2022-1-16 資深UI設(shè)計(jì)者
編輯導(dǎo)語：社交產(chǎn)品中存在著許多的信號(hào)與暗示，例如我們熟悉的“點(diǎn)贊”就是一個(gè)有趣而有價(jià)值的符號(hào)，它是社交產(chǎn)品信號(hào)的一種，往往能帶給我們積極暗示，本文圍繞我們在產(chǎn)品中所涉及的信號(hào)與其暗示的意義進(jìn)行探討，一起來看看吧。
“點(diǎn)贊”是互聯(lián)網(wǎng)近20年中最有意思也是最有價(jià)值的一個(gè)符號(hào)。
發(fā)明者是Bret Taylor在前不久被任命為 Twitter 董事長。他早期創(chuàng)辦了 FriendFeed，后被 Facebook 收購，2010 年 Bret Taylor 出任了 Facebook 的 CTO。
“點(diǎn)贊（Like Button）”被 Bret Taylor 從 FriendFeed 帶到 Facebook，并影響了全世界的互聯(lián)網(wǎng)產(chǎn)品。
“點(diǎn)贊”作為信號(hào)的一種，給了我們無限的啟發(fā)。這一篇文章將圍繞我們在產(chǎn)品中所涉及的信號(hào)與其暗示的意義進(jìn)行探討。
對(duì)于用戶來說，什么是信號(hào)？何又為噪音？
認(rèn)為對(duì)用戶有價(jià)值且可被識(shí)別的信息視為信號(hào)，對(duì)用戶無用、混淆且干擾用戶在平臺(tái)上做出正確判斷的信息被視為噪音。如今的互聯(lián)網(wǎng)時(shí)代，已經(jīng)讓用戶身邊充斥著各類信息，廣告、指標(biāo)、彈窗、字體、色彩等等都可以被看做是信號(hào)。用戶對(duì)這些信號(hào)進(jìn)行識(shí)別，然后再篩選。不過上述的信號(hào)也可能是噪音，因?yàn)橛脩舻男枨蟛皇秋@而易見的。
web1.0的時(shí)候，信息是平臺(tái)聚合起來的，用戶篩選平臺(tái)有效信號(hào)的效率并不高，或者說平臺(tái)的有效信號(hào)并不強(qiáng)；
web2.0的時(shí)候，平臺(tái)已經(jīng)開始感知用戶的行為，主動(dòng)先篩選一輪信息，然后再給推送用戶信號(hào)，效率大大提高。比如像微信公眾號(hào)的訂閱集合，以前是用戶主動(dòng)尋找公眾號(hào)，如今微信會(huì)主動(dòng)推薦適合用戶的公眾號(hào)。
俄勒岡大學(xué)心理教授 Paul Slovic 曾做過一項(xiàng)實(shí)驗(yàn)：一組專業(yè)的賽馬手聚集在一起，看看他們根據(jù)一些因素預(yù)測結(jié)果的能力有多強(qiáng)。一開始，他們只被允許選擇5條關(guān)于馬的關(guān)鍵信息，然后被要求做出預(yù)測。僅憑他們所知道的 5 個(gè)關(guān)鍵因素，他們就能在短時(shí)間里準(zhǔn)確預(yù)測，這遠(yuǎn)遠(yuǎn)超出了研究人員的預(yù)期。他們對(duì)自己的預(yù)測也有大約 20% 的信心。
隨著更多的信息被添加進(jìn)來，這項(xiàng)研究的關(guān)鍵部分出現(xiàn)了。每個(gè)賽馬手被允許挑選越來越多的數(shù)據(jù)。當(dāng)他們這樣做的時(shí)候，他們對(duì)自己預(yù)測的信心增加了，而他們的實(shí)際結(jié)果卻大致保持不變。
盡管知道了更多的信息，賽馬手的信心幾乎翻了一番，而實(shí)際結(jié)果的準(zhǔn)確性基本保持不變。
信息的過度疊加會(huì)產(chǎn)生更多的噪聲，導(dǎo)致有效信號(hào)的無效。在用戶沉浸在產(chǎn)品中的時(shí)候，就會(huì)出現(xiàn)這樣的問題。過量信息不但會(huì)干擾用戶發(fā)現(xiàn)有效信號(hào)，還有可能讓用戶因?yàn)椴荒馨l(fā)掘有效信號(hào)。用戶雖然看到了很多信號(hào)，找到自己目標(biāo)的信心增強(qiáng)，但是無效信號(hào)或噪音阻礙了用戶找到有效信息。
舉一個(gè)例子。進(jìn)入 1V1 社交產(chǎn)品，主動(dòng)打招呼的異性數(shù)量越來越多，用戶非常開心。因?yàn)樵诂F(xiàn)實(shí)生活中，99%的人從不會(huì)主動(dòng)過來打招呼。這種強(qiáng)烈的反差直接導(dǎo)致了平臺(tái)用戶對(duì)找到異性的自信心增加數(shù)倍，實(shí)際結(jié)果是，用戶很可能發(fā)現(xiàn)準(zhǔn)確的聊天對(duì)象，眼花撩亂，成為被洗掉的對(duì)象。
