我对社交产品的理解分享
⇨⇦
社交3要素分别是关系、内容和互动。笔者在上一篇讲到社交3要素中的＂关系＂，现在分享＂互动＂、＂内容＂这两个要素，在社交产品设计中的重要性以及如何利用好这两个要素设计出一款好的社交产品。
因为工作忙，好久没有登录人人pm了。但是我会坚持写东西的，因为这是孤独的我探索的一种社交方式。
祝大家新年快乐，希望大家坚持以阅读作为娱乐，我的文章也是仅供娱乐。因为产品经理本身就不是掌握真理的人，而是找出合理的人。如果你找出写得不对的内容，很有可能你是对的。
一、互动
互动是有来有往，人与人直接的有来有往就是互动。
社交产品中的常规互动功能，包括即时通讯、评论、点赞。我给一个定义：互动功能是出于人与人之间有来有往的目的而设计的功能。
说到这里，大家就明白了：为什么基本上评论功能都是A评论后，B可以回复A的评论——因为大多数评论功能都是为了让人与人有来有往。
如果你碰到一个评论功能，不能相互评论，那么它的目的不是让人们有来有往。那我们可以推理，这个功能是为了内容而服务的，因为评论是一个内容质量的参考数据，也有再加工内容的效果。
说到这里有人想到：为什么A点赞B，B不能点赞A的赞，也算互动功能？
好问题，我先给大家讲个段子：
在二叔家吃着饭，二叔拿着手机，二婶就唠叨：＂吃饭别玩手机。＂二叔回答：＂朋友圈看到老马的儿子结婚了，要给他点个赞，上次我们女儿结婚时他也给我朋友圈点赞了。＂
不知道你有没有笑，我第一次听到是笑了。其实点赞是评论的降维，点赞有两个效果：第一是让对方知道你在注意ta，第二是表达善意。
人们的思维习惯就是，你有注意我，我也得注意到你。你看到有人给他朋友打招呼，朋友仍然低着头不看ta，是不是第一反应是这个朋友做得不对。你在朋友圈经常给某个人点赞，但是ta从来不给你点赞，时间久了你是不是对ta就有些不满意了。
现在你应该明了，点赞为什么是互动功能了。所以呢，收藏并不是互动功能，你在美团外卖里给快递小哥的评价也不是互动功能。这些功能是截然不同的目的性。
一个好的互动功能，需要更多的注意互动引导的设计——关注、性别筛选、距离显示、亲密度、访客记录、好友动态推送、消息及评论提示、智能匹配、小组或群以及@功能都是常用的互动引导设计。每一种都是针对不同用户习惯及需求场景而设计的，其最终目的是让触发用户更多地产生互动。
可以通过数据看出，只要具体设计合理 ，以上提到的功能的加入，都是可以拉高用户活跃度的。
其中智能匹配功能大家可以参考网易云——通过听歌品味匹配到陌生人，两个人一边听共同喜欢的歌，一边聊天；还有其他的智能匹配是通过做测试题，让性格、三观相同的人见到对方。
亲密度可以参考QQ、soul，特别介绍一下soul的亲密度设计——给用户预设一个目标，用户达到亲密度最大时有惊喜，开通2个用户之间的专属主页。
但请勿滥用，要根据你的产品定位和用户心智，合理添加功能。
最后是社交3要素中的内容。
二、内容
其实社交一直以来都是以内容为依托展开的。
在春节的时候，我会看到身边的小孩们聊着游戏就很快成为了朋友；七姑八姨们聊着各种八卦和吐槽老公，很快就成为了密友；男人们聊着赚钱的事，很快形成了朋友圈子。
我做了一个总结，人们发起社交，最后形成的朋友关系紧密度跟发起社交时的内容质量成正比——也就是往往陌生人碰到一起，交流的内容越有深度，大家的朋友关系发展得越快，当然前提是要找到大家共同感兴趣的内容。
所以，只要帮助一群人找到了合适的内容，以及帮助提高内容质量，社交体验就会提升，人们的关系也会进展更快。这也适用于谈恋爱，要想更快发展为男女朋友，记住，你们聊天的内容是一个关键点。
所以，我始终相信，内心世界丰富且会输出的人，是更容易找到男女朋友的。
社区类产品都会优先保证内容供给，因为社区类产品就是以内容为触发点让用户体验社交。当然，非社区类的社交产品，仍然要考虑内容，因为没有内容的社交产品，粘度低。
比如，微信增加了朋友圈功能，朋友圈就是先引导用户生产内容，基于内容去社交互动。你只需要想想，自己打开微信有多少次是因为想去看朋友圈的点赞和评论，就能估算朋友圈让微信的用户粘度提高了多少。
1. 内容设计
设计产品时，关于内容，要考虑优质内容门槛的设计和内容分发机制的设计。
如果有UGC，那么你要引导用户生产优质内容且降低优质内容生产门槛。
微信朋友圈发布功能有明显的引导用户多发照片的交互设计。因为从阅读者来讲，阅读有图的内容比起单纯的文字体验更好，有图是比较下的优质内容，微信这种设计就是引导用户生产优质内容。
关于降低优质内容生产门槛，以抖音为例，在抖音之前就有微视、秒拍、美拍等短视频平台，它们也一直在迭代，也在尝试让用户自己拍自己的生活——但是为什么增长速度慢，而后来者抖音却可以2年时间就增长到日活2亿以上？
