Web 2.0 產品通過哪些手段來降低信息噪音？

01-08

怎麼推薦內容，才可確保用戶有內容可看、而看到的內容又是他們感興趣的？

混亂是秩序之母。

技術提供了人人皆可發聲的可能，人人皆可發聲則帶來混亂、無序，於是，秩序就成為一種新的需求。這就好比營養過剩的人才會產生減肥的需求。

降低信息噪音有很多種手段，有技術的，有社會的，有運營的，也有人工的。比如豆瓣的協同過濾機制，Twitter的follow機制，Digg的社會化推薦機制，Techmeme的依託信源的聚合、過濾機制等等。

有需求就一定有供給，技術總是先解決有沒有的問題，然後才會考慮有了之後的質量問題。這也是我並不擔心信息噪音、信息過載等問題的原因。

在擁有大量用戶的基礎上，梳理內容排序，推薦給用戶Ta可能最感興趣的內容。

一般來說，有三種方案：

1.基於人口統計學，根據性別、年齡、職業、收入、居住地等因素，推測用戶偏好。但是，且不說這些資料如何獲取、是否真實，用戶本身具備的這些屬性，是不是影響、怎麼影響都無從得知，基本是扯淡。

如果是電子商務、音樂、電影有實質的商品，還比較靠譜，一雙鞋有風格、價位、品味、范兒這些標籤，一篇博客卻不會自己標記上幽默、嚴謹、枯燥、傻逼、腦殘。

2.基於用戶自己的歷史行為，一樣扯淡，用戶自然有偏好，可惜內容沒標記，同1。

3.基於其他用戶的行為，這是唯一靠譜的。根據99%的人感興趣這個事實，推測你也感興趣，大致沒錯。

維度應該有：

1）時間，內容價值應隨著時間衰減。

2）用戶操作：包括點擊、回復、引用、轉發、屏蔽（如果允許的話），對內容的rank產生正/負的影響。

2.1）專家用戶，在某一類內容（興趣群組）中活躍的用戶操作，對rank的影響應放大，專家用戶如果不再活躍，則不再是專家。

2.2）較早的用戶操作，對rank的影響應放大。

2.3）點擊後的頁面停留時間長短，對rank產生正/負的影響。

4.理論上，如果能建立起理想的connect——鏡像，即找到一個和你「一模一樣」的人，那就簡單了，雖然做起來很難。從現狀來看，tumblr那種以tags為中心、wiki式的用戶編輯機制、圍繞內容推送，是最優方案，可以梳理出高質量的內容，而不是facebook、twitter以人際關係推送的海量無營養信息。

個人觀點，既然是用戶自組織、自生產出來的內容。噪音的過濾方法也應該交給用戶自行挖掘。

既然給用戶提供了一次由被動到主動的轉換，那麼讓用戶交出主動權繼續轉為被動，恐怕很難。所以不如將過濾噪音的任務交給用戶。用戶能自創造內容，我相信也能自創造出自己的減噪方法。

當然實現用戶自創造的減噪機制也需要一定的基礎支持。包括一些功能和工具的開發，技術上的支撐等等。

個人愚見，望指教。

技術的數據挖掘是必要的，畢竟人工是一個很龐大的概念；豆瓣的過濾機制是讓人稱讚的；但是終究這些是被動的推送，總會出現推送不滿意的情況；前期更推薦這種被動式；

更深遠的是主動獲取；推薦，跟隨，稱讚等都是主動去實現的，這種行為更為穩定，等圈子大了後，會更加穩固，但是本人感覺需要細分圈子，壓縮獲取途徑；

人性化的主被動結合，王道也....

2.0下，用戶能自創造內容自己的減噪方法，比如用戶喜歡+推薦，喜歡多了可以在前，好像知乎的答案投票。這算是一種。目前還更多是運營的人工推薦，這些有運營需求成分在。

人工推薦的話面對龐大的信息以及個性化的需求

根本沒辦法

如果能人工推薦的話，那是最好了

還有，對用戶的限制也是一個好辦法

信息結果中基於信任基礎的無利益瓜葛的朋友圈或者興趣圈的信息推薦