从Web2社交网络学习,为何要重视地位平等?

2023-10-14 20:40

本文主要是介绍从Web2社交网络学习,为何要重视地位平等?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

随着越来越多的人在加密货币领域探索社交,我发现自己经常谈论什么使社交网络发挥作用,有时甚至不发挥作用。一个关键的对话是围绕着状态,以下是我从 web2 时代学到的一些经验和教训。

社交网络倾向于提升那些有望获得关注的内容。这样做可以刺激特定类型的行为,为执行该行为的用户提供地位。一般来说,有一个状态指示器,人们必须努力积累。它以各种形式出现——点赞、关注者 / 喜好计数、经验值、认证徽章、排行榜等等。

对上述方法的简单实现通常会导致一个致命的缺陷——将状态集中在少数「状态丰富」的用户身上,大部分「状态贫乏」的用户离开,从而导致新用户体验不佳。虽然这样做可以在短期内实现价值最大化,但从长远来看,这是一个糟糕的策略,因为新用户无法进入,最终整体网络质量会下降。

首先,你如何在一个网络中建立地位模型?基尼系数通常是对财富不平等的衡量:数字越高,不平等就越高。对于社会网络,我们可以把它作为相对地位分布的衡量标准,并把你的网络的地位指标(追随者 /Karma/ 等等)作为财富。

换句话说: 你的一小部分用户是否拥有巨大的地位?

这让我想到了一些关于社交网络设计的个人观点,以及社交网络构建者应该如何把自己更多的视为经济政策的模型。

1. 大多数社会网络在默认情况下都倾向于向高地位不平等(高基尼系数)倾斜。

2. 如果你的社交网络有很高的不平等,你将很难留住新来者。

3. 拥有高地位的流动性是任何有活力的社交网络的关键,即使你的目标不是为了增加你的整体用户群。

高度不平等会带来哪些新问题?

最简单的理解就是地位=资本。你希望资本四处流动,寻找健康的行为,而不是被锁起来,或与健康的行为相冲突。为什么?

1. 新用户模仿不健康的行为: 你的最高地位用户已经知道如何玩地位游戏——他们知道如何获得数百万粉丝 / 回答最多的问题 / 采取行动赋予他们地位。然而,你可能不希望你的新用户以这种行为为榜样,社交网络中的模仿,自然会对你不利。

让我们以目前的 Twitter 为例:你可能已经注意到现在很多推文都只是线程(你见过多少次 一个推特线程🧵1/37...?)虽然这可能是某人获得第 100 万个粉丝的方式,但这绝对不是你希望你的新用户尝试做的事情。

2. 人们不想玩无法获胜的游戏: 当一个新用户出现在社交网络中,一旦他们了解了基本机制,他们就会积累一些初始状态: 他们的第一个粉丝,他们的第一个业绩,他们的第一个积分。然后他们会查看全球排行榜,或者看看他们最喜欢的名人有多少粉丝,或者更糟,他们的同龄人有多少 Karma 列表。如果他们看到一个人有无数的 Karma 列表,而他们又没有办法接近他,他们就会灰心丧气,转而使用其他更容易的方法。

当你必须制作内容时,社交网络就有了一个尖锐的版本——没有人想要发布一个视频 / 文字 / 照片,并且与正常情况相比,它没有得到任何回应。

探索如何玩游戏 / 赢得地位游戏是人类的天性,如果你的用户认为你的社交网络太难玩,或者已经被某些人赢了,他们就会转向其他游戏。

3. 地位邻避主义: 当你有一个地位很高的群体时,他们通常会试图阻止新来者获得地位。

当熟悉某个网络 「 Meta 」、不喜欢改变的当前用户提出抗议时,你经常会看到这种情况。你经常会得到高地位的群体,他们会一起合作,如果没有高地位的流动性,他们就会把新人拒之门外。

这样的例子不胜枚举,1993 年 9 月的各种变化也不胜枚举。还记得 Instagram 用户抗议该应用在 Android 上发布的时候吗? 或者最近,Instagram 将焦点从照片转移到短视频上。随着收集地位的手段的变化,这些将继续发生。

怎样才能减少地位的集中,鼓励地位的流动?

1. 「普遍基本地位」: 一个常见的机制是给予新来者临时的地位提升,这通常是通过控制分配和奖励的算法杠杆来实现。

如果你在任何流行的社交平台上注册一个新账户,你可能会注意到这一点。你的内容会得到更多的推荐,你会在朋友建议中得到更多的提升,这种效果会随着时间的推移而减弱。

有多种方法可以将这些机制构建到网络中。

临时提升状态: 在关键时刻分配一个临时提升状态—例如:当某人新加入一个网络 / 当他们离开一段时间后回来 / 执行一个关键的期望动作。

这种提升通常是通过算法,让内容有更多的机会被看到,或者让新人与之互动(X 刚加入,打个招呼!)。在每一种情况下,你都在「提高」某个新人获得积极体验的机会(并产生成本,因为这种提高必须以其他人为代价)。

「 公平 」 分配状态: 通过一些「公平」算法,将状态信号分发给网络中的用户。例如,建立一种算法,通过人来决定谁应该出现在任何推荐页面上。这是使用倒序排列供给的理由之一——每个人都有公平的机会让自己的内容被看到。

