中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

前幾天，開始正式寫產品評論，有個微信朋友看到后，希望我能寫一下百度、知乎、淘寶，我用百度及淘寶較少，然后我發現這位朋友似乎在參與一款類似知乎的產品，所以我就先寫知乎。

自我簡介一下：

自2016年底開始使用知乎，但是一直用的比較少，所以我就以一名普通使用者的身份試著去認識一下知乎，由于這篇文章的寫作并非建立在對知乎的刻意研究之上，而是建立在我日常使用之上，所以涉及內容僅限于我日常的活動范圍。

對知乎的整體評價：

注重細節并持續優化。

本文使用的分析方法：

歸零法：為了分析自己不熟悉歷史的產品，我創造了一個功能全部歸零的分析方法，這個方法在分析產品時，默認所有功能均為新增功能而不是長期改進而來。

其他：

由于，這篇文章僅是初步分析，未來存在續寫的可能性，所以照例命名為《一》。

一.細節進化

不同水平的人對同一個事物的理解會有巨大的差距，假如以1-100為細節優化水平的變化，越往上，每一絲的提升對理解力的要求都會不同，在靠近頂層時，差距開始從線性的水平差走向非線性的境界差，水平差可能是一倍兩倍或者數十倍的差距，而境界差難以衡量，跟看待事物的角度與深度有關：

1. 新手級別：關注1-70水平段的優化，擁有一定的經驗及對產品基本的理解即可做到；
2. 高手級別：關注70-90水平段的優化，這個水平段的優化需要對產品較深的理解才可能做到；
3. 頂尖高手：關注90-99水平段的優化，這個水平段內每前進一步其難度都會指數級上升，需要行業頂尖水平的理解力才可能達成；
4. 入道高手：關注99-99.999水平段甚至超越100水平段的優化，需要在最基本的元素做出全新理解的基礎上，使概念產生進化。

我之所以列出我對細節優化的分類，正是因為我在知乎看到了頂尖高手級別的人物（特指官方人員而非普通會員），他們讓我意識到對細節的改進思路也是分級的：

1. 普通改進：靜態改進方法，對出現問題的部分進行改進，屬于一種淺層次改進；
2. 專業改進：動態改進方法，對出現問題的部分進行深度分析進行根源性改進，或是對某個細節進行大范圍研究以徹底增強其能力，屬于一種深層次改進；
3. 系統改進：結構改進方法，使用全局視角看待細節，從而做出基于系統的全面改進，或是使細節進化為系統，進行全新層次的設計，使細節脫離簡單設計的局限；
4. 場景改進：發散改進方法，通過對不同人群真實使用場景的觀察，對細節進行重設計，使其在場景維度實現深度融合。

比如：

知乎為了減少社區噪音，將“關注后有新回答時通知”這個細節進行了系統級別的改進：

詳情參考：我關注問題的哪些新回答會被通知給我？

知乎為了使排序算法更加合理，對回答的排序進行專業性的改進：

詳情參考：知乎如何對回答進行排序？

知乎為了增強問題可能被回答的記錄及互動，對邀請機制進行了系統性的改進：

將邀請從細節升級到系統的好處顯而易見，類似模塊化的設計，讓系統性改進更具獨立性，能夠單獨強化和設計能力；對這個改進前后進行對比分析，可以看出這個功能帶來的變化：

1. 從強關系走向弱關系，邀請的目標不再受限于強關系；
2. 從用戶篩選走向系統篩選，實際邀請者是系統，人從主動選擇者變成了被動選擇者；
3. 從稀缺走向豐富，在減弱了榮譽感的同時，增強了互動比例。

有興趣的同學還可以就邀請體系內所顯示的所有細節進行繼續分析，包括頭像顯示、ID顯示、簡介顯示、推薦理由及進入推薦的條件等。

二.開放自我

知乎的技術和產品并非一定高人一等，為什么我會認為我遇到了頂尖高手，為什么其他產品（比如百度）沒有給我這種感覺，我分析后認為原因在于知乎內部的開放性更高，這個開放性是指知乎愿意把“怎么做的為什么這么做”講出來：

