個(gè)性化推薦，目前體現(xiàn)為一些用戶的訂閱號(hào)信息列表不再按時(shí)間順序顯示，而是被打亂。據(jù)公眾號(hào)InfoQ報(bào)道，微信正在對(duì)此功能進(jìn)行灰度測(cè)試。
微信方將這個(gè)新功能稱為“閱讀效率優(yōu)化”，微信團(tuán)隊(duì)是這樣介紹新功能的：
增加這個(gè)新功能后，訂閱號(hào)消息排列順序會(huì)根據(jù)訂閱號(hào)的優(yōu)質(zhì)程度、用戶對(duì)訂閱號(hào)的喜愛(ài)程度以及群發(fā)文章的內(nèi)容質(zhì)量等綜合因素動(dòng)態(tài)變化。
用戶可以更高效閱讀到感興趣的內(nèi)容。
雖然目前這種“個(gè)性化推薦”方式僅體現(xiàn)在時(shí)間順序的變化上，但這可能只是開(kāi)始。從微信團(tuán)隊(duì)的描述看，“根據(jù)訂閱號(hào)的優(yōu)質(zhì)程度、用戶對(duì)訂閱號(hào)的喜愛(ài)程度以及群發(fā)文章的內(nèi)容質(zhì)量等綜合因素動(dòng)態(tài)變化。”這些可能就直接推翻了訂閱號(hào)固有的粉絲訂閱邏輯。
這個(gè)小小的改變可能是訂閱號(hào)內(nèi)容分發(fā)邏輯從“粉絲邏輯”走向“算法邏輯”的開(kāi)始。
訂閱號(hào)的粉絲邏輯
微信公眾號(hào)從誕生那天開(kāi)始，內(nèi)容的分發(fā)邏輯就是粉絲邏輯，一個(gè)用戶關(guān)注或訂閱了某公眾號(hào)，就可以看到此公眾號(hào)的信息，而此公眾號(hào)也就多了一個(gè)粉絲。
這種粉絲邏輯是web2.0時(shí)代普遍使用的方式，早期的Facebook，微博都是這種邏輯。一個(gè)創(chuàng)作者通過(guò)制作內(nèi)容吸引粉絲關(guān)注，粉絲關(guān)注越多，曝光的機(jī)會(huì)也就更多。這種邏輯具有累積效應(yīng)，創(chuàng)作者的粉絲從0到100到1000到10000，其曝光度逐漸增加，品牌效應(yīng)也不斷提升。
不過(guò)內(nèi)容分發(fā)的粉絲邏輯在移動(dòng)互聯(lián)網(wǎng)時(shí)代也不斷暴露缺陷。
對(duì)于讀者來(lái)說(shuō)，移動(dòng)互聯(lián)網(wǎng)時(shí)代是比PC互聯(lián)網(wǎng)時(shí)代信息更加大爆炸的時(shí)代，創(chuàng)作者越來(lái)越多，內(nèi)容也越來(lái)越多，讀者越來(lái)越難以挑選自己感興趣的內(nèi)容。自己訂閱的內(nèi)容畢竟有限，只限于這些內(nèi)容，難免會(huì)錯(cuò)過(guò)更多自己感興趣的內(nèi)容。
對(duì)于創(chuàng)作者來(lái)說(shuō)，粉絲邏輯容易形成馬太效應(yīng)，一個(gè)創(chuàng)作者一旦成為大V，其內(nèi)容必然獲得較高流量，即便是不好的內(nèi)容流量也比普通創(chuàng)作者高。大批有好內(nèi)容但缺乏粉絲的賬號(hào)，包括不少新建賬號(hào)，往往難以獲得流量。這種機(jī)制對(duì)于新的創(chuàng)作者和有優(yōu)質(zhì)內(nèi)容缺流量的創(chuàng)作者并不友好。
算法邏輯成為信息分發(fā)主流方式
