這是一個(gè)尷尬的時(shí)代，有人說。我們正在由信息爆炸的 Web2.0 走向信息收斂的 Web3.0 時(shí)代，在這一時(shí)代，整個(gè)互聯(lián)網(wǎng)的信息仍然在快速增長，但是對(duì)于個(gè)人而言，獲取所需的信息會(huì)更快速準(zhǔn)確，即對(duì)個(gè)體而言，信息則是收斂的。同時(shí)，在這個(gè)時(shí)代，我們閱讀的目光也因?yàn)橐苿?dòng)設(shè)備大肆出現(xiàn)，逐漸由傳統(tǒng)電腦屏幕轉(zhuǎn)向了移動(dòng)設(shè)備屏幕上，那么在這個(gè)時(shí)候我們究竟需要什么樣的閱讀呢？

　　從 Web1.0 到 Web2.0

　　如果說 Web1.0 是一個(gè)內(nèi)容匱乏的時(shí)代的話（需要編輯或者專業(yè)人士來建設(shè)互聯(lián)網(wǎng)內(nèi)容），那么 Web2.0 就是一個(gè)信息爆炸的時(shí)代，各種 UGC 形式的涌現(xiàn)讓所有人都成為了內(nèi)容的創(chuàng)造者，專業(yè)編輯逐漸被邊緣化。而隨著互聯(lián)網(wǎng)的信息的飛速膨脹，在標(biāo)榜著多人貢獻(xiàn)的 Web2.0 時(shí)代，另一個(gè)問題出現(xiàn)了：信息過多導(dǎo)致了信息重復(fù)和信息過載。所謂的過載，其實(shí)是無法篩選信息而造成有價(jià)值的信息減少，接收到的大多信息都是無意義或價(jià)值低的。這一點(diǎn)在以前的 Web1.0 是幾乎不存在的，因?yàn)槌�了信息量比較少外，在 Web1.0 時(shí)代，由編輯或?qū)�業(yè)人士審核把關(guān)的內(nèi)容其實(shí)是一層過濾，信息的生產(chǎn)和流通遵循著“先過濾后發(fā)布”原則， 而在 Web2.0 時(shí)代，確是“先發(fā)布后過濾”，而這個(gè)過濾到機(jī)制從從最早的 RSS 訂閱模式到稍后的 Digg 等根據(jù)熱度和時(shí)間進(jìn)行的聚合網(wǎng)站，逐漸發(fā)展到現(xiàn)在的以社會(huì)化推薦和個(gè)性化推薦為主的模式，它們都一直沒有很好的消除掉信息過載的問題。

　　當(dāng)下主流閱讀模式

　　以好友推薦為主的社會(huì)化推薦（Social Graphs）

　　以 Flipboard 為代表，它通過分析用戶在社交網(wǎng)絡(luò)，包括像 Facebook、人人網(wǎng)等社交網(wǎng)站以及 Twitter、新浪微博等微博服務(wù)等上面的好友的信息作為信息源，直接抓取某些鏈接背后的文章或圖片后重新編整組織，再以新版面呈現(xiàn)出來。因?yàn)?SNS 是基于親朋好友和自己可能會(huì)有共同興趣或共同關(guān)注的好友，因此這些內(nèi)容的相關(guān)度會(huì)較高，也更貼近個(gè)人興趣。

　　以算法推薦為主的個(gè)性化推薦（Interest Graphs）

　　以 Zite 為代表，它通過分析用戶對(duì)不同來源/不同主題的信息進(jìn)行的收藏/轉(zhuǎn)發(fā)/忽略/屏蔽等行為數(shù)據(jù)來計(jì)算出用戶的喜好， 對(duì)用戶的社交關(guān)注/新聞?dòng)嗛喌瘸醮魏Y選的數(shù)據(jù)進(jìn)行再次篩選， 為用戶推薦相關(guān)度更高的信息。

　　主流閱讀模式的缺點(diǎn)

　　SNS 和基于 SNS 的信息源不適合閱讀

　　基于社交網(wǎng)絡(luò)的推薦是不靠譜的，除了好友數(shù)量不會(huì)太多造成信息面較窄外，將社交網(wǎng)絡(luò)信息流作為閱讀信息源從本質(zhì)上也是值得商榷的。因?yàn)楹芏嗳似鋵?shí)已經(jīng)被 SNS 這個(gè)群體性的平臺(tái)所腐蝕，就像勒龐的《烏合之眾》所說的那樣，”群體不善推理，卻急于行動(dòng)”，個(gè)人在融入群體性的微博后情感和思想會(huì)轉(zhuǎn)向群體所有的公共方向，更加容易沖動(dòng)、易變、輕信、急躁、偏執(zhí)、專橫、感性、極端化、不允許懷疑和不確定存在，好比生物的低等狀態(tài)。這與組成群體的個(gè)體素質(zhì)無關(guān)，這時(shí)候其決定作用的是本能和情感，是一種“無意識(shí)”的層面，而不是理性。