產品發展的趨勢應該是越發透明，將原本深藏于水面之下的細節公開，可以收獲透明化帶來的巨大好處：

1. 更受普通用戶信任，普通用戶對一個產品深度細節了解越多，越容易產生信任；
2. 更受專業用戶信任，通過了解產品及技術等思路，高手之間的對話會產生精神共鳴，也可能創造更多專業用戶參與的契機；
3. 避免后患，將產品細節公開，接受公開帶來的監督和全新考驗，自懸一把“達摩克利斯之劍”，在設計時對細節的更高要求會讓細節質量更高；

在知乎指南內，提供了大量官方人員的思考，包括對用戶做出要求以及做出要求的原因，而不是單純的介紹規則。

比如 指南“為什么知乎鼓勵讓問題減少個人特色？”

詳情參考：為什么知乎鼓勵讓問題減少個人特色？

三.用戶控制

國內很多產品，讓我最為詬病的問題之一是不尊重用戶的知情權及控制權。

1. 知情權：清楚真實的說明操作對用戶的影響，或是說明與用戶相關的事情發生的原因；
2. 控制權：明確告知如何對功能進行控制，并將選擇的自由交給用戶；

用戶潛意識里是想知道所有與自己相關的事物的，包括自己身邊正在發生或即將發生的變化，尤其是并非用戶自己操作引發或十分明確會產生的結果；很多產品喜歡設計功能，推出功能，但是不喜歡考慮用戶的感受，不給用戶選擇，從而造成“人人都在使用”所有功能的假象。

知乎APP提示：

• 場景：我關注的內容即將讀完；
• 會發生什么：會根據我的興趣給我推薦更多內容；

不尊重用戶知情權的產品會怎么做：直接做且無提示（知乎并沒有提供拒絕的選項，這個也是值得分析的一個點）

知乎通知系統：

知乎通知系統跟很多產品的通知系統有一個本質性的差別：知乎發送郵件的選項并不是全部勾選的，這個改進體現了產品截然相反的價值觀：回歸用戶真實需要，在利己主義與用戶真實需要之間取得平衡。

無論用戶是否需要，所有能發送郵件的選項均默認選擇，這是很多郵件系統的通病，這種設計基于利己思維的需要而不是基于用戶的真實需要。

知乎的通知系統分為三級控制系統：

1. 1：全關系級別：面向所有人開放；
2. 2：有條件級別：面向滿足指定要求的人群開放；
3. 3：拒絕級別：不開放功能。

這是一種通用的控制系統，除此之外，知乎還提供了針對性的定制控制選項：比如針對自身回答的定制；不過，定制選項還不夠豐富，比如還可能存在這種需求：不想接受一些指定主題的點贊提醒，而想接受另外一些指定主題的點贊提醒。

知乎對負面用戶的處理，也讓我感受到了管理操作對用戶的尊重，在刪除用戶答案時，會給予一個郵件通知，郵件內是答案的備份，這讓我發展出一個理念：全角色維護。

連續播放：

視頻網站的連續播放設計，可以看出把控制權交給用戶的區別：

Youtube：用戶可以選擇是否連續播放，這不僅尊重用戶，同時這也是一個適應更多場景的設計；愛奇藝、騰訊視頻等的自動播放均為默認功能。

錯解用戶真實意圖：

產品設計中不注重細節的典型表現就是：產品表現與用戶操作的真實意圖背道而馳。

以百度百科右下角彈窗為例，當我點擊關閉時，我的真實意圖是：不要繼續顯示這類廣告，而不是不要顯示這個廣告或是減少這類廣告顯示；而百度百科的做法是：我刷新本頁面或是打開一個新的百科頁面，會繼續彈出相同的廣告。

四.邊際效用

名詞解釋：邊際效用指在一定時間內消費者增加一個單位商品或服務所帶來的新增效用，即總效用的增量。也就是說，在其他條件不變的情況下，隨著消費者對某種物品消費量的增加，他從該物品連續增加的每一消費單位中所得到的滿足程度稱為邊際效用。

