有人說，這是壹個尷尬的時代。我們正在從信息爆炸的Web2.0時代走向信息融合的Web3.0時代。這個時代，整個互聯網的信息還在快速增長，但是對於個人來說，獲取所需信息會更快更準，也就是對於個人來說，信息是收斂的。同時，在這個時代，我們的閱讀目光也因為移動設備的泛濫，逐漸從傳統的電腦屏幕轉移到了移動設備屏幕上。那麽這個時候我們需要什麽樣的閱讀呢？從Web1.0到Web2.0，如果說Web1.0是壹個內容匱乏的時代(構建互聯網內容需要編輯或專業人士)，那麽Web2.0就是壹個信息爆炸的時代。各種UGC形式的出現，讓每個人都成了內容的創造者，專業編輯逐漸被邊緣化。隨著互聯網信息的急劇膨脹，在標榜多人貢獻的Web2.0時代，另壹個問題出現了:信息過多導致信息重復，信息過載。所謂過載，其實就是無法對信息進行篩選，導致有價值的信息減少，接收到的信息大部分是無意義的或者價值很低的。這在之前的Web1.0時代幾乎是不存在的，因為在Web1.0時代，編輯或專業人士把關的內容實際上是壹層過濾，信息的生產和流通遵循的是“先過濾後發布”的原則，而在Web2.0時代，真正是“先發布後過濾”。但是這種過濾機制從最早的RSS訂閱模式，到後來的Digg等基於熱度和時間的聚合網站，再到現在的社會化推薦和個性化推薦模式，逐漸發展到現在，都沒能很好的消除信息過載的問題。目前主流閱讀模式下以好友推薦為主的社交圖譜，以Flipboard為代表。它通過分析用戶在社交網絡上的好友信息，包括臉書、人人網等社交網站，以及Twitter、新浪微博等微博服務，直接抓取壹些鏈接背後的文章或圖片，重新組織，以新的布局呈現。因為SNS是基於可能有* * *相同興趣或者* * *相同關註點的朋友和親友，所以這些內容會高度相關，更貼近個人興趣。基於算法推薦的個性化推薦以Zite為代表，通過分析用戶對不同來源/主題的信息收集/轉發/忽略/屏蔽的行為數據，計算用戶的偏好，並對用戶的社交關註/新聞訂閱的數據進行重新篩選，從而為用戶推薦更相關的信息。主流閱讀模式SNS和基於SNS的信息源的缺點不適合閱讀基於社交網絡的推薦，不靠譜。除了好友數量不會太多，信息面會比較窄，用社交網絡信息流作為閱讀信息源在本質上也是值得商榷的。因為很多人其實已經被SNS這種群體平臺腐蝕了，就像勒龐的烏合之眾說的“群體不善於推理，而急於行動”。融入群體微博後，個體的情緒和思想會轉向群體的所有公共方向，更容易沖動、多變、輕信、急躁、偏執、專橫、情緒化、偏激，不允許懷疑和不確定。這和群體的個人素質無關。這時候決定它的是本能和情感，是壹個“無意識”的層面，而不是理性。所以很多時候妳看到的信息都是被操縱過的，尤其是在微博的SNS染缸裏。很多信息進去後，會因為缺失、斷章取義而變得肢解、曲解，甚至變成謠言。任何力量的過度放大都會模糊背後的真相，所以我們更需要冷靜、理性、客觀的信息，而不是這種無法保證可控的信息源。推薦算法是萬能的嗎？或者妳可能會說，我們還有算法，考慮到未來基於語義搜索、數據挖掘、智能匹配的Web3.0時代，很多人看好它。誠然，目前和未來的趨勢主要是算法推薦，但目前來看，算法並不是萬能的。比如國內以高質量算法著稱的豆瓣，大多是妳鄰居推薦的，而不是經常不靠譜的豆瓣猜測。目前算法還不能完全承擔推薦的任務。畢竟算法是死的，很多時候壹點小意外都會造成嚴重的匹配偏差。例如，當前的閱讀應用都需要個人與提供的源或定制的源聚合，以形成個性化的定制信息流。在這種基於算法的篩選過程中，單個應用程序或多個應用程序中的重復源使得定制更加困難，並且需要更長的運行時間。壹旦妳的興趣發生壹點點變化，這種偶然的中斷就會讓過濾機制出現漏洞，因為算法還是存在的。社會化/個性化閱讀的問題其實就是現在。幾乎所有的閱讀應用，既有社會化閱讀，也有個性化閱讀，比如鮮果、Zaker、網易閱讀，並沒有太大的區別。誠然，這些應用中完整的使用偏好可以給用戶帶來良好的個人定制體驗。