基于SNS(社交類)的評論排序問題進(jìn)行分析

NICK輝
9 評論 9469 瀏覽 75 收藏 5 分鐘
🔗 B端产品经理需要更多地进行深入的用户访谈、调研、分析,而C端产品经理需要更多地快速的用户测试、反馈、迭代

近期由于在設(shè)計(jì)產(chǎn)品的APP客戶端,客戶端上的信息流展示基本、甚至全部都采用了列表式來布局,因此涉及到排序、分類的問題。基于不同的場景下,需依據(jù)不同的參數(shù)來進(jìn)行排序。這樣有點(diǎn)亂。同時(shí),后期將要設(shè)計(jì)簡易版社區(qū)(論壇)的需求,這里面的動(dòng)態(tài)、評論等也涉及到排序的問題。以及什么狀態(tài)下,評論列表需要這樣的排序,什么場景下,評論列表需要那樣的拍訊。因此,想整理下是否有原則可循。

針對以上的這背景,本人決定對信息的排序進(jìn)行剖析下。看下市面主流信息流中是否可以找到相關(guān)的規(guī)律或者套路來做需求。這樣方便做這塊需求的時(shí)候得心應(yīng)手。

排序中最常見的有順序和倒序的兩種形式。

  • 順序則是以時(shí)間早的信息展示在前面,時(shí)間晚的信息展示在后面;
  • 倒序則是時(shí)間晚排前,時(shí)間早的則排后。

這個(gè)在不同應(yīng)用形態(tài)的產(chǎn)品上會(huì)利用不同方式來處理,甚至還有形式中套形式應(yīng)用。

認(rèn)為應(yīng)該順序的觀點(diǎn)主要集中為:

論壇中有一個(gè)概念是“蓋樓”,評論如一層層的樓層。應(yīng)該早評論的排在前,后面的應(yīng)該在這基礎(chǔ)上加蓋上去。這樣方式有利于用戶搶沙發(fā)。從而也延伸出了“搶沙發(fā)”這個(gè)網(wǎng)絡(luò)現(xiàn)象。相當(dāng)時(shí)下比較熱的說法就是“搶頭條”。

認(rèn)為應(yīng)該倒序的觀點(diǎn)主要集中為:

  1. 采用倒序的方式,主要是避免每個(gè)用戶看到的論壇的評論都是固定的第一條,無任何改變。這樣不利于用戶去參與評論。
  2. 這樣能讓參與評論的用戶覺得有參與感。

到底有沒有什么依據(jù),可以判斷采用哪種方式來處理。更符合自身的產(chǎn)品使用場景。于是,對各類有涉及論壇模式的網(wǎng)站和APP進(jìn)行了踩點(diǎn)研究,踩點(diǎn)信息如下:

【綜合類社區(qū)】

  1. 百度貼吧:樓層和回復(fù)、順序
  2. 天涯論壇:樓層和回復(fù)、順序
  3. 貓撲:樓層和回復(fù)、順序
  4. 豆瓣:樓層、順序
  5. 網(wǎng)易論壇:樓層、順序

【社交類社區(qū)】

  1. QQ空間:動(dòng)態(tài)倒序、評論順序
  2. 微信朋友圈:動(dòng)態(tài)倒序、評論雖然沒有顯示具體時(shí)間,但在評論列表看是按照時(shí)間順序排列。
  3. 朋友網(wǎng):?動(dòng)態(tài)倒序、評論順序
  4. 人人網(wǎng):動(dòng)態(tài)倒序、評論順序

【興趣社交】

  1. 蟬游記:動(dòng)態(tài)倒序、評論倒序
  2. In:動(dòng)態(tài)倒序、評論倒序
  3. Lofter:動(dòng)態(tài)倒序、評論也是不顯示時(shí)間的,但也是排序展示

【知識社區(qū)】

  1. 知乎:評論內(nèi)的不是按照時(shí)間排列,其按照點(diǎn)贊的數(shù)量來排序
  2. 百度知道:回答內(nèi)容倒序排列

【博客類】

  1. 新浪博客:評論是順序
  2. 網(wǎng)易博客:評論是順序

【新聞?lì)悺?/strong>

  1. 網(wǎng)易新聞:熱門跟帖(根據(jù)贊的數(shù)目高的排前),最新跟帖:倒序
  2. 騰訊新聞:熱門評論(其不單純的依據(jù)贊的數(shù)量倒序排列,其有算法來處理),最新的評論:倒序
  3. 今日頭條:熱門評論(按贊的數(shù)量來倒序),最新評論:倒序

結(jié)論

弱關(guān)系類的app(如社區(qū)、論壇、博客、百度貼吧),大多采用順序方式排序;

強(qiáng)關(guān)系類的app(QQ空間、微信朋友圈、人人網(wǎng)),都使用順序的方式排序;

知識社區(qū)的排序方式就比較的復(fù)雜啦,涉及到一系列的算法

泛化關(guān)系類的app(如資訊、新聞),大多采用倒敘方式排序。這類的產(chǎn)品里面通常有設(shè)置熱門的評論/跟帖放置在文章/帖子末尾,該部分的內(nèi)容主要作用是吸引用戶的同時(shí),更鼓勵(lì)用戶去發(fā)表優(yōu)質(zhì)評論/跟帖,激發(fā)用戶去霸占該榜單的潛能。

