昨日微博、明日知乎，拿什么来拯救社交平台？灰度关注！

在上文中，我以“去中心化”为线索，横向比较了微博、豆瓣和知乎等产品。

这次我还是以“去中心化”为线索，换个角度，纵向谈谈“去中心化”，目标：知乎，参考：微博。

首先，恭喜知乎获得了腾讯的注资，这个消息让我们这些整日为知乎的盈利模式操碎了心的深度用户们松了一口气，至少眼下，抱上了企鹅的大腿，钱不是问题。

从战略角度来讲，知乎与搜狗的联姻对双方来说都是好事，知乎要搜索，搜狗要内容。目前知乎全站已累计产生约700万个问题，近2300万个回答，是时候换一个给力点的搜索引擎来解决信息发现的问题，而搜狗掌握核心科技。

但是，我的关注点却不在于此。从去中心化的角度来思考，怎么搜永远不是问题，问题的关键是搜什么。

这也许很难理解。但显然，大量的知乎用户并不是通过搜索问题来获取答案的，而是从feed流上，通过关注的人的赞、关注、回答等行为来阅读知乎的。也就是说，大部分用户的习惯还是刷知乎，而不是知乎一下你就知道。

而且知乎的优势在于高质量和专业化，数量上并不占优势。也就是说，高质量答案过分集中于一些热门问题之中，而大部分问题缺少高质量答案，甚至无人作答。

在这种情况下，依赖搜索引擎来完善发现机制并不可取，换句话说，这不是问题的关键。

问题的关键在于，要从“刷”知乎的角度来解决知乎的发现问题，而不是从“搜”知乎的角度。

目前知乎面临的情况，有点类似于微博，信号噪音问题。

甚至不少有识之士得出这样一个结论：规模是社群的敌人。

对此，我是不赞成的。当然了，不赞成的人有很多，批判一番的机会交给大家，我这里讲讲方法。

提到微博，大家刚开始的时候热情都很高涨，赶紧登上去关注自己知道的大明星，、段子手，但随着大家使用时间的增长，关注的人数也越来越多。那些通过自己精选挑选而形成的关注主页，质量却在下降。

很少有人会回过头去思考，我到底是什么时候关注了这个家伙，他的微博一点意思都没有。或许会抱怨几句，但这种情绪也没强烈到取消关注。也许是在想，当初关注这个家伙，是因为他发了一则很有意思的微博，没准以后他还会发吧。

也就是说，关注一个人，只需要一则微博；取关一个人，却需要这个人发布很多则广告、软文、购物链接，突破我们忍耐的极限，甚至还需要带一点恨意，这种情绪，说实话，在微博这样一个轻松加愉快的氛围里酝酿出来其实挺难的。

而在这种心态的驱使之下，日积月累。当初自视高冷的人，竟也关注了上百号人。

再加上微博的管理者在这些质量堪忧的信息之间夹杂几则推广广告，对使用者造成了成吨的伤害。

自然，用户的流失也随之而来。

反观知乎，这种态势正愈演愈烈。

前些日子，知乎团队通过一次闭门会议的紧急磋商，宣布永封了几个大V，原因是扰乱知乎秩序。固然，大V有错，杀鸡儆猴，可以理解，但也难免让人感到兔死狗烹。

如果一个平台的运营不从机制上想方法，反而拿用户开刀，这种做法是值得商榷的。

大V能造成这么大的破坏，平台要从自身的分发机制去思考问题，而不是把矛头对准个别用户。

反观豆瓣在这个问题上就显得很有格调，思考的是最佳关注数的困境，而知乎还在玩杀鸡儆猴的把戏，这一局，文艺青年取得完胜。

最佳关注数困境由来已久。这个困境在于，关注数的只增不减，总有一天会突破用户忍耐的极限，用户才不会怪自己手贱关注了太多人，反而是去抱怨平台质量在下降，社交蒸发冷却效应随之产生。

