Feed流设计：怎样用策略掌控用户视线？

Feed流设计：怎样用策略掌控用户视线？

早期的Feed流主要是以时间轴的形式传播用户关注的内容。但是，随着用户场景的丰富，Feed流的品种也更多了。本文主要讨论如何设计提要流以及提要流背后的设计逻辑。

0.前言

首先，什么是提要流？

Feed是互联网的一个早期概念，最初是作为RSS中的一个接口来接收信息源的更新。现在的定义是比较宽泛的。一般来说，持续更新并呈现给用户的内容称为Feedstream。是朋友圈feed流，微博首页是feed流，知乎首页是feed流，各个门户的内容也是feed流。换句话说，我们的许多在线时间和视线实际上是由提要流控制的。

早期的Feed流主要是以时间轴的形式传播用户关注的内容。但是，随着用户场景的丰富，Feed流的品种也更多了。本文主要讨论如何设计提要流以及提要流背后的设计逻辑。

1.Feed流设计的要核心问题

前面说过，对于搜索来说，基本就是回忆用户感兴趣的内容，然后进行整理。其实饲料的设计也是一样的。进料流总是解决两个核心问题:

应该展示给用户什么内容这些内容该怎么排序

不同的信息流实际上对这两个问题给出了不同的答案。不同的答案并没有绝对的对错，更多的是场景是否合适。

2.永恒的经典——Timeline

时间轴，一般来说不会对用户请求的内容进行过滤，所有内容都是按照时间排序的。经典案例就是朋友圈。关于Feed流设计的两个核心问题，微信朋友圈的回答如下:

应该展示给用户什么内容：用户好友发的内容这些内容该怎么排序：按照时间先后顺序

Timeline简单的内容选择和排序非常容易让用户理解，充满了极简主义哲学:可以随时更新，吸引用户随时打开，每次更新的有限部分保证了大部分用户不会错过任何新闻。微信也是用这种设计来获得用户大量的时间。

既然Timeline有这么多优点，为什么Feed流会迭代衍生出其他设计？

其实这里也涉及到一个问题。Timeline有一个致命的缺点——内容呈现效率最低。内容提供者应该非常克制，用户应该对这些内容给予足够的重视。

微信朋友圈的内容是用户自己的个人展示，注定不会大量更新；同时，所有的选择都是基于熟人关系，能够引起用户足够的关注。正是这两个原因，保证了朋友圈的内容虽然低效，但依然很有吸引力。如果成千上万陌生人每天更新的内容都以时间轴的形式呈现，试想这是一个多么欠考虑的设计。

2.重力排序算法——兼顾热度和更新时间

如果有一个每天更新量很大的Feed流，大部分内容没有太大的用户价值，这种情况下应该怎么排序？其实这种场景也很常见，也是一些PM在实际工作中遇到的棘手问题。答案是重力排序算法。

在重力分选算法中，对于进料流中的内容物有两种力:重力和张力。重力是保持内容物下落的力。这个引力就是时间，因为新内容会把旧内容刷下来；同时，拉力是让内容排序向前的力量，比如知乎的赞，贴吧的回复。

有许多方法可以实现这种排序算法。这里可以简单介绍一个，也是来自Reddit的核心排序算法:

其中:H代表可以代表内容受欢迎程度的值:比如收到的好评，比如浏览量，也可以是相似指标组合加权求和得到的值。

t代表内容发布的时间，代表一个时间的起始值，只要早于最早发布的内容(比如用公司创立时间)。T-T0用来衡量一个内容的新度，单位是秒。T-T0越大，内容越新。

a也是一个设置参数。A越大，T-T0的影响越小，内容更新越慢。一般来说，初始值可以取36000，10小时秒，然后不断迭代。

关于进料流设计的两个核心问题，重力分选算法的答案如下:

应该展示给用户的内容:用户展示自己偏好的内容全部推送给用户，虽然用户可能看不到后者。

如何对这些内容进行排序:根据时间衰减因子和内容热度进行综合排序。

3.智能排序——双刃剑

使用脸书智能排序后，据说效果出群，所以我们看到越来越多的社交网络放弃使用时间轴排序，转而投向智能排序的阵营，比如国外的Twitter，国内的微博，知乎。

智能分拣涉及复杂的模型构建和机器学习。这里，只解释简单的原理。

首先，系统需要知道什么是一个内容被展示的目标值。比如微博，一个内容被展示的目标值是转发，评论，点赞的次数。那么通过大量的样本的机器学习，系统对于什么是好的内容会有一个预测。这个对于一个内容的预测，则是的智能排序的基础。接下来，系统会屏蔽掉一些违规的内容，比如Facebook处罚标题党，知乎处罚抱团点赞。其次，为了用户内容的质量，系统会在用户的Feed中增加一些热门的内容。最后，考虑内容和用户的亲密度、系统认为内容受欢迎的程度、内容时间衰减性等因素后，系统进行综合排序。

听起来智能分类是个好主意。然而，智能分拣也是一把双刃剑。

算法质量高导致一些公司技术差，使用智能分拣效果不好。另一方面，由于智能分拣的不透明性和扩展性，过度商业化成为用户体验的头号杀手。

有些内容可以因为用户购买粉丝头条而排在Feed流前面，有些内容只要有足够的推广费就可以绕过关注关系呈现给用户。如果智能分拣过度商业化，Feedstream的用户体验会越来越差。

4.总结

其实Feed的设计原理比较简单。如果需要赋形排序算法，也可以找很多，但更重要的是，真正适合的选择是什么。

如果选择时间线的排序，那么就需要考虑用户关注的内容是否足够吸引人。

如果选择重力排序算法，就要考虑如何选择参数才能保证最终的显示效果。

如果加入日益壮大的智能分拣大军，就需要考虑自己是否有足够的技术实力和产品自控能力。

重要的是要想清楚两个问题:

应该展示给用户什么内容这些内容该怎么排序

不要在怀疑和恐惧中浪费生命，做个选择就好。

文章的作者是@潘。未经许可，禁止转载。

欢迎分享，转载请注明来源：内存溢出

原文地址: http://outofmemory.cn/zz/780381.html