移動(dòng)互聯(lián)網(wǎng)的出現(xiàn)加速了粉絲邏輯的衰落和算法邏輯的興起。算法邏輯下的內(nèi)容分發(fā)方式主要為算法推薦，它會(huì)根據(jù)用戶的興趣、標(biāo)簽、屬性等為用戶推薦可能喜歡的內(nèi)容，算法通過(guò)不斷學(xué)習(xí)和改進(jìn)，達(dá)到推薦內(nèi)容越來(lái)越精準(zhǔn)的目標(biāo)。
如今，算法邏輯基本被訂閱號(hào)之外的主要內(nèi)容平臺(tái)應(yīng)用，包括今日頭條、微博、知乎、百度、Facebook等等。
相對(duì)于粉絲邏輯，算法邏輯有幾個(gè)優(yōu)點(diǎn)。
對(duì)于讀者，算法邏輯可以通過(guò)他的閱讀歷史判斷閱讀興趣，從而推薦更多讀者可能感興趣的內(nèi)容。同時(shí)，在這種邏輯下，讀者獲取內(nèi)容的效率一定程度上得到提升，他不需要自己去找內(nèi)容，而是等待內(nèi)容來(lái)找自己，這就是經(jīng)常說(shuō)的“信息找人”。
對(duì)于創(chuàng)作者，算法邏輯會(huì)將好的內(nèi)容推送給粉絲以外的讀者，讓曝光量提高。尤其對(duì)于一些新進(jìn)入的創(chuàng)作者，即便沒(méi)有粉絲，內(nèi)容如果被算法捕獲，也可能獲得大的曝光量。比如在頭條這樣的平臺(tái)上，一個(gè)只有幾百個(gè)粉絲的作者，好的內(nèi)容也可能獲得10萬(wàn)+，在微信上，這種情況就比較難發(fā)生。
當(dāng)然，算法邏輯下的內(nèi)容分發(fā)也不是無(wú)懈可擊。
對(duì)讀者來(lái)說(shuō)，算法邏輯下的內(nèi)容由于只推薦讀者感興趣的內(nèi)容，可能造成讀者視野難以擴(kuò)大，形成“信息繭房”效應(yīng)。
對(duì)創(chuàng)作者來(lái)說(shuō)，最主要的就是算法的不穩(wěn)定導(dǎo)致流量的不穩(wěn)定，比如一個(gè)在頭條上有幾萬(wàn)粉絲的作者，有可能一篇內(nèi)容只能獲得兩三位數(shù)的閱讀量。粉絲的增加不一定100%代表其內(nèi)容曝光量的增加。
微信的算法邏輯腳步越來(lái)越近
在信息越來(lái)越碎片化的今天，內(nèi)容分發(fā)的算法邏輯越來(lái)越勝過(guò)粉絲邏輯，典型代表就是抖音，它其實(shí)包含了這兩種分發(fā)邏輯，關(guān)注就是粉絲邏輯，推薦就是算法邏輯，但只有極少用戶會(huì)通過(guò)關(guān)注獲取內(nèi)容，大部分都是通過(guò)推薦獲取內(nèi)容。如果某一天，抖音的“關(guān)注”按鈕消失了，你一定不要驚訝。
如果你今天還在刷知乎，會(huì)發(fā)現(xiàn)同樣存在“關(guān)注”和“推薦”兩個(gè)按鈕，但平臺(tái)首推的當(dāng)然是“推薦”按鈕。
面對(duì)算法邏輯的攻城略地，微信并非無(wú)動(dòng)于衷。不管是微信“發(fā)現(xiàn)”入口中的“看一看”、“視頻號(hào)”還是訂閱號(hào)內(nèi)容下的相關(guān)閱讀，都是微信試圖謹(jǐn)慎探索算法邏輯下內(nèi)容分發(fā)模式的行動(dòng)。這次的改版我同樣看作是微信對(duì)于算法邏輯的試探。
近幾年，面對(duì)字節(jié)跳動(dòng)系在算法邏輯下的野蠻生長(zhǎng)，微信的內(nèi)容生態(tài)顯得有些保守。移動(dòng)互聯(lián)網(wǎng)時(shí)代，訂閱號(hào)可以說(shuō)是大的內(nèi)容平臺(tái)中，唯一固守粉絲邏輯的平臺(tái)，它代表了訂閱制“最后的倔強(qiáng)”。