当然，平台的运营需要制造大V，要帮助他们吸粉，来鼓励他们制作更加优质的内容，来吸引更多的人来关注。

但赋予大V影响力的同时，大V是否能运用好这个影响力，不对平台造成破坏呢？

如果一个大V的粉丝数逐渐增长到一定程度，难免是会造成一定程度的破坏的，据我所知一些知乎的大V用户，一般情况下，是不敢随便赞和关注的，害怕过多的操作刷屏会掉粉。关注数少的用户刷知乎一天，赞上七八条，关注问题十来个自然没什么问题，但是一个关注数上万的知乎大V，就有问题了。

这个时候平台方跳出来喊话，请大V自律。我觉得有点可笑。岂不闻，杀君马者道旁儿。

那么，如何释放大V们的破坏力，如何降低社交平台中的信息噪音？

我认为，关键点在于能否建立一个动态的用户关系链，来遏制住社交的原始基因——扩张。

这里提供一套解决方案，我称之为灰度关注。

灰度关注的原理如下，

首先允许用户的关注进行适度的冗余，而后在一个关注周期内对这些关注关系链两端的用户是否产生信息交互行为进行监测，周期结束时将监测到的信息反馈到平台，平台通过对这些信息的判断，对关注关系进行相应的操作。而判断的规则是，如果关系链两端的用户之间没有产生信息交互，则判定这条关系链为冗余关注，关系链予以释放，如果关系链两端的用户产生了信息交互，则判定这条关系链是有效关注，关系链予以保持。而后进入下一个关注周期，周而复始。

举个例子，我关注了微博女王姚晨（姚晨本人及其粉丝见谅），但是在关注之后，我对她所发布的信息没有进行过任何的交互操作（转发、评论、点赞等），到这个关注周期结束时，平台也没有监测到任何信息交互操作，则判定我对姚晨的关注为冗余关注，继而释放掉这条关系链，也就是取关。

另一种可能，我对姚晨所发布的微博十分喜爱，不时进行点赞，转发，评论等信息交互操作，在一个关注周期结束时，平台监测到了这些信息交互操作，则判定我对姚晨的关注为有效关注，对这条关系链予以保持，也就是说将这种关注关系再延续一个关注周期，在下一个周期内，再进行监测，判断，保持或释放。可以理解为，这种关注是有有效期的，在有效期结束时，平台通过用户的操作对这种关注的有效期进行终止或延续。虽然释放的动作由平台完成，但平台依据的仍然是用户的行为，也就是说，用户的行为决定了这条关系链能否保持下去。

这里有三个重要的参数需要设定，一个是冗余量，一个是关注周期，还有一个重要的参数，就是最佳关注数。

那么，这三个参数是如何配合工作的呢？

首先，冗余量可以是一个比例系数，这个比例系数乘以最佳关注数就是允许用户关注最多的人，比如这里我将冗余比例设置为2，最佳关注数设置为100。那这个平台允许每一个用户最多关注人数即为200人，然后在一个关注周期内进行监测，这里姑且将关注周期设置为3个月。在这3个月的时间里，用户与这150人之间的信息交互决定了在这个周期结束时，平台对这些关注关系的操作。

那么，这就会面临两个问题，一种情况是，一个用户的操作频繁、精力旺盛，对他而言，平台预先设置的最佳关注数100人太少了，根本满足不了他的需求，经过一个关注周期，系统判定其有效关注远远超过100人，达到了180人。还有一种情况是，一个用户的操作特别少、关注不了太多的人，那对他而言最佳关注数100人的设定，对他而言还是有点多，经过一个关注周期，系统判定其有效关注远远低于100人，仅为60人。

那这就需要一些补救措施，来完善这套系统。

一种策略是，当用户有足够的精力来关注更多的人时，适当增加他的最佳关注数，当用户精力不够时，适当减少其最佳关注数。对前一种用户，他的最佳关注数也许是150，比平台上的一般人高；对后一种用户，他的最佳关注数也许是50，比平台一般人低。这里也需要一个跟随调节，有点类似于我国的成品油定价机制。当然了，原则上还是要鼓励用户在平台上投入更多的精力，对应于这套机制就是倾向于“跟涨不跟跌”。

