基于内容位置与关系的探索模式

　　信噪比，是指有用信息与无用信息的比值。如果信息能够有效过滤，信噪比高（甚至非常高），那么信息爆炸不仅不是坏事，反而还将大大拓展我们的眼界，提高生活的深度。
　　Flickr探索
　　与此同时，我们越来越倾向于一个彻底个性化，同时做好隐私保护的综合平台。喜新厌旧是人的天性，这就注定了＂个性化＂不能只停留在＂定制＂的范畴，还应该包括＂探索＂。
　　社交网络的现状
　　社会化网络服务
　　三层服务
　　在线社区经过这几年的沉淀，目前有以下三种层次的服务：
　　– 内容服务 基于内容的获取与筛选，形成圈子，实现价值，达成共鸣。
　　– 位置服务 通过移动互联网进行签到，分享即时地理信息。
　　– 关系服务 通过互联网构建与增强人际关系。
　　服务特征
　　很明显，三者都具有不可比拟的代表性。不过可以看到，它们之间又有着如下特征：
　　– 相互孤立 我喜欢摄影，但不知道周末在朋友（关系）家旁的公园（位置）有一个摄影小组（内容）的聚会。
　　– 紧密相联 同学（关系）在武汉广场（位置）看见一条不错的男式运动裤，发布到微博（内容）上，正在武广吃饭的我也想过去看看。
　　– 各自矛盾 友邻在豆瓣（内容）上发起了同城活动（位置）参与PHP语言初级讨论，不在同城的我好心分享出去，结果人人网上的同学（关系）抱怨我＂刷屏＂。
　　多维分析
　　信息一多，自然存在过滤的问题。但我认为，与其过滤，不如直接显示相关信息。随着时间的推移，相关信息也必然膨胀；这时应该毫不犹豫、大刀阔斧地砍掉，只显示最相关的信息。
　　豆瓣有各种有意思的小组，坐拥无数后，面对海量帖子，头都是大的。那么，为什么不把最相关、最热门的提取出来？比如，附上一份＂晚间精选话题（5个）＂。即便是随便看看首页，不打算进一步浏览，看到喜欢的话题，也不能阻止你充满好奇的手吧。
　　标签分析
　　新浪微博的标签分析
　　经过用户亲自提取的＂个性化标签＂当之无愧成为最具分析价值的数据。但目前新浪微博里＂感兴趣的人＂的推荐显然只做了第一步，没有在发文量、粉丝数量、名人与否、原创比例上进行相关性匹配。
　　关键词分析
　　一种是语境（语义、环境）分析。最好的例子莫过于谷歌关键词广告，随处可见，精确度也在不断提高。以前每每在外文网站看到中文总是兴奋不已，可惜是谷歌广告。
　　另一种是词频分析；基于用户的内容不愁没有文字。那么，结合新闻热点抓住它们，进行词频统计，自然能分析出用户说话的口味。毫无疑问，臭味总是相投的。
　　关键词分析依赖对自然语言的处理，也是标签分析之外强有力的助推器。
　　群组分析
　　互联网是虚拟的，但我们每个人都是独立的。我们面对不同的人群以不同的面孔，一来强化身份，二来避免尴尬。我们的每个面孔都是真实的，但分享给不同的人群显然也是不合适的。
　　新浪微博的分组
　　给联系人分组不仅能有过滤话唠的疗效，也能立体地展现其不同的角色。
　　互动程度分析
　　互动的人一定比其他人更亲密，有关你的新鲜事他（她）理所当然希望成为尝鲜第一人。
　　转发分析
　　人人网上几乎都是分享让我们厌恶，因为我们想了解关于他们自己的信息；而微博转发力量的强大，缘于对内容的钟爱。由此来看，转发中所涉及的人、事和博主都可以成为分析对象。
　　新版豆瓣采纳了分组，而取消了＂书影音＂的分类，正是如此。
　　时间线分析
　　正如谷歌阅读器里的＂神奇排序＂一样，把疏密的时间线整合为一条均匀的故事情节。这样，在时间有限的情况下，不会漏过好友的最近消息。此办法不适合新闻媒体。
　　其他元数据分析
　　搜搜问问的推荐
