问题,我们为什么不换个角度来看问题,先提炼整体价值观,取得富有统计学意义的样本,然后再对用户特征做一步步的细化呢?这就好像先画了一个草稿,然后一步步对它做精细化描摹。
人类之所以可以这样做,会因为每个人的价值观在人类大样本中都不是唯一的,一定处于一个群体之中。个体判断是有随机性的,会受主观、情绪、知识面的影响。群体的判断在统计意义上更稳定。在某个相同价值观的群体内,群体判断要优于个体。
让人意外的是,我们可能正在目睹这样的算法诞生。据智能社交媒体产品「Ta在」的技术团队称,他们已经成功研发出了这样的算法,足以捕捉用户行为,挖掘用户潜意识。算法通过不断演化,可以越来越精确的提取用户特征,把信息的特征和人的特征互相迭代演化,让两个特征都更精确。
这一算法思想在 2011 年底就已经成型。经过三年的思考,包含一名中科院博导、3 位拥有微软、Facebook、领英和华为背景的工程师团队于 2015 年在实验室中证明了其可行性。今年 6 月,开发团队在上海成立公司,开始研发第一款 ToC 端社交应用「Ta在」。
「Ta在」将通过算法和机器帮助用户识别自身兴趣,筛选内容,传播内容。这一切都无需用户自己操作、维护,是一款智能化的信息导流和动态关系链。对于用户,它的最大赋能在于算法不断捕捉新的知识点和需求,随即创建分类,有利于拓展每个人的知识库,使之永远跟得上时代的变化。
「惊喜」,是团队在提及这款产品时反复使用的词。在他们看来,依托演化和理解式的算法的社交媒体是发散和探索式的。传统的社交媒体如朋友圈、微博,用户对于发布信息后的反馈都有一定的预判:哪些人会赞,会得到什么样的评语。而「Ta在」的算法却会因为用户分享的一首歌从而推荐一个你感兴趣的电影或者文章,或者艺术作品。
在这样一套极富前瞻性的算法基础上,「Ta在」的具体产品却让人有些摸不着头脑,甚至有些「反社交」。它的主界面中是一个 Feed 流,但用户只能评论他人的内容,不能关注,也不能私信。用户看到的内容,全部依赖于算法推荐。
这种近乎「佛系」的功能设计,与「Ta在」的定位有很大的关系。作为社交媒体,「Ta在」希望通过算法实现知识和内容的传播的最大化,让信息到达每一个想看到它的人那里。
在解释这一点设计时,创始团队提出了一个观点:有限社交对社交本身也是有利的。「Ta在」回避深度社交捆绑,而是打造一个单纯的社会化网络,让用户同时完成社交和知识传播。使用强关联的微信还是微博很难同时兼顾社交和传播这两件事。
凭借这套算法,用户可以依托群体智慧,挑出真正感兴趣的人和信息。在这样的技术下,我们更可以期待一个完整的人活在互联网上的可能。届时,人在互联网中的存在不再是僵化的标签,而是懂得学习、演化的思维,自主地拓展知识的疆域。
|
|