筆者認(rèn)為，信號(hào)釋放與烏鴉悖論之間有一個(gè)非常有趣的關(guān)系。我的另一個(gè)想法就是烏鴉悖論也算是信號(hào)釋放的一種。就像烏鴉悖論中提到的，當(dāng)你看到越來越多的黑烏鴉，你就越趨向于相信“所有烏鴉都是黑色的”假設(shè)。
所以在這種自然現(xiàn)象中，如果看到一只非黑烏鴉，則會(huì)推翻之前的假設(shè)。那么在社交平臺(tái)中，如此多的信號(hào)給到用戶面前，都默認(rèn)是“黑烏鴉”，如果平臺(tái)在這里放一只“白烏鴉”是否能給用戶另一種感覺，“這就是我要找的人”。
怎樣理解這個(gè)方案，我描述具體一個(gè)場景。假設(shè)A是男生，平臺(tái)安排了他與 10 個(gè)女生相親，女生之間顏值差距不大，相親約會(huì)的地點(diǎn)都在飯店。男生與前 9 個(gè)女生吃晚飯后，都是男生付款請客，而到了第 10 個(gè)，居然是女生花錢結(jié)賬請男生吃飯。那么在這個(gè)男生的腦海中，他對(duì)第 10 個(gè)女生的好感度會(huì)超過前面所有的女生，男生更愿意為追女生而付出。
這個(gè)現(xiàn)象也是對(duì)無效的習(xí)慣性社交方式的一種反推。
因此，我們更傾向于相信一個(gè)觀點(diǎn)就是“天下烏鴉不是一般黑。社交產(chǎn)品不是讓黑變白，也不是讓白變黑，而是利用有效信號(hào)讓用戶篩選出白烏鴉成本更低?！?
供給側(cè)以非常積極主動(dòng)的方式出現(xiàn)，會(huì)給到用戶極大的可得感。在產(chǎn)品功能層面提供能夠讓供給側(cè)發(fā)出信號(hào)的功能， 比如：互相關(guān)注、向用戶送禮物、向用戶展現(xiàn)聯(lián)系方式以示誠意等等。
在社交產(chǎn)品中，通過對(duì)流量的把控，給用戶釋放與其相匹配的聊天對(duì)象的流量是有可探討的邏輯在里面。因?yàn)槲覀冎拦┙o側(cè)的稀缺性，如果不能夠識(shí)別用戶的價(jià)值，或者不能判斷供給側(cè)的能力水平，很可能造成流量分配的浪費(fèi)。
提到心理暗示最著名的例子就是“望梅止渴”。事實(shí)上心理暗示往往在社交產(chǎn)品上會(huì)有更多的機(jī)會(huì)。
心理暗示與我們提到的《社交夢境植入理論》有異曲同工之妙：通過想象將某些意愿和思維灌注到用戶的潛意識(shí)中，并借此對(duì)用戶的行為產(chǎn)生深刻的影響。
那么如何讓用戶能夠產(chǎn)生心理暗示呢？
首先，用戶必須要有需求的狀態(tài)，同時(shí)用戶自己處于接受狀態(tài)；其次，平臺(tái)要一直學(xué)會(huì)跟用戶溝通，給予用戶足夠的“對(duì)話”；避免讓用戶產(chǎn)生厭倦的心態(tài)，暗示頻次要循序漸進(jìn)。
當(dāng)然，即便做到上述那些也不一定能讓用戶在社交平臺(tái)達(dá)到“望梅止渴”的境界，實(shí)際上還是讓用戶感受到，甚至體驗(yàn)到平臺(tái)是能夠解決真正的需求。
交流的比較廣泛，具體是要產(chǎn)品經(jīng)理自己體會(huì)。
有一本很經(jīng)典的書《男人來自金星，女人來自火星》有這樣一個(gè)觀點(diǎn)：男人和女人是完全不同的物種，來自不同的星球，“感同身受”未必適合于異性交往，所以很多場景，不能以自己的思路去推斷對(duì)方。愛情提倡“平等”，但是“平等”和“一致”是完全兩個(gè)概念。每個(gè)人在自己的角度去思考的時(shí)候就會(huì)經(jīng)常犯這個(gè)錯(cuò)誤。
文章來源：人人都是產(chǎn)品經(jīng)理 作者：社交產(chǎn)品筆記
分享此文一切功德，皆悉回向給文章原作者及眾讀者.
免責(zé)聲明：藍(lán)藍(lán)設(shè)計(jì)尊重原作者，文章的版權(quán)歸原作者。如涉及版權(quán)問題，請及時(shí)與我們?nèi)〉寐?lián)系，我們立即更正或刪除。
藍(lán)藍(lán)設(shè)計(jì)( tweetduck.com )是一家專注而深入的界面設(shè)計(jì)公司，為期望卓越的國內(nèi)外企業(yè)提供卓越的UI界面設(shè)計(jì)、BS界面設(shè)計(jì) 、 cs界面設(shè)計(jì) 、 ipad界面設(shè)計(jì) 、 包裝設(shè)計(jì) 、 圖標(biāo)定制 、 用戶體驗(yàn) 、交互設(shè)計(jì)、 網(wǎng)站建設(shè) 、平面設(shè)計(jì)服務(wù)
藍(lán)藍(lán)設(shè)計(jì)的小編 http://tweetduck.com