 

本文由 @NICK WANG 原創(chuàng)投稿,并經(jīng)人人都是產(chǎn)品經(jīng)理編輯。未經(jīng)許可,禁止轉(zhuǎn)載。

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 對很多產(chǎn)品的排序還沒有深入的去做研究,誰告訴你今日頭條的評論排序是按照贊數(shù)的?今日頭條的評論排序是要比Reddit的排序算法更復(fù)雜的啊…豆瓣也早就用贊數(shù)來做排序而不是蓋樓了啊…總結(jié)的很好,但是選擇例子不要不去實(shí)踐就寫啊。

    來自北京 回復(fù)
  2. 今日頭條的是怎么回事 為什么我的點(diǎn)贊比別人多 比別人先評 后來還在別人下面

    來自湖北 回復(fù)
  3. 之前也考慮過這個(gè)問題,觀察的結(jié)果與LZ一致,但結(jié)論不同,我倒不是覺得因?yàn)樯缃魂P(guān)系的強(qiáng)弱影響評論如何排序,而是從內(nèi)容的本質(zhì)結(jié)合場景來決定如何排序的。
    如論壇和貼吧,很多帖子本質(zhì)是發(fā)起一個(gè)討論,LZ只是拋出一個(gè)引子,下面回復(fù)與主樓共同組成了整個(gè)帖子的內(nèi)容,討論是要保持時(shí)間連貫性的(一斷就會(huì)沉貼),一個(gè)帖子開始到最后可能風(fēng)向意見會(huì)發(fā)生很大改變,所以順序下來是個(gè)很自然的過程。QQ空間,朋友圈也是這種,我們發(fā)布狀態(tài)的動(dòng)機(jī)常常是期待跟人互動(dòng),而非表達(dá)自己意見。
    但像新聞和大段的作者文章,主體是文章本身,評論是對文章的看法,評論可以是零散的發(fā)布的時(shí)間也不需要連貫性,每條評論和文章互動(dòng),但和其他評論可能關(guān)系不大,所以倒敘可以看到更新的評論是更適合的。微博是這樣,因?yàn)槲⒉┲皇菙帱c(diǎn)而已,本質(zhì)也是表達(dá)自我吧。

    來自浙江 回復(fù)
    1. 贊同內(nèi)容場景這樣的觀點(diǎn)。作者是由一些現(xiàn)象經(jīng)由分類、倒推的結(jié)論,如果不深究,就變成了“強(qiáng)/弱社交關(guān)系“這樣較為淺層的結(jié)論。其實(shí),順著“強(qiáng)/弱社交”這樣點(diǎn)繼續(xù)分析,與社交關(guān)系相伴的是信息內(nèi)容,二者有些雞生蛋蛋生雞的意味。一類是從內(nèi)容為基礎(chǔ)進(jìn)而產(chǎn)生的基于內(nèi)容的社交關(guān)系,一類是以社交關(guān)系為基礎(chǔ)進(jìn)而產(chǎn)生的基于社交關(guān)系的內(nèi)容。結(jié)合具體產(chǎn)品,前者如網(wǎng)易新聞、蟬游記等,內(nèi)容為主體,用戶的評論更多是針對內(nèi)容主體的,因此要采用倒序方式(最新評論)+精華評論等方式引導(dǎo)更多用戶參與;而后者如朋友圈等,評論本身往往成為主體,因此采用順序的組織方式更便于后加入者理解。所以作者提出的評論排序方式應(yīng)該帶入到社交氛圍和具體場景中去分析。

      來自北京 回復(fù)
  4. 怎么收藏文章?

    來自天津 回復(fù)
    1. 文章底部,微博圖標(biāo)旁邊的五星圖標(biāo)即為收藏!

      來自福建 回復(fù)
  5. 知乎評論是按照時(shí)間順序排得

    來自廣東 回復(fù)
    1. 評論沒有按時(shí)間排啊。他有算法在里面啊。認(rèn)同數(shù)量多的排前啊。

      來自福建 回復(fù)
    2. 我理解了一下,你說的“評論”是知乎某個(gè)問題的回答,是有算法排序的,但那不叫評論,叫回答。
      每個(gè)回答下的評論是按時(shí)間順序排列的。

      來自北京 回復(fù)
专题
15136人已学习13篇文章
在产品的运营过程中,无论是产品、运营还是市场团队,都希望能清晰地了解用户的行为路径,通过用户行为分析,优化用户体验,实现更精准的运营和营销。
专题
36507人已学习14篇文章
订单系统是看似简单,实际上是一个逻辑复杂的系统。
专题
126942人已学习33篇文章
小程序时代,产品经理和运营人员该如何拥抱这种变化?
专题
37877人已学习22篇文章
复盘是产品经理和运营人提高自身竞争力的不二法门。
专题
35990人已学习18篇文章
好的数据分析可以使我们的产品不断优化,而做好数据分析的第一步就是做好数据埋点。