在近幾年的中文互聯(lián)網(wǎng)上，知乎是一個(gè)無法忽視的存在。沒有一個(gè)網(wǎng)站能像知乎這樣，雖然只有3000多萬(wàn)用戶，影響力卻無處不在;知乎已經(jīng)毫無疑問地成長(zhǎng)為了國(guó)內(nèi)最大的高品質(zhì)知識(shí)問答社區(qū)，也沉淀了非常多高價(jià)值的專業(yè)內(nèi)容。更重要的是，與此對(duì)應(yīng)的，知乎正在覆蓋或者說已經(jīng)覆蓋了國(guó)內(nèi)最有價(jià)值和最高質(zhì)量的專業(yè)人群。

　　知乎創(chuàng)立于2011年1月26日，產(chǎn)品形態(tài)類似于國(guó)外的Quora，已經(jīng)從一個(gè)初期一個(gè)小眾的極客社區(qū)成長(zhǎng)為了擁有3000萬(wàn)注冊(cè)用戶的龐大社區(qū)，不僅如此，知乎的用戶留存率也高達(dá)80%。

　　用戶可能在門戶、今日頭條、微博、微信上看到的網(wǎng)絡(luò)熱點(diǎn)，但最后的定性結(jié)論都會(huì)百川匯海地回到知乎上，“看看知乎上怎么說”。熱點(diǎn)的深度挖掘、內(nèi)幕爆料、多角度分析都發(fā)生在知乎上。

　　披著“問答網(wǎng)站”的外衣，知乎把自己打造成了中文互聯(lián)網(wǎng)上最大的綜合討論社區(qū)。

　　我們看看知乎在發(fā)展過程中用了哪些增長(zhǎng)開掛手段?

　　一、朋友圈小游戲推廣

　　2014年11 月 17 日，知乎制作的小游戲《財(cái)務(wù)包子鋪》上線后在微信朋友圈里瘋傳。它被知乎日?qǐng)?bào)直接定義為“軟游戲”，目的是推廣知乎出的新書《金錢有術(shù)》。這是一個(gè)關(guān)于創(chuàng)業(yè)的小游戲，玩家以創(chuàng)業(yè)老板的身份，對(duì)自己的包子鋪的日常經(jīng)營(yíng)做出決策。聽上去沒什么特別，不過不少玩過的人發(fā)現(xiàn)，嘿，還真有點(diǎn)意思。

　　游戲上線，三天后，《金錢有術(shù)》已經(jīng)是亞馬遜圖書銷售總榜冠軍了，同時(shí)還是預(yù)售冠軍、新書冠軍、經(jīng)濟(jì)類冠軍。這個(gè)成績(jī)也超出了知乎團(tuán)隊(duì)的預(yù)期——“沒想到我們連肖秀榮考研書都打敗了，真是個(gè)奇跡?！?/p>

　　《財(cái)務(wù)包子鋪》小游戲的營(yíng)銷功不可沒。截至 20 日，在游戲里點(diǎn)擊“購(gòu)買秘籍”這一選項(xiàng)的獨(dú)立用戶數(shù)就有 55 萬(wàn)。

　　那么，這款小游戲是怎么做到的呢?

　　1. 創(chuàng)意依托于用戶內(nèi)容

　　為什么是包子鋪呢?在知乎的金融財(cái)務(wù)類問題里，回答者常會(huì)用“包子鋪”來代表最基礎(chǔ)的一家企業(yè)，圍繞它進(jìn)行一系列通俗易懂的解釋和演繹，將枯燥的財(cái)務(wù)問題化為接地氣的包子鋪故事，久而久之形成了獨(dú)特的“包子鋪文化”?！敦?cái)務(wù)包子鋪》小游戲正是脫胎于這系列回答。

　　知乎市場(chǎng)部負(fù)責(zé)人透露，其實(shí)從書到游戲都是知乎用戶全程參與進(jìn)來的一個(gè)事件。首先是知乎過去兩年活躍了一批金融、投資、財(cái)務(wù)背景的知友，已經(jīng)產(chǎn)生了大量?jī)?yōu)質(zhì)內(nèi)容。然后知乎發(fā)現(xiàn)，更廣大的用戶對(duì)這些財(cái)務(wù)知識(shí)也有市場(chǎng)需求。但非財(cái)務(wù)背景的普通人，很難逾越一道專業(yè)門檻和心理障礙，愿意花錢買書去學(xué)習(xí)財(cái)務(wù)知識(shí)。

　　“我們?cè)谕茝V上還必須做好一個(gè)臺(tái)階或者說斜坡讓非專業(yè)讀者走過來?！倍敦?cái)務(wù)包子鋪》小游戲，正式這樣一個(gè)“斜坡”，“把財(cái)務(wù)經(jīng)營(yíng)的理念、知識(shí)融于其中，讓大家通過游戲知道自己在這方面的知識(shí)欠缺，從而產(chǎn)生購(gòu)買意愿?！?/p>

　　2. 題目設(shè)計(jì)信息量大

　　“希望寓教于樂，那么題干結(jié)局要信息量大，又要有趣，萬(wàn)萬(wàn)不能敷衍了事?！敝跏袌?chǎng)部頭腦風(fēng)暴了三天，之后又隨時(shí)想出一些新創(chuàng)意：例如續(xù)命是要選擇知乎新書的，“又硬又有趣”;還有會(huì)計(jì)三張表，難倒了許多人，也容易形成傳播，成為對(duì)會(huì)計(jì)第一課的基本知識(shí)的普及。

