关于feed流的几种典型的排序设计策略

大家好，我是策略产品经理夏唬人。

有一个现象很奇怪，明明打算22点睡觉，睡前拿起手机刷会抖音，结果就被迫熬夜了，根本停不下来。抖音是有什么魔力吗？

抖音是怎么抓住你的注意力焦点，不断抢占你的时间的？抖音内容的展现形式和知乎、微信朋友圈有什么区别呢？

说到这里我们就不得不提一下“feed”的概念了。feed是一种给用户持续的展示内容的一种类瀑布流的产品形态，一般业界称之为”feed流”。

那么，我们怎么去设计一个类似抖音一样的“feed流”让我们的目标人群刷个不停呢，想达到这样的效果你要先搞清楚feed流是在解决什么问题？它的设计核心是什么？

feed流永远是在解决两个核心的问题：

• 应该展示给用户什么内容
• 这些内容以什么方式来展示

不同的feed流模型其实就是在这两个核心问题上采取了不同的解决办法，没有绝对的对与错，更多的是场景和用户是否适用。

Timeline策略

永恒的经典feed流模型-Timeline，典型案例就是微信的朋友圈。

Timeline不对用户主动要求获取的内容进行筛选，对所有的内容按照时间来排序展示。对于feed流设计的两个核心问题，微信的朋友圈给的答案是这样的：

• 应该展示给用户什么内容：用户好友发布的内容
• 这些内容以什么方式来展示：按照发布时间先后顺序展示

Timeline简单的内容范围和排序方式非常易于用户理解：依赖于微信的好友关系来源源不断的获取大量内容，同时结合前端的“红点”策略，吸引用户随时打开访问。同时，由于每个人好友不是很多，从而每次新增的内容有限，也保证用户不会错过很多消息，极大的提升了用户的粘度。微信也用这个设计，抢占了大量的用户时间。

但是，Timeline也有一个致命的缺点—内容呈现方式效率很低，体验难以系统化的保障。需要内容提供者一直保持克制，同时也需要用户对这些内容关注度很高，这也是为什么微信会提供好有权限（仅聊天or聊天、朋友圈等等）这种功能，其实也是让用户来把控自己feed流的体验，只看到想看的人的内容。

微信朋友圈内容是个人展示的空间，初期偏分享生活、工作，内容上还比较克制，不会大量更新；同时都是基于熟人关系，用户的关注度足够。

正是基于这两点，微信朋友圈的内容虽然效率低下，但还是具有吸引力的，但慢慢微信出现大量低质量的更新（工作广告、微商等），动辄每天上百条、上千条的更新内容，这时候Timeline显然不是很合适，展现形式严重阻碍了对高质量内容的获取，用户会慢慢失去视线焦点，转移至其他地方，这时再让朋友圈占据用户大量时间时，显然难度比之前更大。

重力排序

可以极大过滤大量低质内容的feed流模型-重力排序，典型案例就是知乎、贴吧。

如果每天有大量的低质量内容夹杂在每天的更新量中，这种时候可以考虑采用重力排序的方式，可以同时兼顾内容的热度（点赞、收藏等互动数据）和内容更新的时间。

重力排序算法中，有两个维度：重力和拉力。重力就是持续让内容不断下降的力，这个就是内容的发布时间，因为新发布的内容会把旧发布的内容挤下去；同时呢，拉力则是不断让内容上升的力，比如知乎的赞、收藏还有贴吧的回复等互动行为。

这样的排序算法实现方式有很多，这里可以简单介绍一种，也是来自Reddit的核心排序算法：

其中：H代表内容拉力的值：比如收到的赞、回复等，也可以是综合的正面反馈指标。

T代表内容发布的时间，T0代表时间的起始值。T-T0用来衡量一个内容的新旧程度，单位为秒，T-T0越大，则代表内容越新。

A是影响权重，A越大,说明该内容的影响权重越高，时间的影响力越小（T-T0），则重力下降的速度越慢。一般而言初始值可以用36000，10个小时的秒数，后续不断迭代。

对于feed流设计的两个核心问题，重力排序的回答是这样的：

• 应该展示给用户什么内容：用户喜好的内容
• 这些内容以什么方式来展示：按照时间衰减因素和受欢迎程度综合排序展示

个性化排序

目前的主流feed流排序模型-个性化排序，典型案例就是微博推荐、抖音推荐，电商首页的为你推荐，猜你喜欢等。

个性化排序牵扯到很复杂的模型构建和机器学习，如果算法的质量不高，个性化排序的效果会很差，并且个性化排序的不透明和商业化也是用户体验的头号大敌。

个性化排序的原理：

• 首先，系统需要知道内容被展示的目标是什么。比如微博，一个内容被展示的目标是转发、点赞、评论的次数。那么通过大量样本的机器学习，系统对于什么是好的内容会有一个预测值，这个预测值就是个性化排序的基础。
• 在这个基础上，系统会屏蔽掉一些敏感、违规的内容。例，分裂祖国、恶意挑起性别矛盾等，都会对该内容进行屏蔽或者限流降权。
• 接下来，系统会根据内容权重系数等因素提高或降低系统内对于预测值的占比区间。
• 最后，加入内容受欢迎程度、内容时间衰减性等因素后，综合权重系数对最终展现结果进行综合排序。

内容权重系数可能会受到广告费、大v的账号加权、或获赞等正面反馈很高的商业化因素影响，会在一段时间内提高该内容的权重系数。

因为有的内容的权重系数比较高，可以直接忽视一部分预测值，直接优先呈现在用户面前，这时候就需要平衡商业化与用户体验，如果过度商业化，平衡点就会失衡，必然伴随着用户体验的降低，如何平衡商业化与用户体验是个性化排序解决方法的核心问题。

总结

Feed流的设计原理其实讲起来比较简单，如果需要成型的排序算法，也可以找到很多，但是更重要的是，什么是真正适合的选择。

如果选择Timeline的排序，那么就需要考虑用户关注的内容是否足够有吸引力。

如果选择重力排序算法，那么就需要考虑该如何选择参数保证最后的展示效果。

如选择智能排序，那么就需要考虑是否有足够的技术实力和产品自制力。

不管选择哪个设计方向，feed流最重要的是思考清楚两个问题：

• 应该展示给用户什么内容
• 这些内容以什么方式来展示

抖音在商业化与用户体验的平衡点把握的很好，内容既是你感兴趣的，又是热度很高、高质量的内容，基于个性化排序算法的质量超乎想象的高。当然，抖音强大的用户画像也是把你兴趣把握得很到位的重要原因。