在近几年的中文互联网上,知乎是一个无法无视的存在。没有一个网站能像知乎这样,固然只有3000多万用户,阴碍力却无处不在;知乎已经毫无问题地成长为了内地最大的高品质知识问答社区,也沉淀了非常多高价值的技术内容。更重要的是,与此对应的,知乎正在覆盖或者说已经覆盖了内地最有价值和最高质量的技术人群。
知乎创办于2011年1月26日,产品形态相似于国外的Quora,已经从一个初期一个小众的极客社区成长为了拥有3000万注册用户的巨大社区,不仅如此,知乎的用户留存率也高达80%。
用户可能在门户、今天头条、微博、上看到的网络热门,但最后的定性结论都会百川汇海地回到知乎上,看看知乎上怎么说。热门的深度发掘、背后原因爆料、多角度解析都产生在知乎上。
披着问答网站的外衣,知乎把自己打造成了中文互联网上最大的综合商量社区。
我们看看知乎在发展过程中用了哪些增长黑客策略?
一、朋友圈小游戏推销
2014年11 月 17 日,知乎制作的小游戏《财务包子铺》上线后在朋友圈里疯传。它被知乎日报直接定义为软游戏,目标是推销知乎出的新书《金钱有术》。这是一个关于创业的小游戏,玩家以创业老板的地位,对自己的包子铺的日常经营做出决策。听上去没什么特别,不过不少玩过的人发明,嘿,还真有点意思。
游戏上线,三天后,《金钱有术》已经是亚马逊图书销售总榜冠军了,同时还是预售冠军、新书冠军、经济类冠军。这个成果也超出了知乎团队的预期没想到我们连肖秀荣考研书都打败了,真是个奇迹。
《财务包子铺》小游戏的营销功不可没。截至 20 日,在游戏里点击买入秘籍这一选项的独立用户数就有 55 万。
那么,这款小游戏是怎么做到的呢?
1 创意依托于用户内容
为什么是包子铺呢?在知乎的金融财务类疑问里,答覆者常会用包子铺来典型最底层的一家企业,环绕它进行一系列通俗浅易的辩白和演绎,将枯燥的财务疑问化为接地气的包子铺故事,久而久之形成了奇特的包子铺文化。《财务包子铺》小游戏正是脱胎于这系列答覆。(书和游戏都已得到知友授权。)
知乎市场部负责人透露,其实从书到游戏都是知乎用户全程介入进来的一个事件。首先是知乎过去两年活泼了一批金融、投资、财务底细的知友,已经发生了大批优质内容。然后知乎发明,更宽泛的用户对这些财务知识也有市场需求。但非财务底细的普通人,很难逾越一道技术门槛和心理障碍,情愿花钱买书去吸取财务知识。
我们在推销上还必要做好一个台阶或者说斜坡让非技术读者走过来。而《财务包子铺》小游戏,正式这样一个斜坡,把财务经营的理念、知识融于其中,让大家通过游戏知道自己在这方面的知识欠缺,从而发生买入意愿。
2 标题设计信息量大
但愿寓教于乐,那么题干结果要信息量大,又要有趣,万万不能草率了事。知乎市场部脑袋风暴了三天,之后又随时想出一些新创意:例如续命是要抉择知乎新书的,又硬又有趣;还有会计三张表,难倒了很多人,也容易形成流传,成为对会计第一课的根本知识的普及。
在游戏线路和框架已经搭建好的底层上,又花了三天时间写文案,润色所有题干和结果。
3 病毒流传点:多种脑洞结果
这个游戏的一大乐趣在于试探各种脑洞大开的结(死)局(法)。知乎设计了 90 多种结果,30 多幅配图,许多人会反复刷,直到刷出 10 种以上结果。
4 软广植入点不招人烦
软游戏软在哪里呢?游戏中专门设计了机制,比如用户假如决策失误,就会收到破产警告,需要抉择一本救命书当然就是这本《金钱有术》。续命之后可以继续游戏,让玩家对新书留下了初步印象,又不会中断游戏。
假如终极还是不幸破产,会有通关秘籍选项,这时才会将用户导入《金钱有术》亚马逊买入页面。
二、设计启发用户活泼度的社交元素跟荣誉体系挂钩
知乎团队在启发用户活泼度方面的诸多尝试,比如将人作为主要的流传节点,比如早在2012年4月就在个人主页参加了许多社交元素:个人资料新增职业经验、居住地、教育经验、善于技巧,会显示用户牟取的赞成和感激数。结算起来就是一方面引入了社会地位,一方面建立了知乎站内的荣誉体系。
知乎上的个人品牌和技术声望不是来自于职场中的profile和任务经历,而是用户通过答覆疑问、通过用户(不仅仅是业内人士)的点赞树立起来的。这是一套和传统职场彻底差异的评价体系
这种基于连续答覆疑问不断为人所熟悉的社交方式,在所有的社交网站中无疑是门槛最高的。在知乎打造个人地位、品牌的超高门槛使得社区内涌现出了少数孜孜耕耘的达人。也功劳了大批高质量内容。
三、基于数据,发掘用户嗜好
