DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> WEB網站前端 >> 關於網頁技巧
內容該放在哪裡:網頁資訊佈局與信噪比思考
編輯:關於網頁技巧     

Flickr 探索

信噪比,指的是有用資訊與無用資訊的比值。如果資訊能被有效過濾,信噪比夠高(甚至極高),那麼資訊爆炸不但不是壞事,反而會大大拓展我們的眼界、提升生活的密度。

與此同時,我們越來越傾向於一個徹底個人化、同時做好隱私保護的綜合平台。喜新厭舊是人的天性,這就注定了「個人化」不能只停留在「定制」的層次,還必須包含「探索」。

社交網路現狀

社會化網路服務

三層服務

線上社區經過這幾年沉澱,目前大致形成三種層次的服務:

-內容服務:基於內容的獲取與篩選形成圈子,實現價值、達成共鳴。

-位置服務:透過行動網路簽到,分享即時地理信息。

-關係服務:透過網路構建與增強人際關係。

服務特徵

三者各有無可比擬的代表性,但它們之間呈現出幾個共同特徵:

-相互孤立:我喜歡攝影,但不知道週末在朋友(關係)家旁的公園(位置)有一場攝影小組(內容)的聚會。

-緊密相連:同學(關係)在武漢廣場(位置)看到一條不錯的男裝運動褲,發到微博(內容)上,正在附近吃飯的我就想過去看看。

-各自矛盾:友鄰在豆瓣(內容)發起同城活動(位置)討論 PHP 入門,不在同城我好心分享出去,結果人人網上的同學(關係)抱怨我「刷屏」。

多維分析

資訊一多,自然存在過濾問題。但我認為,與其過濾,不如直接顯示相關資訊。隨著時間推移,相關資訊必然膨脹,這時就該毫不猶豫地砍掉枝節,只留最相關的部分。

豆瓣有各種有趣的小組,坐擁海量內容之後,面對成千上萬的帖子,頭都是大的。那為什麼不把最相關、最熱門的提取出來?比如附上一份「晚間精選話題(5 個)」。哪怕只是隨便看看首頁、不打算深入瀏覽,看到喜歡的話題,你也很難忍住不點下去。

標籤分析

新浪微博的標籤分析

由用戶親手提取的「個性化標籤」,當之無愧是最具分析價值的數據。但目前新浪微博「感興趣的人」的推薦顯然只做了第一步,沒有在發文量、粉絲數、是否名人、原創比例等維度上做相關性匹配。

關鍵詞分析

一種是語境(語義、環境)分析,最好的例子就是 Google 關鍵詞廣告,隨處可見且精準度不斷提高。以前每每在外文網站看到中文都興奮不已,可惜那是廣告。

另一種是詞頻分析。基於用戶產出的內容,不愁沒有文字素材。結合新聞熱點做詞頻統計,自然能分析出用戶說話的口味——毫無疑問,臭味總是相投的。

關鍵詞分析依賴自然語言處理,是標籤分析之外強有力的助推器。

群組分析

網路是虛擬的,但我們每個人都是獨立的。我們面對不同人群戴上不同面孔,一是為了強化身份,二是為了避免尷尬。每張面孔都是真實的,但把同一套內容分享給所有人顯然不合適。

新浪微博的分組

給聯繫人分組,不僅能過濾話嘮,也能立體地呈現對方不同的角色。

互動程度分析

互動更多的人一定更親密,關於你的新鮮事,他(她)理所當然希望成為第一個知道的人。

轉發分析

人人網上幾乎都是分享,讓人有些厭煩,因為我們真正想了解的是關於他們自己的資訊;而微博轉發的力量之所以強大,在於人們對內容本身的熱愛。由此可見,轉發中涉及的人、事與博主都可以成為分析對象。新版豆瓣採納了分組、取消了「書影音」分類,正是這個道理。

時間線分析

就像 Google Reader 裡的「神奇排序」那樣,把疏密的時間線整合成一條均勻的故事情節。這樣在時間有限的情況下,不會漏掉好友的近期動態。這個方法不適合新聞媒體。

其他元數據分析

搜搜問問的推薦

盡可能打通平台間的資訊。比如我在 QQ 空間的個人資料裡提到「羽毛球」,那麼在搜搜問問裡就可以推薦我訂閱相關詞條。

必要準備

多維分析之後,我們已盡可能掌握了用戶的想法與口味。接下來是準備工作。

反向分析

人人網的忽略名單

透過主動標記「不喜歡」來過濾冗餘資訊。這些資訊的類型包括:

