使用者與產品的互動可以看成雙向的過程。手機上敲一個字母「d」、畫面把它顯示出來,是一次短交互;完成一筆購物支付,是一次長交互。而用戶體驗關注的是整段時間軸——從安裝到最終放棄使用,良性循環正是在這條軸上顯現出來的。
以推薦引擎為例,看看各元素如何在時間軸上接力:
初始化。在使用者尚未產生任何行為時,系統依群體特徵與相關度,把相似使用者偏好的物品推給他。此時可用的依據,只有註冊時填的性別、年齡、收入等資訊。
內容推薦。使用者選了某一物品,系統依物品元數據推相似的東西。這是個體行為對資料的過濾;行為累積幾次後,系統大致能描出他的偏好輪廓。歷史行為持續影響後續推薦,使用者與系統之間於是形成循環。
協同過濾。從群體行為中發現物品關聯。內容推薦是單人過濾,協同過濾則是多個使用者行為的交叉結果,因此高度依賴其他使用者資料量與準確度。

輸入法的字詞聯想也是同一套邏輯。敲「da」,系統從詞庫挑出「大/達/打……」;「大」上屏後,再聯想與「大」組詞機率高的「家/學/概……」。這些聯想詞最初可能來自字典篩選,一旦使用者選了「概」,「概」就被加權,下次聯想「大」時排得更前。使用者打「dagai」選「大概」上屏,同樣是在替「概」加權。
若使用者輸入「daniu」並選了「大牛」,而詞庫裡原本沒有這個詞,那就是使用者自造詞。系統可以分析「大」和「牛」的組詞機率,之後使用者再打「大」,就可能聯想到「牛」。

聯想本質上是個體對系統詞庫的內容過濾,初始詞庫因此逐漸長出個性化詞庫。如果是雲端輸入法,系統能即時取得所有使用者的輸入,詞庫更新更快,既滿足個體偏好,也跟得上流行新詞——這就是多對詞庫的協調過濾。
自造詞會壓低部分詞彙的出現機率,系統甚至會把它們從詞庫中移除。從輸入法這個例子能清楚看到:使用者行為如何影響系統、也影響其他使用者;歷史行為塑造新行為,循環就此不斷。
純銀說的「顯性內容決定論」可以這樣理解:優質使用者生產優質內容,優質內容吸引優質使用者,內容決定產品的魅力與氣場。從系統設計角度看,使用者行為本身就是資料的一部分,優秀使用者的行為與優質內容是同質資料。它們之間高頻互動,持續優化內容資料的組織形式,再向外擴張、吸收同質資料——版本迭代就像滾雪球。
如此看來,產品架構要回答的是:如何增加資料量、如何組織資料、如何讓資料擴張形成良性循環。

切客的勳章
以手機 LBS 為例,增加資料量的途徑大致三種:使用者輸入、導入既有資料、商家發布資訊。需求驅動使用者主動使用,勳章機制用來引導行為,優惠券用來刺激需求。如果簽到行為完全不被利用,那它就只是持續輸入的垃圾資料。但簽到地點、商家類型、頻次都可以分析,便於後續推送有效資訊、串起使用者之間的關係。
每一次循環都會影響下一輪的產品質量,「小步快跑」的道理正在此。使用者的感受會越來越強,但也可能飽和。用豆瓣電台選歌,累計聽到近兩萬首時,猜中的機率明顯下降。可能的原因:
用思維導圖的方式理解產品容易失焦,而循環是產品架構最基礎的概念之一:沿著時間軸去排設計的優先級。