　　因此很多情況下，你所看到的信息都是被左右過的，尤其以微博為甚的 SNS 大染缸，很多信息進(jìn)去后經(jīng)過在被暗示和放大后的各種評(píng)論、轉(zhuǎn)發(fā)、修改、再轉(zhuǎn)發(fā)后會(huì)變得肢解、曲解，甚至?xí)�因�(yàn)槿笔Ш蛿嗾氯×x變成謠言。任何力量的過度放大，都會(huì)模糊背后的真實(shí)，因此我們需要更多冷靜、理智和客觀的信息，而不是這種無法保證被左右過的信息源。

　　推薦算法是萬能的嗎？

　　或者你會(huì)說，我們還有算法，聯(lián)想到未來可能會(huì)到來的基于語義搜索、數(shù)據(jù)挖掘和智能匹配的 Web3.0 完全個(gè)性化時(shí)代，很多人也都看好它。誠然現(xiàn)在和未來的趨勢(shì)都是以算法推薦為主的，但是在當(dāng)下，算法并不是萬能的。例如國內(nèi)以優(yōu)質(zhì)算法著稱的豆瓣，絕大部分上充當(dāng)推薦角色的還是你的友鄰，而不是經(jīng)常不靠譜的豆瓣猜。當(dāng)下算法還不能完全承擔(dān)起推薦的重任，畢竟算法是死的，很多時(shí)候一點(diǎn)點(diǎn)意外就會(huì)造成嚴(yán)重的匹配偏移。例如現(xiàn)在的閱讀應(yīng)用都是需要個(gè)人用里面提供的“源”或自定義的“源”來聚合后才能形成個(gè)性化定制的信息“流”，在這種以算法為主的篩選過程，單個(gè)及多個(gè)應(yīng)用內(nèi)的重復(fù)“源”讓定制的難度增大，需要磨合的時(shí)間變長，一旦你的興趣產(chǎn)生一點(diǎn)變化，這個(gè)偶然的打斷會(huì)使得過濾機(jī)制出現(xiàn)紕漏，因?yàn)樗惴ㄟ�沒有智能到可以識(shí)別一些例外。

　　社會(huì)化/個(gè)性化閱讀的問題

　　其實(shí)在現(xiàn)在，幾乎所有的閱讀應(yīng)用中關(guān)于社會(huì)化閱讀和個(gè)性化閱讀兩者都兼有，像鮮果、Zaker、網(wǎng)易閱讀等，沒有太多的差異化。誠然，這些應(yīng)用中完備的使用偏好設(shè)置，可以給用戶帶來個(gè)人定制化的良好體驗(yàn)。但是它依舊會(huì)造成信息重復(fù)、降低信息質(zhì)量、產(chǎn)生回音室效應(yīng)并使得意外發(fā)現(xiàn)的內(nèi)容減少。

　　1. 造成了信息重復(fù)

　　在當(dāng)下的閱讀應(yīng)用里除了社會(huì)化和個(gè)性化閱讀模式外，還包含了 Google Reader RSS 閱讀 和 Read it Later（Pocket）稍后閱讀等功能，部分甚至把傳統(tǒng)閱讀應(yīng)用的書城模式都添加了進(jìn)來。一鍋燴的后果是造成了很多信息重復(fù)，此外很多頻道的內(nèi)容也是各種重復(fù)，這種重復(fù)不僅是浪費(fèi)了時(shí)間和精力，它還會(huì)造成一定程度上的信息焦慮煩躁等。

　　2. 降低了信息質(zhì)量

　　與 Web2.0 網(wǎng)站類似，很多閱讀應(yīng)用在抓技術(shù)，抓產(chǎn)品，抓市場(chǎng)的同時(shí)卻忽略了內(nèi)容本身，或者說是保證了內(nèi)容數(shù)量，忽視了內(nèi)容質(zhì)量。要知道真正吸引用戶永遠(yuǎn)是 80-20 準(zhǔn)則里的那 20％ 的內(nèi)容。無論是信息還是科技，我們所要永遠(yuǎn)都是那一小撮高品質(zhì)的東西，而不是沉浸在全盤的大雜燴中。

　　3. 未消除信息過載

　　信息過載的究其原因是過濾機(jī)制不合理，那么基于社會(huì)化分享和個(gè)性化定制的過濾機(jī)制能否消除信息過載呢？不能，現(xiàn)在的你隨便打開一個(gè)應(yīng)用肯定還是滿眼的頻道，很多關(guān)鍵字聚合也是從一些頻道里直接機(jī)器全盤抓取的，至于像數(shù)碼、科技、互聯(lián)網(wǎng)這樣的分類不準(zhǔn)確的重復(fù)頻道聚合更是常見，此外從新浪微博等社交網(wǎng)絡(luò)里獲得信息更是經(jīng)常與前面的信息所重復(fù)，可以說當(dāng)下的閱讀應(yīng)用對(duì)消除信息過載的幫助并不是很大。

　　4. 產(chǎn)生回音室效應(yīng)

