一切社交 app，始于约炮，兴于炫耀，衰于鸡汤，死于经商。
一
大概十五年前，A 有了人生中的第一台手机，诺基亚 6100.
那时候中国移动基本还是一统天下，中国联通还小得很。
周杰伦给中国移动做了广告，叫动感地带，还专门写了一首歌。
动感地带套餐在大学生里很是通行，因为他的特点之一是短信包月，有三百条、五百条、一千条之类。
对不少人来说，一个月一千条短信套餐都还是不太够用的。
超出之后的短信则是一条一毛，算下来也是不小的花费了。
后来出了个软件，叫飞信。
对，是飞信，不是微信，英文名叫 Fetion，曾经火极一时，在 iPhone 出来之前。
后来，不知道怎么着飞信就慢慢没人用了，软件也不再更新了。
或许是因为移动觉得飞信太抢占自己的市场了，大家都不交短信费了。
后来出现了移动 QQ，以及后来一统江湖的微信，不知道飞信团队有没有遗憾。
就好比 Gtalk 曾经是最好用的聊天软件之一，因为简洁可靠，后来不知什么原因被砍了。
如果当初好好的做个移动聊天软件，背靠着 Gmail 这棵大树，不知道还会有 Whatsapp 什么事吗？
二
正所谓一切社交 app，始于约炮，兴于炫耀，衰于鸡汤，死于经商。
想要把用户基数做大，就不能停留在初始阶段，至少也要步入「炫耀」这一层次，不然怎么都只能算是个小众软件。
Snapchat 已经过了初始阶段，Tinder 和探探好像暂时还没有。
微信刚出来的时候，还是以一个约炮软件的形象出现的，以致于跟陌陌总是相提并论，现在当然已经完全不是一回事了。
所以说初始形象如何很重要，但其实也不是那么的重要。
三
机器学习，人工智能这俩概念，就好像五年前的大数据一样.
It is like teenage sex.
Everyone talks about it.
But nobody really knows how to do it.
Everyone thinks everyone else is doing it.
So everyone claims they are doing it.
当绝大多数的 app 都在做推荐系统的时候，微信这个「奇葩」，既不做好友推荐，也不做朋友圈的智能排序。
于是当我发现即使屏蔽一半人的朋友圈之后，我还是没法高效迅速的获取信息之后，我决定把朋友圈的小红点关了。
于是整个世界清净了。
微信不做朋友圈的智能排序，想必是有它的理由的。
然而一旦碰上诸如 Linkin Park 这样的事件，必然会导致刷一个小时的朋友圈讲的都同一件事情，这体验就很糟糕了。
毕竟那些刷屏的人可以轻易屏蔽，然而对于刷屏的事件却没有好办法解决。
四
这是否意味着微信是熟人社交，如果用户想要加某个人为好友，那就一定有办法找到。
或许这也是当初很多用户要从 QQ 转到微信上的缘故，毕竟上面加了很多熟的不熟的人。
五年过去了，大多数人的微信是不是也存在当年 QQ 的情况了？
有家人，有同学，有好友，有同事，但是也还有更多的点赞之交。
以及微商。
所以下一个巨无霸社交 app 快要出现了吗？
五
这个故事有很多不同的版本，流传之一是这样的。
沃尔玛的超市管理人员分析销售数据时发现：在某些特定的情况下，「啤酒」与「尿布」两件看上去毫无关系的商品会经常出现在同一个购物篮中。
后续调查发现，这种现象出现在年轻的父亲身上。
原来在美国有婴儿的家庭中，一般是母亲在家中照看婴儿，年轻的父亲前去超市购买尿布。
父亲在购买尿布的同时，往往会顺便为自己购买啤酒，这样就会出现啤酒与尿布这两件看上去不相干的商品经常会出现在同一个购物篮的现象。
如果这个年轻的父亲在卖场只能买到两件商品之一，则他很有可能会放弃购物而到另一家商店，直到可以一次同时买到啤酒与尿布为止。
沃尔玛发现了这一独特的现象，开始在卖场尝试将啤酒与尿布摆放在相同的区域，让年轻的父亲可以同时找到这两件商品，并很快地完成购物。
而沃尔玛超市也可以让这些客户一次购买两件商品、而不是一件，从而获得了很好的商品销售收入，这就是“啤酒与尿布”故事的由来。
不过很不幸的事，这个故事可能是 Teradata 编出来，为了卖他们的软件服务的。
六
另一个故事则是 Target 捅的娄子。
大意是青春期少女总是收到 Target 给发的母婴用品的广告，于是女孩的父亲觉得某名其妙，便冲到店里质问到底怎么回事，这是在祝自己的孩子早孕吗？
然后几个月之后才发现，女儿果然怀孕了。
换个角度，我想很多为人父母的读者也会有这样的经历，因为小孩用了自己的手机，看了小朋友们喜欢看的动画片之类，于是自己的帐号里也出现各种幼稚推荐。
比如我的 YouTube 帐号有段时间就给我狂推 Papa Pig, Let it go 之类，于是赶紧下了个 YouTube Kids 给闺女。
七
2006 年，Netflix 推出了一个竞赛，目的在于打造一个推荐系统，效果好过其内部推荐系统 Cinematch 10%，奖金一百万美元。
比赛 10 月 2 号开始，两周之后即有团队打造出了效果好于 Cinematch 的算法。
三年之后，百万大奖花落一个叫 “BellKor’s Pragmatic Chaos” 的团队。
另外一个叫 “Ensemble” 的团队结果一样，然后晚提交了二十分钟，所以与百万大奖失之交臂。
从那之后各种算法、模型比赛层出不穷，比如说 Kaggle，每年几十上百的比赛，有的资金几千，高的十万甚至更多。
八
当一个 app 不做推荐系统的时候，用户可能会失去一些东西，但是却对时间线有绝对的控制权，比如说微信朋友圈。
当一个 app 做推荐系统，同时又在一定程度上依赖用户本身的时候，比如说知乎的时间线，取决于机器学习的推荐系统，但同时也取决于用户关注的人、关注的主题、点赞即传播的机制，以及用户可以跟时间线交互（也就是 X 掉某些不感兴趣的内容并提供反馈），用户还是有一定控制权的，是不一个不错的平衡点。
当一个 app 做推荐系统，同时用户完全控制不了的时候，那就是一切官方说了算了，比如说快手。
于是就会出现在知乎，可以客大欺店；而在快手，则基本是店大欺客这样一种状况。
九
假如现在微信开始做好友推荐系统，各种 A/B 测试发现有好友推荐系统的用户各方面数据都好于没有好友推荐系统的用户。
说不好，首先没法知道长期来看这是个什么效果。
其次即使过了五年之后，有一个长期的 holdout，发现结果还是有好友推荐比没有好友推荐的数据要好，其实还是不能完全下结论。
因为这里对比的是有好友推荐系统的用户表现好于没有好友推荐系统的用户。
然而完全有可能如果大家都没有好友推荐系统的时候，对整个 app 反而是好的。
于是说到这里就变成了一个玄学问题。
十
作者：邹昕
来源：微信公众号：再生谈
本文由 @邹昕 授权发布于人人都是产品经理，未经作者许可，禁止转载。
题图来自PEXELS，基于CC0协议