还有一种策略是，设置安全值。当用户关注数低于一个数值，比如说50。那就不要再按照这套规则来进行冗余分析，而是只进不出。让用户的关注数，超过一定的值之后（比如说最佳关注书），再进行冗余分析，这类似于中国股市，设置涨停和跌停，这里主要照顾的是跌，毕竟跌太多不利于系统的稳定。

对于这些参数的设定，可以通过两种方法，一种是理论计算，通过大数据分析来设置相应的参数，一种是工程试凑，通过A/B测试、灰度测试，来调节出合理的数值，这里便不展开。

通过这样一套灰度关注的机制，便可以有效避免大V的破坏力。

因为在这套机制之下，大V的关注数并不是只增不减的，当他不能持续制造出高质量的内容时，他的掉粉速度超过增粉速度，自然反映到关注数上就是减少，也就是他的影响力会减弱，反过来，当一个大V持续输出高质量的内容，他的增粉速度超过掉粉速度，那反映到关注数上便是增加，他的影响力也会随着他的努力而增加。

这套机制不仅能解决大V的问题，还能解决僵尸粉的问题。

对那些没有任何操作的僵尸粉，他们的关注数会随着一个又一个关注周期的判定而减少。这或许是断了某些财路，但我认为这对平台而言是有益的，健康的。

最佳关注数的设定，再加上这样一套动态调节的机制。虽然不会让用户关注到更多，但会不断调节用户关注的内容，更加注重时效性，让用户的主页不断向自己喜欢的方向而前进。而最佳关注数相配套的一些机制，也不会让那些操作少的用户遭遇使用障碍。

在这样一套机制之下，任何关系都是不确定的。内容制造者需要去不断地输出内容，保持住他的粉丝数，而内容消费者需要不断地去响应他所感兴趣的内容，保持与高质量内容制造者的关注关系。而且，他们需要不断地去关注新的人，来补充自己的主页内容，以免因为自己的关注数少，而得不到更多精彩的内容，在这个一进一出的过程中，用户的主页是常进常新的。从这个意义上来讲，这不仅是一套保护机制，也是一套激励机制。

灰度关注规避了人际关系上的马太效应，如果将这套思想拓展，还能规避其他层面上的马太效应。

在知乎这个平台里，人的关注会有马太效应，答案和问题也会有马太效应。

知乎有条名言：勿以赞少而不看,勿以赞多而赞之。

赞少不看，赞多而赞，不也是一种马太效应么？

这是可以理解为马太效应在时间层面上的累积，如果同样的两个质量差不多的答案，他们只是因为发表的先后顺序不同，而在在赞同数的多寡上却产生十分悬殊的差距。

这里是否可以设置一个赞同数的时间衰减机制，让那些赞同数随着时间的增长而衰减，给后发表的答案一个展示的机会。也许在一个具有时效性的问题上，后来的答案相比早前的答案更有说服力。而对于那些经典答案，也不必过于担心，经典答案自然还是会被后来的关注者所赞同的，要相信经典是能够接受住时间的考验的。而那些伪经典，就退位让贤，让位于那些后来者吧。

这可以理解为灰度赞同。

而在问题的关注上，也可以拓展出一套关于问题的灰度关注理论。

知乎有个很好的机制，当你关注一个问题时，如果有用户再次回答这个问题时，知乎会提醒你，你所关注的问题有了新答案，请你去关注。但这种关注，是否是一成不变的呢？

如果用户对这些提醒视而不见，一次两次可能是事出有因，四次五次是否就可以得出一个结论，用户已经不再关注这个问题了。那么将这个关注定义为冗余，然后释放，皆大欢喜，岂不美哉。

这套看似冷酷无情的规则，实际上是在秉持一种“一期一会”的茶道思想。让用户在这种不确定的关系中，去珍惜每一次表达的机会，珍惜每一个关注的机会。而这种思想又是通过一套自动控制的手段来实现的。大家总是说灰度开发、灰度管理，也许解决社交平台的信噪问题，答案也是这个灰度。