注意:地位必须有内在的稀缺性概念才有意义。如果你在分发地位,你就会造成通货膨胀,并可能意外地导致你的地位信号贬值,你不可能在没有副作用的情况下 「复制」新的地位。

2. 让地位变得模糊: 另一种缓解方法是淡化所有地位的指标,让人们去寻找它。通过模糊地位,你便能够提供给自己更多选择,让玩家专注于真正的游戏 / 应用机制,而不是地位机制。

近年来,你可以看到这方面的例子。Instagram 试图隐藏给帖子点赞的人数,TikTok 则淡化关注者数量。所有这些模糊状态的变化都有助于缓解这种影响,以及它们存在的其他原因。这种方法的缺点是,如果你的社交网络是关于地位的,没有指示器,人们可能不知道他们在玩什么「游戏」。

3. 设置具有相似地位水平的人群组: 如果你玩过任何主流竞争游戏,你就会熟悉「排名」游戏 ( 通常是 ELO 评级 ) 的概念,即游戏试图将你与具有相似技能水平的人组合在一起,所以你更有可能获得具有挑战性但并非不可能的体验。类似地,约会应用程序经常试图用 ELO(排位分数机制)式的机制将人们划分为具有相似「吸引力」的人。

对于社交网络来说,创造优秀新用户体验的一种方法便是提供一种「排名」体验,即他们能够接触到整个图的子集或与之互动。例如,一个子 Reddit,而不是每个人都在 Reddit 上竞争。

4. 重置或衰减状态指示器: 对抗状态集中的一个激进措施是让每个状态指示器随着时间的推移而衰减——这是对状态指示器的一种通货紧缩措施。

例如,业力会随着你离开网络的时间越长而衰减,或者随着时间的推移而失去关注者(特别是如果你因为在早期建议用户名单上而获得了大量的追随者)。

据我所知,没有人真正尝试过这种逻辑上的极端版本:定期将所有状态指标设置为零,并从头开始重置网络,这可能是一个有趣的实验。

5. 重置 「 Meta 」 : Instagram 和 Youtube 转向短视频引起争议的一个原因是他们 「 重置 Meta 」 ——这是任何地方的玩家都熟悉的概念。这样做,结合上述机制之一,动摇了流动性,并改变谁可以在你的网络中获得地位。

意外地造成状态问题

社交网络经常意外地遇到难以解脱的状态问题。

偶然的地位恶性通货膨胀: 地位与稀缺和 / 或较多的「工作证明」密切相关。引爆你的社交网络的一种常见方式是,利用迄今为止稀缺或难以获得的地位信号,让它在一夜之间广泛传播,而不考虑下游的影响。在很多这样的情况下,你要么摧毁了网络,要么让人们通过你意想不到的其他方式来了解状态。

这与高度不平等有什么关系?你经常看到网络试图这样做来对抗不平等(无奈在网络发声,瞬间得到巨大的关注),结果通过贬低一个关键的奖励机制来制造更糟糕的问题。引用《超人》中的一句话:「如果每个人都是超级英雄,那么没有人是超级英雄」。

高地位的意外指标: 一个相关的问题是,在你不打算的情况下,意外地引入地位指标并造成不平等。

我最喜欢的例子是社交网络上的「已验证」徽章。虽然最初的意思是 「这个人实际上是他们所声称的 X 人」,这是一项旨在打击冒名顶替的措施,但是所有网络最初可能需要「知名人士」(阅读:在某种程度上有名)推广。哎呀!因此,导致他被广泛理解为「这个人是世界上著名的人」,这是每一个网络至今都在努力争取的东西。

加剧地位不平等: 幼稚的执行发现、排名或地位的一个常见陷阱是无意中阻止新来者 「 加入 」。

任何社交经验都具有注意力或展示机制,需要将相对地位考虑在内。一个幼稚的「建议」feed 或「顶级用户」可能是基于关注者数量对内容进行排名——确保拥有大量关注者的人获得更多浏览,而平台上的新用户永远不会感到被发现。通常情况下,这种幼稚的实现会加剧不平等,让新人不可能爬上地位的阶梯。

正如 Eugene Wei 敏锐地指出的那样,你可能犯的最大错误是不承认社交网络的核心是「 社交资本 」。了解资本是如何创造、交易和消费的,将决定你的网络的成败。这样做可能意味着你的角色更多的是一个政策制定者 / 经济学家,而不是传统的产品制造者 / 工程师。

这篇关于从Web2社交网络学习,为何要重视地位平等?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/213013

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

Linux 网络编程 --- 应用层

一、自定义协议和序列化反序列化 代码: 序列化反序列化实现网络版本计算器 二、HTTP协议 1、谈两个简单的预备知识 https://www.baidu.com/ --- 域名 --- 域名解析 --- IP地址 http的端口号为80端口,https的端口号为443 url为统一资源定位符。CSDNhttps://mp.csdn.net/mp_blog/creation/editor

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

ASIO网络调试助手之一:简介

多年前,写过几篇《Boost.Asio C++网络编程》的学习文章,一直没机会实践。最近项目中用到了Asio,于是抽空写了个网络调试助手。 开发环境: Win10 Qt5.12.6 + Asio(standalone) + spdlog 支持协议: UDP + TCP Client + TCP Server 独立的Asio(http://www.think-async.com)只包含了头文件,不依

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识