微信方將這個(gè)新功能稱為“閱讀效率優(yōu)化”，微信團(tuán)隊(duì)是這樣介紹新功能的：
增加這個(gè)新功能后，訂閱號(hào)消息排列順序會(huì)根據(jù)訂閱號(hào)的優(yōu)質(zhì)程度、用戶對(duì)訂閱號(hào)的喜愛(ài)程度以及群發(fā)文章的內(nèi)容質(zhì)量等綜合因素動(dòng)態(tài)變化。
用戶可以更高效閱讀到感興趣的內(nèi)容。
雖然目前這種“個(gè)性化推薦”方式僅體現(xiàn)在時(shí)間順序的變化上，但這可能只是開(kāi)始。從微信團(tuán)隊(duì)的描述看，“根據(jù)訂閱號(hào)的優(yōu)質(zhì)程度、用戶對(duì)訂閱號(hào)的喜愛(ài)程度以及群發(fā)文章的內(nèi)容質(zhì)量等綜合因素動(dòng)態(tài)變化。”這些可能就直接推翻了訂閱號(hào)固有的粉絲訂閱邏輯。
這個(gè)小小的改變可能是訂閱號(hào)內(nèi)容分發(fā)邏輯從“粉絲邏輯”走向“算法邏輯”的開(kāi)始。
訂閱號(hào)的粉絲邏輯
微信公眾號(hào)從誕生那天開(kāi)始，內(nèi)容的分發(fā)邏輯就是粉絲邏輯，一個(gè)用戶關(guān)注或訂閱了某公眾號(hào)，就可以看到此公眾號(hào)的信息，而此公眾號(hào)也就多了一個(gè)粉絲。
這種粉絲邏輯是web2.0時(shí)代普遍使用的方式，早期的Facebook，微博都是這種邏輯。一個(gè)創(chuàng)作者通過(guò)制作內(nèi)容吸引粉絲關(guān)注，粉絲關(guān)注越多，曝光的機(jī)會(huì)也就更多。這種邏輯具有累積效應(yīng)，創(chuàng)作者的粉絲從0到100到1000到10000，其曝光度逐漸增加，品牌效應(yīng)也不斷提升。
不過(guò)內(nèi)容分發(fā)的粉絲邏輯在移動(dòng)互聯(lián)網(wǎng)時(shí)代也不斷暴露缺陷。
對(duì)于讀者來(lái)說(shuō)，移動(dòng)互聯(lián)網(wǎng)時(shí)代是比PC互聯(lián)網(wǎng)時(shí)代信息更加大爆炸的時(shí)代，創(chuàng)作者越來(lái)越多，內(nèi)容也越來(lái)越多，讀者越來(lái)越難以挑選自己感興趣的內(nèi)容。自己訂閱的內(nèi)容畢竟有限，只限于這些內(nèi)容，難免會(huì)錯(cuò)過(guò)更多自己感興趣的內(nèi)容。
對(duì)于創(chuàng)作者來(lái)說(shuō)，粉絲邏輯容易形成馬太效應(yīng)，一個(gè)創(chuàng)作者一旦成為大V，其內(nèi)容必然獲得較高流量，即便是不好的內(nèi)容流量也比普通創(chuàng)作者高。大批有好內(nèi)容但缺乏粉絲的賬號(hào)，包括不少新建賬號(hào)，往往難以獲得流量。這種機(jī)制對(duì)于新的創(chuàng)作者和有優(yōu)質(zhì)內(nèi)容缺流量的創(chuàng)作者并不友好。
算法邏輯成為信息分發(fā)主流方式
移動(dòng)互聯(lián)網(wǎng)的出現(xiàn)加速了粉絲邏輯的衰落和算法邏輯的興起。算法邏輯下的內(nèi)容分發(fā)方式主要為算法推薦，它會(huì)根據(jù)用戶的興趣、標(biāo)簽、屬性等為用戶推薦可能喜歡的內(nèi)容，算法通過(guò)不斷學(xué)習(xí)和改進(jìn)，達(dá)到推薦內(nèi)容越來(lái)越精準(zhǔn)的目標(biāo)。