我在2017年3月的时候玩抖音，那时候抖音每周都在策划不一样的高质量教学视频，让用户跟着教学视频拍同款。同时帮你挑选了最合适的BGM，最cool或者最魔性，又最容易学的舞蹈动作，跟着拍就完事了。如此才出现了越来越多的质量好的UGC短视频内容。
以前秒拍、美拍等都有设计BGM功能，但真的比不上抖音的拍同款的体验，从用户习惯培养上来讲，效果差距就很大了。
发布功能的多图勾选、加图片滤镜等都是为了帮助用户发布内容更低门槛，制造更优内容。
UGC社区，还必须要打造社区氛围，社区氛围可以重塑用户心智，引导用户多发布内容，以及发布什么样的内容。
比如曾经的secret，那就是一个阴郁的社区——大家有负面情绪的时候就会打开，把自己的阴暗想法发表出来，然后用户们撕逼，发泄情绪。
比如曾经的糗事百科——那就是让每个人带着戏虐的态度来发文，以及评论。
社区氛围可以通过你的OGC内容、用户激励体系设计、社区活动运营、UI设计、文案，以及像匿名、花名、thumb down等小功能的设计来营造。唯一建议：要打造社区氛围，先模拟完整的用户心智模型。
2. 内容分发
关于内容分发，我们既要有通用的内容质量衡量机制，又要有针对每个用户的个性化推荐机制。
内容质量衡量机制可以参考浏览量、阅读时长、点赞、评论、转发等用户行为数据。
常见算法为：
P（P为内容质量）=k1*X+k2*Y+k3*M…
内容质量衡量机制决定了内容的默认排序和内容的自然曝光量，特别对于新用户来说，这是决定是否能第一时间让用户满意，让用户留下来的关键点。
个性化推荐，讲3点：用户聚类、内容聚类、协同过滤。
用户聚类：
是通过用户的个人信息，如性别、年龄、所在城市等描绘出用户画像。
用户画像接近的默认为一类用户，冷启动时分析推理每一类用户喜欢什么样的内容，然后给每一类的所有用户推荐预判的他们喜欢的内容；根据用户的行为数据判断之前预判的推荐内容是否合理，合理的加强推送，不合理的减弱推送。
内容聚类：
系统识别每个内容所携带的各字段中是否有相同关键词，比如标题、副标题、作者、正文中有相同关键词的内容视为同类（以上可利用到近义词判别以及文本相似度算法等）。在冷启动时，通过专业分析，找到合理的标签规则，对推荐效果的影响是尤其显著的。
协同过滤：
分成基于用户的协同过滤和基于内容的协同过滤。协同过滤不适用于冷启动阶段，而适用于有一定量级的用户行为数据之后。
基于用户的协同过滤：是将根据用户的浏览、停留、点赞等行为判断用户是否喜欢某内容。假若该用户喜欢内容A、内容B、内容C，我们还发现有另一个用户也同样喜欢内容A、内容B、内容C，那么就判断他们属于相似用户，然后给用户推荐相似用户喜欢的其他内容。
基于内容的协同过滤：同上，根据用户的行为数据判断用户是否喜欢某内容——如果有100万的用户喜欢内容A，这其中还有80万用户同时喜欢内容B，那么我们就判断内容B是内容A的相似内容。当某用户喜欢内容A时，我们就推荐相似内容B给该用户。
基于用户的协同过滤的核心是：找出用户之间行为的共同点，从而判断用户相似，这是将人归类的逻辑。
其实每个人喜欢某事物都有一个根源，这个根源就是这个人接受了什么教育，成长中经历过什么。所以，喜欢同一个事物的人很可能接受了同样的教育，有过同样的经历。接受过同样教育、有过同样经历的人当然很可能也同时喜欢另一个事物。
我们将＂用户为什么喜欢某个内容＂追溯到根源，然后我们又根据＂该用户喜欢的其他内容＂理解为是：因为该根源而喜欢其他内容——只要两个人根源相同，那么他们喜欢的事物都会是一样的，同时喜欢的内容越多，他们根源相同的可能性越大。所以，我们不能只看两个用户同时喜欢一个内容，就判断他们属于同一根源，要他们同时喜欢多个内容才做此判断，从而降低误差。
举例说明，喜欢体育新闻的人，往往小时候都喜欢运动；喜欢学术论文的人，往往都念过研究生。
基于内容的协同过滤的核心是：发生事件1后，大概率发生事件2的宏观规律，这是将不同内容打包绑定的逻辑。
举例说明：看过《哈利波特1》的人，基本都会再看《哈利波特2》。
我们发现：喜欢内容A的人中，80%也喜欢B内容。那么，现在我们碰到一个喜欢内容A的用户，那就给他推内容B吧，他大概率会喜欢——这就是宏观数据告诉我们的大概率事件。至于内容A跟内容B有多少直接关联性？
有时候可以直接观察到，有时候却不能。就好像谁会想到超市里买奶粉的人，都想再买瓶啤酒呢？
所以，有时候我们不去设计如何找出内容之间直接关联性的方案，只需要根据数据宏观分析就行了。
关于个性化推荐，补充一点：用户的阅读-互动动态需求——也就是实时热点，社会大事件等会影响用户当下的浏览、阅读需求。但这是产品运营部分，不赘述。只要记住，产品设计之初，就需要考虑运营需求。