如何構建社交網路中的 News Feed/Timeline ？

01-08

先來了解信息的傳播過程：

yahoo目錄是互聯網早期信息高效傳播的例子：

yahoo目錄，人為的將「網站」信息的整理、歸納，集中在一個站點裡，給用戶提供菜單目錄，方便用戶找到需要的網站信息。這種邏輯與傳統的黃頁（以前的編年電話本就是其中一種，你可能會找到跟自己同名的電話記錄）一致，但是放在互聯網裡，它可以快速傳播複製幾乎不佔用空間，超越了時空的限制。這使得yahoo成為互聯網行業最早最瘋傳的網站，也是搜狐起家的模式。在這裡面，信源和結點是大量獨立的網站主，他們建立網站、製造信息，通過互聯網傳播，最終到達他們的用戶面前。隨著網站越來越多，信息產生越來越多，人工收錄分類這些站點信息已經不可能實現，有大量的網站不能通過黃頁走到用戶面前，信息的傳播效率低下已滿足不了越來越多的網民的需要。於是誕生了google，他們製造了爬蟲（搜索引擎關鍵技術之一），爬取了了大量的網站，把這些網站的關鍵信息（域名、title、關鍵詞和介紹）收錄到自己的存儲器里，分類整理，而在google網站用戶搜索到的信息，是經過大量收集、分類和存儲的信息。

再來看看社交網路的信息傳播模式:

是的，也是這樣的，我不是在逗你。不過，信源和結點改變了，社交網路里，每個信息的傳播結點是個人，人是製造信息和消費信息的中心。由於結點是流動的，產生信息的時間和空間是流動的，因此它是自發的，自由的，但因為規律和邏輯錯綜複雜，傳播也不是有效率的，很難產生高效的交換。有無數的結點，同時兼任了信源、傳播和消費的角色，使得任何一個迎合大眾口味包括滿足成就感、存在感、性慾、求知慾、安全感等等這些普遍性人性的產品可以在短時間瘋傳、爆發，越是泛社交的產品，越能引爆社區，它超越了時空的限制。要了解這些過程，我們先來看看社交網路產品的傳播特性。

理論上，用戶產生的信息是自由的，沒有時空限制，規律和邏輯錯綜複雜，這些信息通過不同的結點傳播後，會被大量的結點消費。同時消費信息的結點也是反饋者，由於結點是人，人消費信息的時間和精力是有限的，因此大量的信息傳播過來不能有效消費就會產品信息過載，導致結點反饋消極甚至抵觸。因此，如何引導結點產生有規律和邏輯清晰的信息，激發每個結點的傳播意願和最終根據信源（產生信息的結點）製造的結構化信息編譯信息，以適當的形式（產品里我們說形態）展現給其他的結點（用戶）成為了所有社交網路產品成敗的關鍵。

社交產品的feed機制，它是決定一個產品成敗的關鍵因素之一，它是產品能不能激發傳播的催化劑，它影響著用戶能不能高效和有效的消費信息從而再加工生產信息。

了解feed機制，我們先來看看facebook的feed機制

是的，feed機制非常重要。它反應了社交網路產品信息的生產和消費。在facebook里它做到了：

幫助用戶從行為腳本里全面了解其他用戶
幫助用戶找到有效和有趣的信息
激發信息再生產和傳播
刺激用戶間更頻繁的交互
激發用戶之間新關係的建立

了解了feed機制是什麼樣的原理，接下來我們要思考的應該是，如何設計合理的feed機制讓用戶用起來舒服。

舉個栗子，關於知乎feed機制的進化，我做了一些research。2012年8月16號，知乎做了一個更新。知乎里@黃海均的解讀

它是以用戶的關係鏈為主導設計feed機制的。但是上線以後，很多用戶表達了不滿，並且聲稱嚴重影響了他們的體驗。這套機制背後的邏輯是什麼，為什麼這樣設計？知乎用戶@葉暢解讀：因為

所以

但是，後來知乎的產品設計師提了一個問題作為反饋的鏈接，收取了用戶的反饋意見，做了一些更改，2013 年 11 月上線。

改進主要包括：

來自用戶關注話題下的內容會進入首頁動態
動態中的內容會根據用戶間的關係、用戶對話題的興趣和內容的質量進行調整，不再嚴格依據時間排序
對不頻繁登錄的用戶，訪問時會顯示過去一段時間用戶可能錯過的優質內容
已經看過的內容，不會反覆多次在動態中出現
回答展開顯示時，可以在首頁動態中直接查看問題詳情

也就是目前我們看到的feed機制下的產品形態。以用戶的場景（用戶感興趣的話題）為主要設計思路是正確的。知乎好比一個公開的學術討論會，裡面有小白、有專家、有圍觀者、有小有學識的意見領袖，產生提問和討論的場景是圍繞話題展開的，用戶首先是因為興趣進入討論會，從而消費討論內容（信息或解答）和再創造內容（回復討論），進而與志趣相投的人建立關係。也就是說，用戶的討論場景邏輯應該是從話題再到關係鏈，因此線上的產品也應該按照用戶的線下行為邏輯設計feed機制，以讓用戶高效消費有用的信息。當然，上線後分析用戶數據，驗證假設也是非常重要的，有個試錯的過程。

原帖來自geekspree，有刪減

首先要結構化用戶行為（Activity or Story），保持用戶的行為語意化並進行存儲。然後通過推送（push）或者拉（pull）的實現方式將行為聚合，並採用社會化演算法進行Rank。還需保證整個系統的開放性。比較籠統，大概就是這個意思，魔鬼在細節

在兩個方面的平衡應該是比較關鍵的部分：

1. 信息結構化（或解構度）的顆粒度大小及演進速度的平衡

結構化程度高，利用系統、演算法處理，提供信息效率和用戶體驗，但用戶的操作成本可能會偏高，還有習慣的培養等問題，需要循序漸進；

2. 系統智能信息處理和用戶便捷的信息操作比例平衡

系統是否能進行優質的個性化信息處理，需要依賴數據量和演算法模型等方面的基礎，否則，適得其反；這時更需要良好用戶體驗的交互功能來支撐；兩者之間需要保持平衡。

在社區體系中，用戶、產品、數據、技術、運營商等就像是生態系統一樣，相互依賴，相互影響，不斷演進和優化，完成自身體系的發展之路。

可以看看這篇文章《如何打造千萬級Feed流系統-博客-雲棲社區-阿里雲》，由於版權問題只能通過鏈接過去看了。