信噪比，是指有用信息与无用信息的比值。如果信息能够有效过滤，信噪比高（甚至非常高），那么信息爆炸不仅不是坏事，反而还将大大拓展我们的眼界，提高生活的深度。

与此同时，我们越来越倾向于一个彻底个性化，同时做好隐私保护的综合平台。喜新厌旧是人的天性，这就注定了“个性化”不能只停留在“定制”的范畴，还应该包括“探索”。

社交网络的现状

社会化网络服务

三层服务

在线社区经过这几年的沉淀，目前有以下三种层次的服务：

1.内容服务 基于内容的获取与筛选，形成圈子，实现价值，达成共鸣。

2.位置服务 通过移动互联网进行签到，分享即时地理信息。

3.关系服务 通过互联网构建与增强人际关系。

服务特征

很明显，三者都具有不可比拟的代表性。不过可以看到，它们之间又有着如下特征：

1.相互孤立 我喜欢摄影，但不知道周末在朋友（关系）家旁的公园（位置）有一个摄影小组（内容）的聚会。

2.紧密相联 同学（关系）在武汉广场（位置）看见一条不错的男式运动裤，发布到微博（内容）上，正在武广吃饭的我也想过去看看。

3.各自矛盾 友邻在豆瓣（内容）上发起了同城活动（位置）参与PHP语言初级讨论，不在同城的我好心分享出去，结果人人网上的同学（关系）抱怨我“刷屏”。

多维分析

信息一多，自然存在过滤的问题。但我认为，与其过滤，不如直接显示相关信息。随着时间的推移，相关信息也必然膨胀；这时应该毫不犹豫、大刀阔斧地砍掉，只显示最相关的信息。

豆瓣有各种有意思的小组，坐拥无数后，面对海量帖子，头都是大的。那么，为什么不把最相关、最热门的提取出来？比如，附上一份“晚间精选话题（5个）”。即便是随便看看首页，不打算进一步浏览，看到喜欢的话题，也不能阻止你充满好奇的手吧。

标签分析

新浪微博的标签分析

经过用户亲自提取的“个性化标签”当之无愧成为最具分析价值的数据。但目前新浪微博里“感兴趣的人”的推荐显然只做了第一步，没有在发文量、粉丝数量、名人与否、原创比例上进行相关性匹配。

关键词分析

一种是语境（语义、环境）分析。最好的例子莫过于谷歌关键词广告，随处可见，精确度也在不断提高。以前每每在外文网站看到中文总是兴奋不已，可惜是谷歌广告。

另一种是词频分析；基于用户的内容不愁没有文字。那么，结合新闻热点抓住它们，进行词频统计，自然能分析出用户说话的口味。毫无疑问，臭味总是相投的。

关键词分析依赖对自然语言的处理，也是标签分析之外强有力的助推器。

群组分析

互联网是虚拟的，但我们每个人都是独立的。我们面对不同的人群以不同的面孔，一来强化身份，二来避免尴尬。我们的每个面孔都是真实的，但分享给不同的人群显然也是不合适的。

新浪微博的分组

给联系人分组不仅能有过滤话唠的疗效，也能立体地展现其不同的角色。

互动程度分析

互动的人一定比其他人更亲密，有关你的新鲜事他（她）理所当然希望成为尝鲜第一人。

转发分析

人人网上几乎都是分享让我们厌恶，因为我们想了解关于他们自己的信息；而微博转发力量的强大，缘于对内容的钟爱。由此来看，转发中所涉及的人、事和博主都可以成为分析对象。