知乎上拥有大批的用户行为数据,这些行为也分轻重,差异的行为,会用尽用户差异的时间,用户对该事件的关注度也能够体现出来。此外,知乎上还有大批的文本信息,基于这些信息,知乎对于用户的嗜好点、善于的领域的发掘会更精确。
用户在知乎上的行为是多维度的;既包括对照轻的阅读浏览,又包括重一些的赞成、反对,还有更重的提问答覆(这里的重和轻是依据用户操纵成本来界定的)。知乎可以依据这些行为做用户的特性解析,基于各自差异的服务特色,所要解析的特性、使用的算法及其功效各有差异。基于行为和文本,知乎对用户的嗜好和善于能有更精确的辨别。
四、每周千亿次权重计算,分享用户技术度
现实社会中,人们对于某些领域的知识把握会很深入,但个人精神有限,没有人能够全知到成为所有领域的专家。这种场合被映射到知乎上,即差异的用户在差异的话题领域下,他们的技术性是差异的。为了把握这种差异,知乎给每个人,在每个话题下计算一个权重。计算的分值主要根据用户在知乎上的答覆。当然,这里也会参加一些其他考量因素,包括其他技术人士对该用户的背书,用户的技术底细等。
这是知乎非常底层的数据设施,但这个数值计算的量级较大(100万答覆用户10万话题=千亿级别的数目计算),知乎对于权重判定每周都会进行全量的计算,也一直在调换优化中。
五、不断对答案排序算法优化,让高质量的问答更容易牟取关注
知乎对答案排序算法进行优化,目标是让好的答案更靠前。跟着用户量不断增加,早期最简朴的答案排序条例显露了疑问:一些答案友情赞成对照多,让技术性缺陷的答案被推到靠前的位置。于是,团队想到了给赞成票加权重的想法,基于每个人在话题下的技术权重进行计算,排序得到优化,能让大部门优质答案可以排到前面。固然针对权重计算的优化仍然在连续进行,但知乎专业团队还是遇到了一些算法上的瓶颈。如:当疑问下有多个发布较早的答覆牟取高票时,新的答覆即使质量很高,也很难在疑问页上牟取充足的曝光,难以积累更多赞成票;另外,一些误导性、挑拨性的高票内容,即使同时也有许多反对票,却仍然排在勤恳、严谨但票数相对较少的优质答覆前。这些疑问在技术领域内对介入商量的用户造成的侵害尤其显著。
于是,知乎又设计了新的排序算法。采用威尔逊得分算法,即使前一步错了,现在这个新答覆排到了前面,牟取了更多呈现,在它得到更多投票后,算法便会自我改正,基于更多的投票数据更精确地计算得分,从而让排序终极能够真实地反应内容的质量。该新算法年初发布之后,得到知乎站内用户激烈的反馈,许多技术的商量涌现出来,为知乎的下一步优化提供了很好的方法。
六、设计反垃圾系统封杀Spammer,删除垃圾内容
知乎有个反垃圾系统(名「悟空」),每一次用户提交请愿都会途经「悟空」的解析处置,「悟空」会通过一系列包括发布频率侦测、文本解析、类似行为检测、用户可信度检查等几十条在线解析手段,作出判断,依据判断结局,系统会作出对应的处置动作,比如屏蔽请愿,删除内容封禁帐号、限制行为等。「悟空」会基于正常用户的行为模式,检测反常离群点;不断输入Spammer的行为数据,以检测类似 Spammer行为。
七、内容的个性化提名
知乎但愿在首页给差异的用户、差异的时段挑选出最棒的内容,采用机器吸取算法,知乎提供了不会重复的个性化内容排序。首页的内容会主要斟酌这几方面:
内容本身的话题领域是用户感嗜好的;
知乎是一个社交网络,用户的社交行为会带来粉丝首页的变化;
时间因素,一些内容及时显露,可以让它的价值更大。
知乎的首页有一套专用的数据收集和处置机制,可以纪实用户在首页的所有重要动作,例如,某条内容显露在用户阅读器窗口或手机屏幕的可见范畴内,就会纪实一次。
八、邀请适合的答覆者来往答疑问。
谢邀这个词的产品性能是为每一个疑问找到适合的答覆者。采取一种算法模型预计某个用户答覆某疑问的可能性和答覆质量,有 90 的邀请是通过这种提名结局发出的,剩下 10% 是用户主动搜索发生的。
九、每周知乎个性化精选邮件(EDM),提高打开率。
针对每个用户做了个性化的计算,通过不断的算法优化,知乎已经做到30的打开率和14的点击率。
十、把疑问聚类,形成更好的关联性浏览。
对疑问的文本进行聚类,比如文本语义匹配,通过复杂的词袋模型(如传统的PLSA、LDA、新的Word2Vec等)对疑问文本进行向量化,这样通过语义将相关疑问聚类起来。知乎站内拥有巨大的用户阅读数据,假如将这些阅读数据通过简朴地算法(如协同过滤)建立一个模型同样也能到达很好地功效。