拒絕大V“念經”，看「Ta在」如何打破信息繭房

不只是大V，從社交圈被垃圾信息淹沒開始，人們已經與高效、體面的網絡社交生活失之交臂。深夜毒雞湯散布者、刷屏微商、曬娃寶媽等各路角色齊上陣，幾乎“侵占”了你的社交圈。

傳統基于人際關系的SNS體系(社交網絡服務)，正在成為低效社交的“幫兇”。不過最近有一款社會化媒體應用獨樹一幟——「Ta在」通過打造知識共享平臺，正在重新為普通人的社交網絡注入活力。

從人的社交到知識社交

在SNS時代，社交媒體的底層邏輯還是打通網絡空間的人際關系。這種模式信息傳播范圍廣、影響力大，但知識屬性不免被邊緣化。

傳播和社交的這一矛盾，在知識共享的時代，雖顯得不合時宜，卻無力從根本上進行改變。

一方面，并非社交圈內的每個人都有義務傳播“干貨”，供圈內好友品評;另一方面，讓社交圈內的所有發言都符合某個人的興趣偏好，也太過強人所難。

因此長期以來，SNS社交媒體大行其道，而個體分享知識和智慧的需求卻一直被忽略——當社交應用紛紛陷入爭奪用戶時間的混戰中時，基于共同興趣的知識社交領域尚存在大片空白，發現這一生存空隙的企業或能后來居上。

值得一提的是，“社交+”這一概念風頭正盛。QuestMobile最新發布的報告顯示，截止2019年4月，我國移動社交行業用戶規模突破11億，已然是用戶剛需。

除垂直社交媒體外，“社交+”也成為綜合性平臺實現場景落地、競相追逐的風口。

憑借知識共享落地社交功能，「Ta在」也是這一趨勢的弄潮兒。由演化群體智能算法(ECI算法)驅動，「Ta在」以KNS(知識關系服務)為架構，試圖打造一個高度智能化的知識共享平臺，一改過去物理社交的概念，讓用戶可以借助知識尋找“圈內人”。

這一知識共享概念，與百年前尼古拉·特斯拉關于人類群體智能的暢想不謀而合。在他的構想中，人類可以和動物發揮群體智能效應一樣，將全人類的頭腦連接，使地球組成一個大腦。

1982年，彼得·羅素將這一構想完善，將其描繪為一個連接全人類大腦的智能系統，并命名為“全球腦”。如今這一宏偉概念的落地，自然也離不開「Ta在」這樣的知識共享平臺。

在微觀層面，「Ta在」對個體用戶也頗為友好——既是知識分享平臺，又能憑借智能算法篩選出志趣相投的朋友，擺脫低效社交。

打破信息繭房

當下已是信息爆炸、知識冗余的時代，在擺脫低效社交之余，如何在固定時間里最大程度獲取有效信息，既是個人必備能力，也是時下知識共享平臺競爭的關鍵。

以獲取信息途徑的不同，可以將知識共享平臺分為知識系統型、搜索系統型和推薦系統型。

知識系統型多為知識百科，如維基百科等，通常利用條目式系統來創建和維護詞條;搜索系統更多時候表現為搜索引擎，如必應搜索，用戶通過搜索關鍵詞和內容進行匹配;推薦系統則是當下最常見的內容分發平臺，如今日頭條、一點資訊等，依靠智能算法、根據用戶興趣愛好進行內容推薦。

然而，這些常見平臺都存在致命缺陷。比如知識系統平臺條目維護工作繁瑣，且有限詞條無法覆蓋無限的知識點;搜索系統若關鍵詞和內容匹配程度不夠，則直接會影響搜索結果的準確性;推薦系統雖然基于用戶興趣，但缺乏完整的知識體系，因此推薦內容質量普遍不高。

更重要的是，在這三種系統中，人和知識都是單向聯系，缺乏互動和對知識的有機連接，難以形成勢能。

「Ta在」則打破了這一瓶頸。平臺的ECI算法通過用戶行為抓取興趣愛好，既將每個用戶發布的內容精準傳送給感興趣的其他用戶，也能根據用戶提出的問題，連接統一屬性的內容進行推送，建立人和知識、知識和知識以及人與人之間的親密聯系。

當平臺用戶達到一定量級后，沉淀下來的知識也并非機械排列，而是可以通過知識點之間的有機結合，實現智能演化，形成能夠自換血的智能知識共享體系。

值得注意的是，傳統算法智能化水平有限，只會根據用戶已發布和瀏覽過的內容進行推薦，重復且低效，更容易導致信息繭房——即習慣性被興趣引導，被迫將信息生活禁錮在“繭房”內。

相比之下，基于ECI算法框架的知識共享平臺，以群體智能為核心、機器學習為輔助，融合了群體性評價體系和機器算法推薦的優勢。

簡而言之，ECI算法會不斷重復“用戶反饋-平臺調整”這一過程，且在功能反饋過程中，它并非通過個別用戶行為，而是基于群體判斷和用戶反饋來矯正系統，不斷迭代推送內容。隨著系統不斷演化，用戶會持續收到更加精準的內容推薦。

而這一推薦經過智能演化，將從根本上拒絕信息繭房。

“百科全書”的應用前景

信息繭房無處不在。曾經，知識分享平臺多是大V的天下，他們是目光和流量的聚焦之處。

但流量過于集中，也會對溝通造成阻礙。一個普通人和大V對某一話題存在共鳴，往往會因為大V更有話語權，而喪失了雙方平等對話的機會。

「Ta在」則希望通過弱化流量中心概念填平這道鴻溝。

「Ta在」產品中并未設置“關注”“查閱個人主頁”“給內容加標簽”等強社交屬性的功能。在這里，用戶基于共同興趣產生聯系，而每個人都隱藏在內容之后，因此能同時滿足興趣知識共享與個人隱私保護的需求。這無疑是當下知識共享領域的新嘗試。

這種嘗試對提高知識搜索效率也頗有益處。「Ta在」的ECI算法會不斷捕捉、分類用戶的互動行為信息，有序化人與知識，定位知識的復雜屬性，以此提高搜索定位的效率效能。

ECI算法還將在B端市場上大有作為。比如「Ta在」可以將智能算法接入規模化的內容平臺，演化出智能的KNS知識網絡，幫助提高此類平臺內容的精準傳播;還可以將智能算法接入電商平臺，通過預測消費趨勢和消費心理，促進潛意識消費，提高平臺產品轉化;在教育領域，ECI算法可以打造定制化教學方案，拒絕千篇一律的學習模式，提升學習效率。

過硬技術再搭配上基于興趣的龐大流量，顯然是其他平臺求而不得的變現實力。

一百年前，“全球腦”或許還是癡心妄想，現如今，「Ta在」正讓這一理想照進現實。

（免責聲明：以上內容為本網站傳播商業信息之目的進行轉載發布，不代表本網觀點，亦不代表本網站贊同其觀點或證實其內容的真實性。）

總結

以上是生活随笔為你收集整理的拒绝大V“念经”，看「Ta在」如何打破信息茧房的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。