图片来自站酷

前几天在馒头商学院上听了堂今日头条高级运营总监吴达的讲课。他提到了一个很有意思的观点：智能分发不是对社交分发的补充，而是替代。

也就是说，吴达认为最后智能分发会取代现下流行的社交分发。除了这个观点，他还提出了另外两个观点,分别是：1）.创作者迁移会晚于用户迁移（指从社交分发平台迁移至智能分发平台），但一定会发生，2）.社交时代信息传播方法论不同于智能时代。对这两个观点我都持赞成态度，但是对于智能分发将最终替代社交分发的言论我却不敢苟同。

在论述我的观点之前，我们先来看看什么是社交分发，什么又是智能分发。首先我们来看下信息传播形式的几次变革。

1.信息传播形式的变革

1.1 传统分发时代

“信息—编辑—受众”这种形式可以说是纸媒时代的典型代表了。报纸杂志等出版物，通过对信息的收集筛选过滤出他们认为有价值的信息，再通过编辑们整理最终向外部输出。

这种形式的优势在于：1.编辑这一群体帮我们过滤掉了很多无用的信息，让我们免受无效信息的干扰；2.编辑将有价值的信息进行提炼整理，以最适合人们接收的形式对外输出，帮助我们减轻了理解接收的难度。

但其劣势也显而易见：编辑更多的是凭借以往的经验以及纸媒本身的定位，选择对他们利益最大化的信息进行输出。那些被他们排除在外的信息中或许也有很多是我们希望了解的信息。这让我们获取信息的广度大大降低。

1.2 社交分发时代

社交分发也就是主要基于我们自身的社交关系圈进行信息分发的形式，微信公众号便是其中的典型。其基本的模式是“信息—受众——受众(N个)”。他通过受众的自行扩散进行信息的的分发，而且大家可以看到，这个模式中没有了“编辑”的专门定位。因为在这种模式下，可以说人人都是编辑，也就是我们当下所说的自媒体。通过社交平台，人人都可以收集编辑希望输出的信息将其对外扩散。这可以说是信息过滤权的第一次让度，由编辑让度给社交。

但社交分发有一个明显的局限性就是：我们在社交场合展现的行为并不完全是人们对信息的真实需求。通俗点的讲法就是：我们想看的内容往往不是我们愿意转发分享的。随着朋友圈好友数的日益增多，大家发布每条信息前是否都需要深思熟虑一番：考虑下自己发这条状态会给别人留下怎么的印象，每次的转发是不是都希望通过这条链接在别人心中树立起自己希望对外展示的形象。我想大部分人都会有这方面的考虑吧。而这种心理恰恰说明了通过社交所分发的信息的两个特性：信息价值性及分享价值性。

图片来自吴达《走出social，内容创业的未来》

信息存在的一个使命就是让更多的人所熟知了解。而通过上图我们可以明显看到，诸如个性化、重垂直的这几类信息以及广告推广（广告在朋友圈的传播除了微信官方的推送，大部分都是分享有奖的形式才得以被转发，即使是当下流行的软文广告，其读来或许有趣不反感，但若无相关利益依旧很难被受众转发），在社交分发中是处于不利的地位的。

以个性化和重垂直的信息为例，比如我作为一位互联网运营从业者，相关运营干货我读来确实颇有收获，但是我的朋友圈中却并非都是互联网人士，转发给他们看了也对他们意义不大，那我又何必要转。当然这也不是说我一定不会转，如果我的转发不是为了让更多人看到这篇文章的内容，那目的或许还能有一个——满足我本身的虚荣心，让大家觉得我很专业，树立起我希望对外展示的形象。但这种情况，即使转了大家也不会点进去看，好点的看下标题，点赞捧个场，或是点进去大致看一下讲什么，但基本不会再次进行传播。那么信息依旧无法传递给更多的人，其覆盖率依旧不过尔尔。

1.3 智能分发时代

那么既然对于这类高信息价值低分享价值的信息，无法通过社交渠道得到有效的分发。那么他们到底能不能通过其他方法将信息高效的传达的受众面前呢？当然有，那就是现已开始逐渐展露峥嵘的智能分发了。这可以说是信息过滤权的第二次让度，由社交让度给智能算法。

上文所说的社交分发的局限性如果我们从人的心理层面来看其实就是:“人人都有偷窥的欲望，但大部分人都不愿意被别人偷窥”。也就是说对于有些信息我更愿意自己躲在小黑屋里一个人偷偷地看，但却不愿意或者说不会意识到有必要和大家分享我正在看的信息。这是社交分发的局限性，智能分发所实现的就是绕过中间受众的分发直接将信息传递给目标用户。

图片来自吴达《走出social，内容创业的未来》

这个领域的典型代表，当之无愧就是将“智能推荐”作为自己主打特色的今日头条了。其通过用户以往的阅读习惯，针对性的对其定向推荐他感兴趣的相关内容。的确，这是一个很实用的模式。他避免了那些高价值的信息由于不具备分享属性而不被众人所知的情形。智能推荐所着眼的是用户真正在看的愿意去看的信息，也就是我们通常所讲的“嘴上说着不要，身体却很诚实嘛”。如果说社交分发，传播的是用户“嘴上”的信息，那么智能分发就是直接对准用户的“身体”需求。就连微信朋友圈，近期也推出了相关的智能推荐功能——朋友圈热文。