-某人:出於種種原因,不希望此人出現在時間線上。

-某事:比如男生對「化妝品」不感興趣,屏蔽這一類。

-話題:比如對某場商業爭論毫無興趣,屏蔽之。

-某類:比如對「非原創」無感,屏蔽之。

就大量友鄰的反饋來看,豆瓣電台的「垃圾桶」是個不錯的案例。

隱私保護

以騰訊微博為例

有分析指出,QQ 用戶中約 78% 從本意上排斥雙向關注,或者說在 78% 的情境下,人們並不希望雙向關注。從結論來看,儘管騰訊握有無敵的用戶基數、可以讓每個 QQ 號都成為微博用戶,但騰訊本身覆蓋的既有相互關係,反而會成為用戶的心理障礙——超過四分之三的情況下,人們對此有所顧慮。

看來,壟斷與捆綁對利基市場而言未必是好事,如果你擺不脫沉重的隱私包袱。

以臉書為例

臉書的群組功能

隨著臉書好友數量呈幾何級增長,「身份角色」的困擾也日益突出。面對這種情況,臉書改進了「群組」功能,讓用戶能有選擇地與不同朋友分享資訊。這樣一來,請「病假」出去約會的消息,主管就無從得知了(好吧,這不是個好例子)。

群組本身的隱私保護也做得相當完善,包括公開、封閉與私密三種模式。

選擇性開放

以地理信息為例,面對不同關係、不同場景,提供位置資訊的精度應該不一樣。國內的粒度大致是省、市、區、街道。任何跨距過大的簽到資訊,對接收者而言都是冗餘。比如常居武漢的張三和常居杭州的李四是老朋友,他們之間的日常簽到幾乎沒有意義;只有當一方去對方城市做客時,資訊才真正產生價值。可惜位置服務仍在不加區分地四處散播地理信息。

Live 中令人困惑的隱私設定

當然,就隱私精度而言,正如《一路求實》所說:能不把選項丟給用戶,就盡量不要徒增困擾。

跨服務探索

探索模式

目前已有的探索並不少,比如 Google Reader、Flickr、人人網等。可惜它們探索的內容僅局限於特定服務:內容的探索內容,關係的探索關係。豆瓣同城點亮了「探索」的光芒,讓內容與位置服務得以結合,發掘出更有意思的模式。

「單向關注比例越高的平台,社交屬性越低;雙向關注越高,社交屬性越高」——這條規律與位置關係結合起來,或許正好適合跨服務探索。

朋友總是不嫌多的,而人們的社交活動範圍往往局限在常居城市;同時,相互關注的好友通常更親密。因此,在同城範圍內,相互關注好友的線上線下互動應該更頻繁,成為現實意義上的「朋友」(而不只是網友)的機率更大。結合多維分析中關於互動程度的條目,可以得到一份具體的「神奇好友名單」。

以這份名單為基礎,透過位置把內容與好友串起來,可探索的空間將非常豐富。

豆瓣猜

「探索」可以分組或獨立單頁(比如豆瓣猜)的形式呈現;同樣,務必保持簡潔。宗旨應該是不求數量,只求你喜歡。

商業價值

所有廣告都有價值,因為每個選擇都有價值;真正讓人反感的,只有無關、無用與劣質的廣告。我們逛街購物時,最樂於看見的其實就是廣告(特別是打折資訊);當雄心難展時,除了政治,人們也愛聊各種品牌。

根據 ROI Research 當年 4 月對推特用戶的調研,33% 的用戶每週至少聊一次品牌。同時網路行銷、尤其是微博行銷的力度也在不斷加強,這些都反映了廣告(品牌)的價值。

自己說自己好,別人不信甚至不屑;「水軍」這種東西也越來越容易被識別並惹人反感。品牌最忠誠的推廣員永遠是客戶自己,而用戶最信任的推銷員則是親朋好友。因此行銷人員大可以收集既有客戶的良好反饋,把它們放進探索模式裡。

打個比方:我覺得格紋羊毛衫很有味道(內容)。在探索模式下,社區裡的好友、甚至我的現實朋友(關係)告訴我,就在我上班地點附近的實體店(位置),那款羊毛衫正在打折,而且質量不錯。由於資訊本身真實(來自客戶反饋)、來源可靠(不信朋友信誰?),又正好滿足我的需求——天時地利人和,我購買的機率自然相對更高。

至於實體店與服務商如何分帳、我的朋友能享受到什麼樣的實惠,則還有更細的機制需要設計。

參考資料

1 MiniJuly《社會化網路:關係 or 內容》

2 范路《LBS 中的信息服務》

3 月光博客《雜談新浪微博、騰訊微博、百度說吧》

4 《成功營銷》10 月刊《4Food 漢堡:你定制,你推廣》

5 royaland《社會化網路設計的 10 大要點(案例)》

6 相關微博討論

7 臉書官方網站幫助中心《群組》條目

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved