筛子：筛选推荐策略（用户自己也有筛选过程）

信息：不太好概括（会很系统的列出）

人：对用户的一些分类研究

先贴一句罗素的话：

不管你是在研究什么事物，还是在思考任何观点，只问你自己：事实是什么，以及这些事实所证实的真理是什么。永远不要让自己被自己所更愿意相信的、或者认为人们相信了，会对社会更加有益的东西所影响。只是单单地去审视，什么才是事实。

主观因素总会插入对数据的获取以及对数据的分析上，每个人都或多或少会这样，希望能极力避免。

下面的用户数据都是我自己在soul上测来的，每个数据的人数都会上百，所以与真实数据相差无几：

前100天的四段分别是0-10天（共10天），11-30（20）,31-60（30）,60-100（40）。

假定每月新来的用户是变化不大的(除非每月新来的保持较大加速度)：

前100天会流失很多（流失的都是哪几类人，哪一些原因？）

后面流失会放缓（到底为什么？）

（蓝色为文字；橙色为图片；灰色为人照）

与直觉不同的是：

图片的互动率居然没有纯文字高；

男性更爱发图片，双方发文字比例一致。

没互动：只有赞：有评论≈1 : 2 : 2。（以为没互动的很多）

先说明app里男性数量应该是高于女性的，然后可预先想想：

100个动态里，，男女几几分？

男性女性动态的互动情况分别怎样？

（柱状图：蓝色为男，橙色为女； 圆饼图：蓝色没互动、橙色只有赞、灰色有评论 ）

一些结论：

最新动态的互动率还是挺高的：这的确是一个去中心化的地方；有评论的分从1评到多评，多评的挺多：又有些许中心化的倾向；

事实：总女比总男少很多(应该是的)，而发的动态却又比男多；真理：女比男更愿意当渔翁（发动态是为了被回应）；

事实：女性虽然动态多，但其中被回复的比例也更大；真理：女的确比男在渔翁方面更优秀。

那么，双方钓上来的鱼儿就是异性吗？

（左图：蓝色代表动态数（第一个蓝是总的，第二个蓝是男动态），橙色代表男性评论，灰色代表女性评论；右图：是系统推荐动态里男女比，令我不解的是为什么同性占比会这么高？）

一些结论：

基本都是异性之间互动，但男性动态下男性比例较高，为什么？猜测是中心化原因)

男性去男性的不太多，但女性去女性的更是少，为什么？

个人疑问：

交友产品为什么明显的主要是异性之间互动？

声称交友的人，有了对象还会来交友吗？(不来的话是交流的需求满足了？还是避嫌?)

真正交友的有多少？交友的系统匹配机制是不是可以和找对象的机制一样？

上图为：2017.11-2019.10，网民搜索soul的频率变化（可代表下载数？）

上图为：2017.11-2019.10，关于soul的资讯热度（可代表营销推广？）

数据常常与预想的有很大不同，要找出真实的数据，并分析出真实的原因；

陌生人交友其实更偏向于陌生人找对象。

筛子包含两种，一种是系统的匹配机制，一种是用户自己的筛选。前者往往在最相遇时发生，然后用户再自己深入了解筛选人。（系统筛选可不可以在后半程也出现？）

筛子是两个陌生人从相遇到成为好朋友或者恋人之间必然存在的东西，且存在好几道筛子，只有完全通过的人，最终才能成为你的熟人。

（歪歪斜斜的细线表示筛子在不同路径下属于排名也稍有不同）

注解：

深蓝块代表在这一步碰到的所有人，浅蓝块代表上一步没能到这一步的人，与自己分道扬镳的人。

带箭头的曲线表示每一步的淡蓝块都要从头进入下一个人的筛选。（筛选其实是相互的）

这图就是用户路径图，或说漏斗分析。筛子可以说就是节点，不过有些节点在用户身上。

对比线上与线下：

线上横着看更宽(中上部更大)，代表可认识的陌生人更多

线上竖着看更短，代表两个人之间能连接的时间更短

线上的中部淡蓝块更宽，因为线上社交带有明显的目的，而线下是自然的社交，且线下不会轻易屏蔽人。

问题来了：为什么线上可以碰到那么多异性，但依然比线下更少的找到对象呢？

这个问题应该就是指引产品优化的方向。这个问题很复杂，很关键。可以说：对这个问题解答的水平代表着你的薪资水平。（你能为用户解决多少程度的难处）

（1）深、淡蓝块：

每一层里深蓝块与淡蓝块差别在哪里？各自的里面也分为不同情况，这些差别都是什么？

（2）筛子：

每一个筛子都不同，如何根据它下面的蓝块改造？

a.筛子的失败有两方面

让错误的通过了

让正确的淘汰了

b.筛子的成功有两方面

让正确的通过了

让错误的淘汰了

（3）总结

深蓝块里有一部分应该在浅蓝；浅蓝块里也有一部分应该在深蓝。

让合适的人能够走到一起。

是不是过于在意合适了？每个人合适的人很多很多？等等欢迎讨论。

系统自动筛选：星球-灵魂匹配机制是什么？(语音、脸基尼呢)；广场-推荐动态机制是什么？

用户人工筛选：广场-关键词搜索；广场-通知里的互动内容；广场-动态内容；人的主页内容(置顶功能)

两个问题：

成功的推荐算法都是在中心化的产品里？

人为什么这么多不同：不同性格，不同爱好，不同观念？