　　尽可能地共享平台信息。比如我在QQ空间的个人资料里提及＂羽毛球＂，在搜搜问问里，推荐我订阅该词条。
　　必要准备
　　多维分析后，已经尽可能搜集了用户的想法与口味，接下来，进行准备工作。
　　反向分析
　　人人网的忽略名单
　　通过主动标记＂不喜欢＂来过滤冗余信息。这些信息的类型包括：
　　– 某人 出于个中原因，不希望该人出现在时间线上。
　　– 某事 比如，男生对＂化妆品＂不感兴趣，屏蔽此类讯息。
　　– 话题 比如，对＂360大战腾讯＂毫无兴趣，屏蔽之。
　　– 某类 比如，对＂非原创＂ 无爱，屏蔽之。
　　就大量的友邻反馈，豆瓣电台的＂垃圾桶＂是个不错案例。
　　隐私保护
　　以腾讯微博为例
　　月光博客解读说，QQ上78%的用户本心是拒绝双向关注的，或者说78%的时候，人们不希望双向关注。从结论来看，尽管腾讯拥有了着无敌的用户基数，他可以让每个QQ号都是成为微博用户，但是腾讯本身覆盖的相互关系反而会成为用户的心理阻碍。在超过3/4的时候，人们对此有所顾虑。
　　看来，垄断和捆绑对于利基市场而言可能并不是一件好事，如果抛不开沉重的隐私包袱。
　　以脸谱为例
　　脸谱的群组功能
　　随着脸谱用户好友的数量呈几何上涨趋势，身份角色也一直困扰着用户。面对这种情况，脸谱改进了＂群组＂功能，能有选择地与朋友分享信息。这样，请＂病假＂出去约会的消息，上级就不得而知了（好吧，这不是个好例子）。
　　群组本身的隐私保护也做得相当完善，包括开放、封闭和隐秘三种模式，详见文末参考资料7。
　　选择性开放
　　拿地理信息来说，对于不同的关系，不同的场景，提供位置的精度是不一样的。国内来说，最大的单位是省份，其次是城市、区、街道。任何跨距大的签到信息，对于收到接受人来说，都是冗余。比如，常居武汉的张三和常居杭州的李四是老朋友，他们之间的任何签到都没有具体意义；只有当一方去对方城市做客时，才能体现价值。可惜，位置服务仍在不加区分、不遗余力地到处散播地理信息，就我个人而言，是不甚反感的。
　　Live中令人困惑的隐私设置
　　当然，就隐私保护精度来讲，正如《一路求实》所言，能不把选项抛给用户，就尽量不要徒增麻烦。
　　跨服务探索
　　探索模式
　　目前已有的探索不在少数，比如谷歌阅读器、Flickr、人人网等。可惜，它们探索的内容仅仅局限于特定服务：内容的探索内容，关系的探索关系。豆瓣同城点亮了＂探索＂的光芒，内容与位置服务得以结合，发掘出更有意思的模式。
　　＂单向关注越高的平台，社交属性越低，而双向关注越高，社交属性越高＂，这条规律与位置关系联系起来，或许正好适合跨服务探索。
　　朋友总是不嫌多的，而人们的社交活动范围往往局限在常居城市。同时，相互关注的好友往往更加亲密。因此，在同城范围内，相互关注的好友的线上线下交互应该更为频繁，成为传统社会上的＂朋友＂（而不仅仅是网友）的几率更大。结合多维分析中提到有关的交互条目，可以得到一份具体的＂神奇好友名单＂。
　　以神奇名单为本，通过位置把内容和好友联系起来，探索的内容将十分丰富。
　　豆瓣猜
　　＂探索＂可以以分组或者单页（比如豆瓣猜）的形成呈现；同样，务必保持简洁。宗旨应该是不求数量，只求你喜欢。
　　商业价值
　　所有的广告都有价值，因为每个选择都有价值；只有无关、无用和劣质的广告让人反感。我们满大街购物时，最喜于乐见的莫过广告了（特别是打折广告）。当我们的雄心不得壮志时，除了政治，还可以大侃各种品牌。
　　根据ROI Research在今年4月对推特用户进行的调研得出，33%的用户每周至少谈一次品牌。同时，网络营销，尤其是微博营销也在不断加强，这些都可以反映广告（品牌）的价值。