35 | 说说信息流的前世今生
刑无刀
该思维导图由 AI 生成，仅供参考
信息流，就是 Feed，包括社交动态信息流，也有图文资讯信息流，短视频信息流。
在前面说过，推荐系统是一种注意力存储器，注意力是信息经济时代的稀缺商品，广告商向平台方购买注意力，平台方把存储的注意力分一点给广告商，然后通过推荐系统收集更多注意力补充回来。
在今天，最厉害的注意力存储器就是信息流，尤其是个性化信息流，也叫做兴趣 Feed，这也是推荐系统的一种。
前世今生
说信息流，就不得不提到 NewsFeed。2004 年，Facebook 问世，2006 年，信息流鼻祖 NewsFeed 横空出世，经过十多年，NewsFeed 已经是日收入几千万美金的现金大牛。
在 NewsFeed 上线前，经历过两个抗议阶段，第一个是把新鲜事公布出来，原先的新鲜事被大家认为是隐私，在时间线中呈现出来被好友看见不妥，而事实是，每个人在意的除了自己的隐私被公布，更在意的是朋友的八卦，数据表明新鲜事被公布后，用户活跃度大幅上涨。
第二个就是 NewsFeed 上线，用户广泛抗议，原来按照时间先后顺序阅读新鲜事，现在却按照重要程度阅读，非常不习惯，然而数据表明，用户互动行为再一次大幅度提高。
这些年来，NewsFeed 有数不清的改进，甚至每天线上会同时部署很多算法版本进行 AB 测试。后来的故事大家都知道了，Facebook 上市，股价逐年上涨。
NewsFeed 的成功，验证了几个常识：
数据驱动比舆论驱动靠谱，别听人们嘴上是怎么说的，只看人们是如何行动的；
窥探隐私，向群体靠拢，害怕孤单是普遍人性，把新鲜事公开这件事验证了这一点；
注意力非常有限，用推荐系统的方法更好地储存注意力，基于兴趣的信息流验证了这一点。
后来，Twitter，微博，Instagram，老牌的时间线信息流方式如今都换成了按照兴趣筛选内容，原因都是信息泛滥，用户错过的信息量越来越多，注意力耗散很多，无法将耗散的注意力变现成了这些平台最大的痛。
今天，搜索公司 Google、百度，都已经押注了信息流，更不说那辆行驶在注意力收割航道里的短视频新兴巨轮。
这些公司，尤其是其中的上市公司，在财报里也会提及信息流，可以说，信息流在今天已经是红透了半边天。
配套设施
信息流是一个低衰减的注意力存储器，但是光有信息流是不完整的，最大的问题可能有两个：
内容源不足，无法形成信息过载，注意力就不会稀缺，注意力是无法待价而沽的商品；
在注意力变成稀缺的事物后，存储的注意力无法变现，反哺平台自身。
针对这两个问题，完整的信息流产品还需要配套设施。以 NewsFeed 为例，讲讲信息流的配套设施。
1. 内容源
内容源是注意力的重要间接影响因素。“内容哪里来”是信息流要不断思考的问题，对于 NewsFeed 来说，就是社交关系上的人发布新鲜事。
NewsFeed 存在的前提是要依赖用户建立大量的社交联系，这样才会出现信息过载，因此 NewsFeed 的一个重要的配套设施就是“你可能感兴趣的人”推荐系统。
这是一个我们在产品形式上比较熟悉的推荐系统，它是一套大规模矩阵分解算法，在前面的专栏已经专门讲过，这套推荐系统希望用户和用户，用户和 App、公共主页等都建立起大量的连接。
建立起连接，相当于变相地增加了内容源，这些用户发布的新鲜事，App 产生的内容，公共主页发布的帖子，都会通过这些连接流进用户的个人信息流。
社交信息流中，内容源依赖于社交关系的数量。而图文资讯信息流，则更多依赖爬虫技术，“不生产内容，只是内容的搬运工”。
依赖爬虫的信息流内容源，质量非常不可控，会有涉黄、涉政、涉暴力等敏感内容，甄别工作量非常巨大，而且一旦控制不好就是社会事件，代价惨重，这一点在 2018 年，你一定感受很深。
内容源是信息流的一种重要基础设施，要想尽办法建设好。内容源应该考虑下面几种。
质量：虽然群体喜欢消费低质量的内容，便宜商品，但是一旦出现敏感内容， 不合格的商品等，代价还是很高昂。
多样性：信息只有多样了才有信息量，有了多样性才能满足更多的用户，才能在存储海量注意力时不衰减。
数量：数量自不必说，推荐系统解决信息过载问题，没有信息过载问题怎么办呢？就是先制造信息过载问题，要制造信息过载，信息的数量就要有保障。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
信息流是当今信息经济时代中的重要注意力存储器，通过个性化推荐系统，平台能够有效地吸引用户的注意力，实现信息流的变现。本文以Facebook的NewsFeed为例，深入探讨了信息流的商业逻辑和技术特点。文章指出，信息流的成功离不开高质量、多样性和数量丰富的内容源，以及有效的广告系统作为变现手段。此外，文章展望了信息流的未来发展，强调了数据驱动和人工智能算法协同进化的重要性，以及注意力质量对信息流平台的重要性。总的来说，信息流是推荐系统在商业上最成功的应用之一，但也需要注意数据驱动的风险和注意力质量的重要性。通过本文的深入剖析，读者能够全面了解信息流的商业运作模式和技术特点，以及对未来发展的展望。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《推荐系统三十六式》，新⼈⾸单¥59
《推荐系统三十六式》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(12)
- 最新
- 精选
- shangqiu86讲feed流老师引入了注意力的定义，感觉很新颖也很贴切，老师能否在书里面介绍下今日头条的算法，据我所知，今日头条更多的是标签匹配，做了很多维度的标签匹配，同时时间段也划分的很细，形成网格式的多样化推荐，基于标签的推荐，老师好像没有涉及呢
作者回复: 不会妄议未公开的做法。
2019-05-094 - @lala0124老师觉得信息流这种商业模式能够存在多久？
作者回复: 不好乱说。
2018-06-29 
大哥目前公开的信息流的技术资料可能要数曹欢欢的ppt了，邢老师能否给出一些技术的干货呢😊 ？2018-05-245
neko老师，我不太理解这句话，请问能稍稍解释一下吗？谢谢！ ”种草的商品突然提价，广告主就只能剁手买买买，这就是广告系统了。”2019-06-211
田佳伟老师您好，我们公司做的就是类似于头条的资讯app，feed流就是简单的指数排序加过滤用户已读文章，现在面临一个问题：现在用的是联表查询来实现已读文章过滤，给数据库造成了很大压力，请问有没有好的过滤文章的方案呢？2019-12-091
帅帅突然意识到我们要做一个信息流，内容只有几百个几千个，远远没有信息过载； 那好，我可以先放弃召回阶段，只做一个CTR排序好了；2018-09-25- @lala0124老师觉得信息流这种商业模式能够存在多久呢？2018-06-29
- 好球老师愿意过来一起做推荐不？2018-05-25
惜心（伟祺）老师可以 分享一些推荐系统常用开源工具嘛2018-05-24- 大哥最成功的案例，不应该是电商如阿里亚马逊吗？2018-05-24
收起评论