但還是會造成信息重復，降低信息質量，產生回音室效應，減少偶然發現的內容。1.造成了信息重復。目前的閱讀應用除了社會化、個性化的閱讀模式外，還包括Google Reader RSS閱讀、Read it Later(口袋)閱讀等功能，有的甚至加入了傳統閱讀應用的書城模式。壹鍋燴的結果就是大量的信息重復。另外，很多頻道的內容也是各種重復。這種重復不僅浪費時間和精力，還會在壹定程度上造成信息焦慮和煩躁。2.信息質量下降。與Web2.0網站類似，很多閱讀應用關註技術、產品、市場，卻忽略了內容本身，或者說保證內容數量而忽略內容質量。要知道，真正吸引用戶的，永遠是80-20準則中的20%內容。無論是信息還是技術，我們想要的永遠是屈指可數的高質量的東西，而不是沈浸在整個大雜燴中。3.信息過載之所以沒有消除，是因為過濾機制不合理，那麽基於社交分享和個性化定制的過濾機制能消除信息過載嗎？不行，不能隨便開壹個還滿是應用的頻道。很多關鍵詞聚合也是機器從壹些渠道直接抓取的。至於數碼、科技、互聯網等分類不準確的重復渠道聚合，則更為常見。此外，從新浪微博等社交網絡獲取的信息往往與之前的信息重復。可以說現在的閱讀應用對消除信息過載的幫助並不大。4.產生回音室效應的個性化、定制化工具是有風險的，因為它們會產生回音室效應，也就是我們只看我們想看的，所以我們只會聽到我們想聽的。信息或觀念在封閉的圈子裏得到了強化，自我意識會降低。這種算法主導的過濾會減少我們拓展視野的內容，會導致妳生活在壹個封閉的圈子裏，以為妳所想的永遠是正確的。比如只生活在新聞聯播、環球時報、參考消息的人，總會看到幾條新聞。5.意外發現的減少在日常閱讀中，我們經常會有壹些意想不到的信息，我們稱之為“意外發現”。這種意外發現的內容，往往給我們更深的印象，更大的意義。基於算法的推薦在“偶然發現”上弱於基於人類的內容生成(偶然和算法暫時有沖突)。長此以往，我們的信息接觸面可能會變得更窄、更同質，從而失去發現給我們帶來靈感和驚喜的新信息的機會。另外，對於個人利益的膨脹也是相當不利的。我們能從電商導購中學到什麽？那麽這種閱讀模式應該如何改進呢？其實可以向時下最火的電商學習。最近可以看到，在電商導購領域，采編選品的例子越來越多，有以雜誌思維為導購的水果銀行，有PGC專業制作內容的LC style網，還有依然以采編為主的購物(guang.com)。即使按照用戶生產內容的美人計理論，最後壹步也是人工編輯選擇最終產品。正如果酷聯合創始人廖金友所說，“在信息泛濫的當下，編輯力量的作用壹定會被放大，我們相信內容的力量。”其實閱讀中應該多壹些類似電商導購的編輯選擇，因為本質上，妳想看的信息或者文章和妳想買的商品是壹樣的。比如東西網新版的目的就很明確，想要回歸信息過剩時代的“優讀”。在這個信息豐富的時代，如果沒有這樣的精挑細選，我們的閱讀會比以前信息匱乏的時代更加困難。信息提供者如何選擇？1.增加專業編輯，進行更多的人工選擇；
2.增加人工選擇的比例；
3.改進機器篩選算法，將部分資訊網站的全站源抓取改為單壹的高質量作者源抓取。總的來說，新時代的編輯力是目前的移動閱讀應用除了社交化和個性化之外，還應該提高編輯力。有些頻道應該以人工審核文章為主，而不是簡單的抓取聚合RSS站點或者籠統的篩選關鍵詞，就像@祎凡瑞安說的壹個資訊網站應該輸出文章而不是品牌，作者應該是主要內容，應該壹個壹個消費。聚合不應該是面向機器的，而應該是人工的，因為算法在這方面遠比專業的人工更臨時。這種由編輯主導的自上而下的推薦模式可以迎合大部分普通用戶的胃口，而剩下的少數用戶仍然可以使用原有的個性化過濾機制來滿足自己的需求。這種向Web1.0的回歸並不逆勢。在信息泛濫的時代，尤其是語義網絡和算法根本無法滿足人們需求的時候，這種最傳統的回歸顯得尤為重要。近期類似的精選閱讀網站和應用的出現，如新版的東西網、每日壹問、讀書FM等，似乎印證了這壹模式。
上一篇:紫砂茶具的鑒賞與選購的方法下一篇:求愛，組建遊戲