　　這樣的個(gè)性化和定制化工具存在風(fēng)險(xiǎn)，因?yàn)樗鼈儠?huì)產(chǎn)生回音室（echo chamber）的效果，即我們只讀我們想要閱讀的東西，因此只會(huì)聽到我們想聽到的討論。信息或想法在一個(gè)封閉的小圈子里一直得到加強(qiáng)，自我的意識(shí)會(huì)減少。這種算法主導(dǎo)的過濾會(huì)減少我們擴(kuò)展視野的內(nèi)容，導(dǎo)致你自己生活在一個(gè)封閉的圈子里，想著你所想的永遠(yuǎn)都是正確的。例如只生活在新聞聯(lián)播、環(huán)球時(shí)報(bào)、參考消息里的人他們所看到的永遠(yuǎn)都是那么幾條新聞。

　　5. 意外發(fā)現(xiàn)的減少

　　在日常閱讀中我們經(jīng)常會(huì)有一些我們沒有預(yù)料到會(huì)出現(xiàn)的信息，我們稱之為“意外發(fā)現(xiàn)”，這種意外發(fā)現(xiàn)的內(nèi)容很多時(shí)候給我們的印象更深意義更大。而以算法為主的推薦在“意外發(fā)現(xiàn)”要弱于以人為主的內(nèi)容生成（意外與算法暫時(shí)是有沖突的），長此以往，我們的信息接觸面可能會(huì)日漸狹窄、同質(zhì)化，從而失去了發(fā)現(xiàn)帶給我們靈感和驚喜的新信息的機(jī)會(huì)。此外，對(duì)于個(gè)人興趣范圍的擴(kuò)展也是相當(dāng)不利。

　　從電商導(dǎo)購我們可以學(xué)到什么？

　　那么當(dāng)下這種閱讀模式應(yīng)當(dāng)如何改進(jìn)呢？其實(shí)可以從時(shí)下最熱的電商上學(xué)習(xí)。近來我們可以看到在電商導(dǎo)購領(lǐng)域，編輯精選的實(shí)例越來越多，包括以雜志思維做導(dǎo)購的果庫、走 PGC 專業(yè)生產(chǎn)內(nèi)容的 LC 風(fēng)格網(wǎng)、依舊是以編輯主導(dǎo)的逛，即使走用戶生產(chǎn)內(nèi)容的美麗說和蘑菇街在最后一步也是通過人工編輯的方式來挑選出最終的商品。就像果庫聯(lián)合創(chuàng)始人廖錦有所說的那樣“在資訊泛濫的現(xiàn)在，編輯力的作用是一定會(huì)放大的，我們相信內(nèi)容的力量�！�

　　其實(shí)在閱讀里面也應(yīng)該有更多的像電商導(dǎo)購那樣的編輯精選，因?yàn)閺谋举|(zhì)上說你想閱讀的信息或文章和你想購買的商品是等同的。例如東西網(wǎng)新版，其目的就很明確，想在信息過剩的時(shí)代重歸“精品閱讀”。在當(dāng)下這個(gè)信息過裕的時(shí)代，如果沒有這種精品篩選的話，我們的閱讀會(huì)比以前信息匱乏時(shí)代更加難以進(jìn)行。

　　信息提供者如何進(jìn)行精選？

　　1. 增大專業(yè)編輯人員進(jìn)行更多的人工精選；

　　2. 增大人工精選所占比例；

　　3. 改進(jìn)機(jī)器篩選算法，將部分信息站點(diǎn)的全站源抓取改為對(duì)應(yīng)某單一高質(zhì)量作者源抓取。

　　新時(shí)代的編輯力

　　整體來說就是現(xiàn)在的移動(dòng)閱讀應(yīng)用除了社交化、個(gè)性化還應(yīng)該更多提升編輯力，一些頻道應(yīng)該以人工審核文章為主，而不是簡單的 RSS 站點(diǎn)抓取聚合或籠統(tǒng)泛濫的關(guān)鍵字篩選，就像@范懌Ryan 說所的一個(gè)信息站點(diǎn)輸出的不應(yīng)該是品牌而是以文章為主，以作者為主，應(yīng)該是一張紙一張紙的去消費(fèi)的內(nèi)容。聚合不應(yīng)以機(jī)器為主，而以人工為主，因?yàn)樗惴ㄔ诰�選這方面的暫時(shí)還是遠(yuǎn)遠(yuǎn)與專業(yè)的人工相比的。這種由編輯主導(dǎo)的自上而下的推薦模式是可以迎合占多數(shù)普通用戶的胃口的，而剩下的少數(shù)用戶依舊可以利用原有的個(gè)性化過濾機(jī)制來滿足其需求。

　　這種回歸 Web1.0 的編輯精選并不是逆潮流，在當(dāng)下信息泛濫的時(shí)代，尤其在語義網(wǎng)絡(luò)和算法根本達(dá)不到人們所需要的時(shí)候，這種最傳統(tǒng)的回歸就尤為重要。而最近的東西網(wǎng)新版、讀書馬上、每日一問和悅讀 FM 等類似的精選閱讀網(wǎng)站和應(yīng)用的出現(xiàn)似乎在印證著這一模式。未來相信類似的垂直網(wǎng)站和應(yīng)用會(huì)出現(xiàn)更多。

　　來源：極客公園，原文鏈接。