邊際效用在知乎中廣泛存在，無論對產品設計者及運營人員或是要使用知乎的同學都具有很大意義；這個概念可以幫助理解了一些問題產生的原因：

1. 為什么被點贊不再有吸引力？
2. 為什么被評論不再有吸引力？
3. 為什么被關注不再有吸引力？

當一個問題被點贊的數量或是用戶已擁有的點贊數量達到一定程度時，點贊的吸引力便會驟降，這使會員更為重視點贊較少的回答的點贊，也使用戶在一定條件下會不再對關注自己的人反關注，或是不再回復評論。

這個效應存在的意義，在于使產品設計者能夠清晰的意識到一個操作對不同階段的用戶的價值浮動性，通過分析目前用戶的吸引點的動態變化，不斷創造對成長型用戶具有吸引力的價值點，使產品具備深度，避免用戶情感淡出或溢出。

五.內容組織

作為一個內容社區，內容的組織是核心，由于我只是粗淺的分析，并不準備對知乎的內容組織及再組織方式進行全面分析，所以僅對知乎內容組織形式做簡單分類：

1. 用戶組織：對內容再組織產生影響的所有操作及內容載體（比如收藏、關注、點贊、回答等操作，專欄、收藏、問題等載體）交織進行的多樣性組織；
2. 系統組織：由系統對內容的關系分析進行的相關性組織；
3. 標簽組織：通過標簽對內容進行專一性組織；
4. 編輯組織：官方人員進行人工篩選推薦進行的聚合性組織；

動態列表，是內容組織的展示形態之一，知乎的動態列表也體現了知乎系統性改進的思路，常規產品的動態列表一般是簡單的按照時間軸線進行顯示，知乎不是。

一個會員的動態列表主要由兩部分組成：

1. 會員相關的動態；比如會員關注的人、標簽、問題等動態；
2. 系統推薦的動態；比如可能感興趣的標簽及熱門回答；

先分析會員相關的動態，受到兩個因素的影響：

1. 關注的人數；
2. 關注的人的活躍度及其活躍的領域；

關注的人數及活躍度因素可以分為極小、較小、普通、較大、極大等五個水平段，這導致動態擁有大量可能的組合，既可能過度活躍也可能過度冷清，加上關注的領域分布廣度，使得動態更具隨機性，為了幫助用戶探索，需要一個相對有意義的探索路徑；基于用戶行為的興趣分析及對內容質量（有興趣的同學還可以深入研究如何有效判斷一個內容的質量，應該綜合性的考慮哪些因素的影響）的綜合性判斷生成的系統推薦的動態可以幫助用戶不斷擴大探索范圍，在此過程中，持續增加對知乎及對自己興趣點的了解。

六.總結及附錄

為了提高國際象棋水平，棋手會花費大量時間研究大師下過的棋局，這個稱為“打譜”，打譜過程中會深入分析棋子的位置并預測下一步的招法，如果猜錯了便回去思考到底漏算了什么，通過多年的訓練，使得棋手可以只看一眼，便可觀察出棋子的規律，不僅是它們的位置，還包括它們之間的相互關系，甚至是棋局中的優劣對比及可能有效的招法，對基本規律及棋子關聯性的認知，讓大師不僅能夠從整體上看到無形的趨勢變化，同時在必要時可以專注于具體的招法，實現既見一葉，又見泰山。

在分析知乎時，我使用了一種類似（但遠遠不及）的做法，在整個過程中，我不斷的問自己：是我的話，我會怎么做？比如我分析私信功能，私信功能屬于設置后會影響多方的功能，拒絕接收某類人的私信，會有以下兩個選項：

1. 單方設計：對方可發送，但是這邊不會看到；
2. 多方設計：對方不可發送，發送時提示無法發送；

要理解兩個選項的合理性，我需要思考用戶設置這個選項的真實意圖，假如是為了屏蔽騷擾則選項1更為合理，單方設計中產生的信息不對稱同時滿足了雙方的需求，假如是為了屏蔽不夠重要的私信，則第二條更為合理，多方設計中產生的對稱信息，使發送方明確了解對方拒收信息，在有真正重要的需求時，發送者會尋求更多途徑來達成目標。

