黑猩猩|社交产品中的信号与暗示：关注（下）( 二 ) 超聚变|商标|天眼查|华为技术

首先，它试图通过向你展示的一切的反应来观察你对什么感兴趣，它试着了解你的品味，而且做得非常好。TikTok 是一个以兴趣而构建的图谱；
其次，TikTok 通过两个阶段的筛选过程来运行每个推荐视频。首先，它通过人类已知的最可怕、最糟糕的质量过滤器之一播放视频：一个由数百名主要是Z世代用户的小组。如果这些测试观众没有表现出任何兴趣，视频就会被扔进 TikTok 的垃圾箱，除非有人直接在某人的个人资料中找到它，否则不会再被看到；
随后，TikTok 会根据每个用户的口味来决定该视频是否会引起他们的兴趣。即使你不关注视频的创作者，如果 TikTok 的算法认为你会喜欢，你也会在自己的 For you 页面上看到它。
最近，Instagram 宣布将开始向用户显示他们没有关注的账户的帖子。在许多方面，这接近于我们将看到的 Instagram 对 TikTok 架构的优越性的让步。TikTok 的架构是纯娱乐的。
有些应用程序使用某种主题或内容选择器：告诉我们你喜欢什么音乐或电影类型、哪些新闻话题让你感兴趣，然后他们尝试使用机器学习和整个用户群的信号来为你提供相关的反馈。
这种方法的有效性差别很大。为什么 Spotify 上由一首歌曲生成的播放列表效果如此之好，而它的播客推荐却显得很普通？为什么在花了数年时间和数百万美元进行研究之后，Netflix 的推荐仍然感觉很普通，为什么它真的不重要？为什么亚马逊上的书籍推荐是可靠的，而新闻网站上的文章推荐却是随机的？要想深入研究为什么一些内容推荐比其他推荐效果好得多，这需要一整篇文章，因为这个话题太复杂了。
本篇文章重要的是，内容被过滤后明显偏离了社交图谱。Twitter 允许用户关注账户之外的话题，这可以被视为向纯兴趣图谱迈进了半步。
这并不是说社交化的应用不能更有趣，或者人们不会与认识的人分享一些相同的兴趣。我们都关心自己的利益，也关心生活中的人。当它们重叠时，情况就好多了。只是在我们使用当前的社交应用十多年后，我们有大量的案例研究来说明假设它们之间相关的缺点。
第二个需要考虑的问题是，应用程序的长期目标是什么类型的交互。是1V1的互动还是对大量观众的广播？你希望创造多少比例的用户，而不只是消费？你的应用最好的服务对象是那些在现实生活中互相认识的人，还是那些有共同兴趣的陌生人?或者两者兼而有？你的应用是针对同一家公司或组织的人吗？互动是否跨越了文化和国家边界，还是将不同的地理区域分隔成各自的图谱是最好的?
下一代社交产品团队能够也应该更积极地思考，从长远来看，哪种社交图谱能够提供最好的用户体验？
我不确定，但我感觉很多社交网络的图谱都是有特定设计的。这使得图谱设计成为一种带有更多开放问题而非答案的练习。在某种程度上，Facebook 一开始只是为哈佛学生创建的，这可能偶然地施加了一些有用的图谱设计限制。
与某些类型的设计不同，图谱设计并不适合创建原型。社交网络至少在某种程度上是复杂的自适应系统，这使得我们很难对当图谱达到一定规模时将发生何种类型的互动进行原型化。
但是传统的复杂的适应系统是如此的复杂以至于预测是徒劳的，而社交网络在两个方面是不同的。第一，人的本性是一致的；第二，我们有大量的超级规模的社交网络需要研究。当你在图形设计中做出某些选择时，它们是大量真实世界的测试用例。
它们也存在于世界各地的多个市场。这使得研究不同的路径依赖性成为可能，尤其是在比较不同文化和市场条件时，如中国和美国。尽管背景存在各种差异，但像恶意攻击这样的问题似乎是普遍存在的，这表明有一些强有力的潜在机制在起作用。
一旦你抓住了图谱设计的线索，就可以挖掘出很多细节。如果联系的人是完全陌生的，你将如何建立足够的信任（例如通过声誉系统）？如果平台主干是一个内容 Feed，那么这个 feed 必须只从被关注账户发布的故事中提取吗？它一定要从这些账户中挑出候选人吗？对于用户之间的健康交互，feed 是正确的架构吗?
那么思考图谱设计的问题是谁的工作？什么时候？举个例子，增长团队的策略应该由你的图谱设计来决定。增长不应该被视为一个流氓团队，他们唯一的工作就是向每个可能的方向扩展图谱。他们需要知道好和坏的图谱增长是什么样子，这样他们才能制定更符合长期愿景的战略。
三、5只黑猩猩理论最近，TikTok 开始推送我更多地与现实生活中我认识的人联系起来。我收到过提示，让我关注我可能认识的人，现在当我和别人分享视频时，我经常会收到通知，告诉我他们已经看过我分享的视频。通常，这些通知是我知道他们有 TikTok 账户和用户名的唯一方式。