如今，算法邏輯基本被訂閱號(hào)之外的主要內(nèi)容平臺(tái)應(yīng)用，包括今日頭條、微博、知乎、百度、Facebook等等。
相對(duì)于粉絲邏輯，算法邏輯有幾個(gè)優(yōu)點(diǎn)。
對(duì)于讀者，算法邏輯可以通過(guò)他的閱讀歷史判斷閱讀興趣，從而推薦更多讀者可能感興趣的內(nèi)容。同時(shí)，在這種邏輯下，讀者獲取內(nèi)容的效率一定程度上得到提升，他不需要自己去找內(nèi)容，而是等待內(nèi)容來(lái)找自己，這就是經(jīng)常說(shuō)的“信息找人”。
對(duì)于創(chuàng)作者，算法邏輯會(huì)將好的內(nèi)容推送給粉絲以外的讀者，讓曝光量提高。尤其對(duì)于一些新進(jìn)入的創(chuàng)作者，即便沒(méi)有粉絲，內(nèi)容如果被算法捕獲，也可能獲得大的曝光量。比如在頭條這樣的平臺(tái)上，一個(gè)只有幾百個(gè)粉絲的作者，好的內(nèi)容也可能獲得10萬(wàn)+，在微信上，這種情況就比較難發(fā)生。
當(dāng)然，算法邏輯下的內(nèi)容分發(fā)也不是無(wú)懈可擊。
對(duì)讀者來(lái)說(shuō)，算法邏輯下的內(nèi)容由于只推薦讀者感興趣的內(nèi)容，可能造成讀者視野難以擴(kuò)大，形成“信息繭房”效應(yīng)。
對(duì)創(chuàng)作者來(lái)說(shuō)，最主要的就是算法的不穩(wěn)定導(dǎo)致流量的不穩(wěn)定，比如一個(gè)在頭條上有幾萬(wàn)粉絲的作者，有可能一篇內(nèi)容只能獲得兩三位數(shù)的閱讀量。粉絲的增加不一定100%代表其內(nèi)容曝光量的增加。
微信的算法邏輯腳步越來(lái)越近
在信息越來(lái)越碎片化的今天，內(nèi)容分發(fā)的算法邏輯越來(lái)越勝過(guò)粉絲邏輯，典型代表就是抖音，它其實(shí)包含了這兩種分發(fā)邏輯，關(guān)注就是粉絲邏輯，推薦就是算法邏輯，但只有極少用戶會(huì)通過(guò)關(guān)注獲取內(nèi)容，大部分都是通過(guò)推薦獲取內(nèi)容。如果某一天，抖音的“關(guān)注”按鈕消失了，你一定不要驚訝。
如果你今天還在刷知乎，會(huì)發(fā)現(xiàn)同樣存在“關(guān)注”和“推薦”兩個(gè)按鈕，但平臺(tái)首推的當(dāng)然是“推薦”按鈕。
面對(duì)算法邏輯的攻城略地，微信并非無(wú)動(dòng)于衷。不管是微信“發(fā)現(xiàn)”入口中的“看一看”、“視頻號(hào)”還是訂閱號(hào)內(nèi)容下的相關(guān)閱讀，都是微信試圖謹(jǐn)慎探索算法邏輯下內(nèi)容分發(fā)模式的行動(dòng)。這次的改版我同樣看作是微信對(duì)于算法邏輯的試探。
近幾年，面對(duì)字節(jié)跳動(dòng)系在算法邏輯下的野蠻生長(zhǎng)，微信的內(nèi)容生態(tài)顯得有些保守。移動(dòng)互聯(lián)網(wǎng)時(shí)代，訂閱號(hào)可以說(shuō)是大的內(nèi)容平臺(tái)中，唯一固守粉絲邏輯的平臺(tái)，它代表了訂閱制“最后的倔強(qiáng)”。
本文地址：http://www.islandpacificappraisals.com//article/2020/0421/16570.html