新版豆瓣采纳了分组，而取消了“书影音”的分类，正是如此。

时间线分析

正如谷歌阅读器里的“神奇排序”一样，把疏密的时间线整合为一条均匀的故事情节。这样，在时间有限的情况下，不会漏过好友的最近消息。此办法不适合新闻媒体。

其他元数据分析

搜搜问问的推荐

尽可能地共享平台信息。比如我在QQ空间的个人资料里提及“羽毛球”，在搜搜问问里，推荐我订阅该词条。

必要准备

多维分析后，已经尽可能搜集了用户的想法与口味，接下来，进行准备工作。

反向分析

人人网的忽略名单

通过主动标记“不喜欢”来过滤冗余信息。这些信息的类型包括：

1.某人 出于个中原因，不希望该人出现在时间线上。

2.某事 比如，男生对“化妆品”不感兴趣，屏蔽此类讯息。

3.话题 比如，对“360大战腾讯”毫无兴趣，屏蔽之。

4.某类 比如，对“非原创” 无爱，屏蔽之。

就大量的友邻反馈，豆瓣电台的“垃圾桶”是个不错案例。

隐私保护

以腾讯微博为例

月光博客解读说，QQ上78%的用户本心是拒绝双向关注的，或者说78%的时候，人们不希望双向关注。从结论来看，尽管腾讯拥有了着无敌的用户基数，他可以让每个QQ号都是成为微博用户，但是腾讯本身覆盖的相互关系反而会成为用户的心理阻碍。在超过3/4的时候，人们对此有所顾虑。

看来，垄断和捆绑对于利基市场而言可能并不是一件好事，如果抛不开沉重的隐私包袱。

以脸谱为例

脸谱的群组功能

随着脸谱用户好友的数量呈几何上涨趋势，身份角色也一直困扰着用户。面对这种情况，脸谱改进了“群组”功能，能有选择地与朋友分享信息。这样，请“病假”出去约会的消息，上级就不得而知了（好吧，这不是个好例子）。

群组本身的隐私保护也做得相当完善，包括开放、封闭和隐秘三种模式，详见文末参考资料7。

选择性开放

拿地理信息来说，对于不同的关系，不同的场景，提供位置的精度是不一样的。国内来说，最大的单位是省份，其次是城市、区、街道。任何跨距大的签到信息，对于收到接受人来说，都是冗余。比如，常居武汉的张三和常居杭州的李四是老朋友，他们之间的任何签到都没有具体意义；只有当一方去对方城市做客时，才能体现价值。可惜，位置服务仍在不加区分、不遗余力地到处散播地理信息，就我个人而言，是不甚反感的。

Live中令人困惑的隐私设置

当然，就隐私保护精度来讲，正如《一路求实》所言，能不把选项抛给用户，就尽量不要徒增麻烦。

跨服务探索

探索模式

目前已有的探索不在少数，比如谷歌阅读器、Flickr、人人网等。可惜，它们探索的内容仅仅局限于特定服务：内容的探索内容，关系的探索关系。豆瓣同城点亮了“探索”的光芒，内容与位置服务得以结合，发掘出更有意思的模式。

“单向关注越高的平台，社交属性越低，而双向关注越高，社交属性越高”，这条规律与位置关系联系起来，或许正好适合跨服务探索。

朋友总是不嫌多的，而人们的社交活动范围往往局限在常居城市。同时，相互关注的好友往往更加亲密。因此，在同城范围内，相互关注的好友的线上线下交互应该更为频繁，成为传统社会上的“朋友”（而不仅仅是网友）的几率更大。结合多维分析中提到有关的交互条目，可以得到一份具体的“神奇好友名单”。

以神奇名单为本，通过位置把内容和好友联系起来，探索的内容将十分丰富。

豆瓣猜

“探索”可以以分组或者单页（比如豆瓣猜）的形成呈现；同样，务必保持简洁。宗旨应该是不求数量，只求你喜欢。

商业价值

所有的广告都有价值，因为每个选择都有价值；只有无关、无用和劣质的广告让人反感。我们满大街购物时，最喜于乐见的莫过广告了（特别是打折广告）。当我们的雄心不得壮志时，除了政治，还可以大侃各种品牌。

根据ROI Research在今年4月对推特用户进行的调研得出，33%的用户每周至少谈一次品牌。同时，网络营销，尤其是微博营销也在不断加强，这些都可以反映广告（品牌）的价值。

自己说自己好，别人是不信甚至不屑的；水军这种东西也越来越容易发现并惹人厌恶。品牌最忠臣的推广员永远都是客户自己；而用户最信任的推销人员莫过于亲朋好友。据此，营销人员大可以收集已有客户的良好反馈，插播到探索模式中来。

打个比方，我觉得花格子羊毛衫很有范儿（内容）。在探索模式下，社区里的好友，更或者我的朋友（关系）提出，就在我上班地点附近实体店（位置）的羊毛衫正在打折，而且质量不错。由于羊毛衫的信息本身是真实的（来自于客户的反馈），我收到的信息来源是可靠的（不信朋友信谁？），该信息也正好满足我的需求。如此，天时地利人和，我购买的可能性相对较大。

实体店和服务商如何分成，我的朋友能享受到怎样的实惠，则待具体考究了。