那么既然智能分发模式这么好，难道就真的如吴达所说它能够替代社交分发了吗？我觉得不然，吴达老师作为今日头条的高级运营总监，其出发点必然会为头条进行相关的背书，相对夸大智能分发的作用。斯认为，智能分发确实会是以后的一个大势，但其和社交分发的关系更多的是一种互相补充，而非替代。至少就目前的智能推荐发展模式来看，无法完全取代社交传播。

2.智能推荐算法的两种逻辑

目前的智能推荐算法可以分为两种逻辑：基于内容和基于用户。

2.1 基于内容的推荐算法

这种算法逻辑更多是基于单个用户，比如说我今天用今日头条看了个娱乐新闻，然后系统就认为我对娱乐新闻比较感兴趣，后期就会自动向我推荐更多的娱乐新闻。他推得越多，我点开的概率也就越大。那么时间一长我在今日头条的数据库里可能就被定义成我是一个只看娱乐新闻的人。这导致的直接结果就是：当有一天我想换个口味，看下科技类文章的时候，发现打开今日头条满屏都是娱乐新闻，不知科技文章何从找起。

有很朋友都跟我有类似的烦恼，他们发现头条推送的内容越来越趋于单一，信息源越来越狭窄。的确，今日头条一开始的推荐非常精准，我最初使用头条app 的时候，确实对相关的娱乐新闻感兴趣，但是人是会成长的，在成长过程中我们可能会需要接触了解其他更多的内容。而且人性的一大特点就是喜新厌旧，你每天给我推荐娱乐新闻，看多了真会觉得腻，这时候你给我推荐下其他内容岂不是很好？那么问题来了，他的数据库里只有我以往阅读过得内容习惯，对于新的内容它无从推荐，推荐错了反而影响用户体验，岂不是适得其反？这时候，就需要另一种算法逻辑：基于用户的推荐。

2.2基于用户的推荐逻辑

这种算法逻辑则是基于全平台同一属性的相关用户。比如A和B两人都喜欢看经济类新闻，但A除了经济新闻，还有看政治新闻的习惯。那么我们是否可以考虑给B也推荐相关的政治新闻呢？当然实际操作中，我们不可能仅仅凭借B和A都喜欢看经济类新闻，就断言B也同A一样会喜欢看政治类新闻。但思路是这么个思路，我们去寻找用户之间的共性，进而参考分析，给用户推荐其他相关的内容，丰富用户信息推荐源的同时保证这是用户感兴趣的内容。

但是这种基于用户的推荐逻辑其算法复杂程度远远高于基于内容的推荐。所以当下大部分的内容型a产品，其主要使用的还是基于内容推荐的算法逻辑。即使一直以“智能推荐”标榜的今日头条也不例外。由于技术不到位，目前的大部分产品这种过度参考用户阅读习惯进行智能推荐的模式，必然会导致用户获取的信息越来越单一化。

按当下的科技发展速度，我们有理由相信基于用户的推荐算法有朝一日必然能够成熟并投入使用，只是时间长短的问题。但是就算最终有了一款将内容推荐和用户推荐两套逻辑完美结合的产品，迎来了智能分发的黄金时代。个人觉得社交分发依旧不会退出历史的舞台。

3.社交分发独有的优势

3.1 社交是刚需

人生来便是群局动物，社交是我们的刚需。而社交必然伴随着个人品牌形象的树立，每个人都习惯给其他人打标签，知识渊博、靠谱、有品位、文艺诸如此类。虽说我们想看的内容和我们愿意分享的内容是有很大的差异的。但这也从侧面说明了，对于有助于个人形象树立的信息在社交分发中将具备无与伦比的优势。比如说“世界上90%的人都不知道的 ”、“你一定要知道的世界十大 *”这种非常俗气的微信爆款文章，有些人转发之前可能连文章都没仔细看，他们转发的目的也不是这么好心想让更多的人去扩展他们的知识面。我想他们再点击"发送"按钮的瞬间肯定有想过：你们看，我厉害吧，这些知识我都知道。

3.2 个人信用背书

信息的获取和信息的实践完全是两个概念。比如说，我在网上看到一则推荐某本书的信息，吹得天花乱坠说有多么的好看，多么的干货。但我不见得会去卖，因为现在网上信息太多，而其中又有相当大的一部分是虚假信息或是过分夸大的。而这也就导致了现在的信任成本越来越高，买本书可能要三思而后行，如果是保健品这种要吃进肚子的东西可能就是百思千思了。但是如果这则信息出现在我们的朋友圈中，是由我们的一个熟人分享的呢，那又会如何？我想这种情况下，如果当时我们正好有类似的需求，十有八九就会选择去买本看看吧。即使他什么都没说，只是转发了这个链接。当然前提是这个朋友在我们眼中的标签是学士渊博、有品位的。这个过程中，其实我们相信的已经不单单是信息本身了，而是朋友个人信用的背书，而且其在促使我们做出决策的过程中所起的作用远远大于信息本身。

而无论是社交属性、还是个人信用背书都是今日头条这类产品的智能分发模式难以具备的。或许其能有KOL背书，但我想熟人推荐的可信度在实际的日常生活中通常应该要远远高于所谓的KOL推荐吧。这也是为什么我认为智能分发的时代确实终将到来，但其不可能替代社交分发。而是以一种互相补充的关系，相互共存。

文／糖涩尔

关键字：业界动态, 市场

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！