然后，這是知乎的設計：

1：多方設計：

2：增加陌生人信箱：

在分析的過程中，我使用知乎功能但不會習以為然，我會不斷反問自己一個操作或設計背后的真實意圖究竟是什么，是否還有更好的設計，然后不斷推進自己的思考，比如看到評論，用戶為何評論？在什么場景下會繼續評論？評論為何沒有設計成富文本編輯器？與點贊、感謝、收藏等操作相比，評論對產品、用戶、內容各有什么意義？

感謝這種思維模式，我才有上面很多不成熟的看法。

知乎的細節并不完美，還有很多改進的空間，這是因為通用型需求與自定義需求的矛盾的廣泛存在，但這種矛盾的存在，正是系統進化的原始動力，我也希望知乎能夠繼續深化改進，讓身居其中者能夠因知乎而變得更好。

寫到最后，又想到了一個同事，喜歡引用外部案例來佐證自己的觀點，我只希望在本文中我沒有犯跟他一樣的錯誤，因為我深知很多案例的存在不是為了證明我是正確的，更多是為了證明我是錯誤的。

附錄一：我曾經的一篇文章中關于知乎的描述：文章標題：網絡編輯基礎進階

內容篩選系統：

對優質內容及優質用戶的發現的效率及質量，是一個篩選系統應該不斷追求的目標；很多內容展示類產品使用用戶投票的方法來辨別，比如知乎的用戶投票系統的目標：專業、嚴謹、認真的高質量回答，排序應該更靠前；新創作的優質回答，能更快地獲得更好的排序；基于這個目標之上對用戶投票對排名的影響進行根據實際情況不斷調整相應系數及公式；最終使展示越來越逼近目標排序；

簡單的內容產品一般沒有如此精細化的篩選系統，一般會根據一些簡單的瀏覽或熱度來進行一些排序展示；在內容到達一定數量時，這種簡單的篩選系統，弊端將會越發明顯；在發現優質用戶（產品未來）及優質內容（產品質量）上，簡單的篩選及人力篩選明顯力不從心；應該不斷根據實際情況設計篩選規則，根據實際的效果不斷進行改進優化，直至不斷接近設計目標及新的改進目標。

用戶篩選屬于內容網絡建設的重要一環，同樣是為了個性化與多樣化；一般基于用戶的以下行為來進行篩選。

A：用戶的被動行為；比如瀏覽足跡；被動行為會展示內容與內容之間的關聯度及受關注度，是一種隱性篩選；

B：用戶的主動行為；比如點贊，收藏等動作；

常見的用戶主動篩選載體有：

• A：專欄：
• B：群組：
• C：專輯：
• D：收藏：
• E：關注：
• F：標簽：
• G：話題：

對每個篩選載體的意義及優劣對比了解的越清晰，則越容易辨別出最適合自己的載體組合；下面根據幾個簡單的維度進行對比：以下對比僅為示例，實際對比結果以自身所處行業的真實對比結果為準：

產生難度是指一個類別產生時，用戶需要付出的成本高低。

擴展難度可以進行模擬，將一個類別的數量極速增加時，內容網絡是否支持，假如內容網絡支持的數量有限，則此類別擴展難度較大，假如內容網絡支持的數量極大甚至無限，則此類擴展難度極小甚至于無。

受重視度是指一個類別在產生后，在用戶心中的地位高低；一般受重視程度跟掌控感有關系，掌控感越高，則受重視程度越高；能夠帶來榮譽的級別越高，也會極大的影響受重視程度。

對內容的篩選程度是指同等數量（比如一個）之下，對內容的再整理程度；在其下還可以增加更多對比維度，比如篩選質量度及篩選細致度。

不同的用戶行為給產品帶來的價值也是不同的；以知乎回答為例：以下說明僅為示例，可自行研究知乎最新規則：

在對各類篩選行為及篩選載體充分理解的基礎上，合理設計用戶行為篩選體系，可以十分有效的補充專業篩選體系。

作者：天下雪，知乎專欄：初雪的產品評論

本文由 @天下雪 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自PEXELS，基于CC0協議