　　在游戲線路和框架已經(jīng)搭建好的基礎(chǔ)上，又花了三天時(shí)間寫文案，潤(rùn)色所有題干和結(jié)局。

　　3. 病毒傳播點(diǎn)：多種腦洞結(jié)局

　　這個(gè)游戲的一大樂趣在于探索各種腦洞大開的結(jié)(死)局(法)。知乎設(shè)計(jì)了 90 多種結(jié)局，30 多幅配圖，很多人會(huì)反復(fù)刷，直到刷出 10 種以上結(jié)局。

　　4. “軟廣”植入點(diǎn)不招人煩

　　“軟游戲”軟在哪里呢?游戲中專門設(shè)計(jì)了機(jī)制，比如用戶如果決策失誤，就會(huì)收到破產(chǎn)警告，需要選擇一本救命書——當(dāng)然就是這本《金錢有術(shù)》。續(xù)命之后可以繼續(xù)游戲，讓玩家對(duì)新書留下了初步印象，又不會(huì)中斷游戲。

　　如果最終還是不幸破產(chǎn)，會(huì)有“通關(guān)秘籍”選項(xiàng)，這時(shí)才會(huì)將用戶導(dǎo)入《金錢有術(shù)》亞馬遜購(gòu)買頁(yè)面。

　　二、設(shè)計(jì)激勵(lì)用戶活躍度的社交元素跟榮譽(yù)體系掛鉤

　　知乎團(tuán)隊(duì)在激勵(lì)用戶活躍度方面的諸多嘗試，比如將“人”作為主要的傳播節(jié)點(diǎn)，比如早在2012年4月就在個(gè)人主頁(yè)加入了很多社交元素：個(gè)人資料新增“職業(yè)經(jīng)歷、居住地、教育經(jīng)歷、擅長(zhǎng)技能”，會(huì)顯示用戶獲得的贊同和感謝數(shù)?？偨Y(jié)起來就是一方面引入了社會(huì)身份，一方面建立了知乎站內(nèi)的榮譽(yù)體系。

　　知乎上的個(gè)人品牌和專業(yè)聲望不是來自于職場(chǎng)中的profile和工作經(jīng)驗(yàn)，而是用戶通過回答問題、通過用戶(不僅僅是業(yè)內(nèi)人士)的點(diǎn)贊樹立起來的。這是一套和傳統(tǒng)職場(chǎng)完全不同的評(píng)價(jià)體系

　　這種基于持續(xù)回答問題不斷為人所認(rèn)識(shí)的社交方式，在所有的社交網(wǎng)站中無疑是門檻最高的。在知乎打造個(gè)人身份、品牌的超高門檻使得社區(qū)內(nèi)涌現(xiàn)出了少數(shù)孜孜耕耘的“達(dá)人”。也貢獻(xiàn)了大量高質(zhì)量?jī)?nèi)容。

　　三、基于數(shù)據(jù)，挖掘用戶興趣

　　知乎上擁有大量的用戶行為數(shù)據(jù)，這些行為也分輕重，不同的行為，會(huì)耗費(fèi)用戶不同的時(shí)間，用戶對(duì)該事件的關(guān)注度也能夠體現(xiàn)出來。此外，知乎上還有大量的文本信息，基于這些信息，知乎對(duì)于用戶的興趣點(diǎn)、擅長(zhǎng)的領(lǐng)域的挖掘會(huì)更準(zhǔn)確。

　　用戶在知乎上的行為是多維度的;既包括比較輕的瀏覽閱讀，又包括重一些的贊同、反對(duì)，還有更重的提問回答(這里的重和輕是根據(jù)用戶操作成本來界定的)。知乎可以根據(jù)這些行為做用戶的特征分析，基于各自不同的服務(wù)特點(diǎn)，所要分析的特征、采用的算法及其效果各有不同。基于行為和文本，知乎對(duì)用戶的興趣和擅長(zhǎng)能有更準(zhǔn)確的識(shí)別。

　　四、每周千億次權(quán)重計(jì)算，分享用戶專業(yè)度

　　現(xiàn)實(shí)社會(huì)中，人們對(duì)于某些領(lǐng)域的知識(shí)掌握會(huì)很深入，但個(gè)人精力有限，沒有人能夠全知到成為所有領(lǐng)域的專家。這種情況被映射到知乎上，即不同的用戶在不同的話題領(lǐng)域下，他們的專業(yè)性是不同的。為了掌握這種不同，知乎給每個(gè)人，在每個(gè)話題下計(jì)算一個(gè)權(quán)重。計(jì)算的分值主要依據(jù)用戶在知乎上的回答。當(dāng)然，這里也會(huì)加入一些其他考量因素，包括其他專業(yè)人士對(duì)該用戶的背書，用戶的專業(yè)背景等。

　　這是知乎非?；A(chǔ)的數(shù)據(jù)設(shè)施，但這個(gè)數(shù)值計(jì)算的量級(jí)較大(100萬(wàn)回答用戶10萬(wàn)話題=千億級(jí)別的數(shù)量計(jì)算)，知乎對(duì)于權(quán)重判定每周都會(huì)進(jìn)行全量的計(jì)算，也一直在調(diào)整優(yōu)化中。

　　五、不斷對(duì)答案排序算法優(yōu)化，讓高質(zhì)量的問答更容易獲得關(guān)注

　　知乎對(duì)答案排序算法進(jìn)行優(yōu)化，目的是讓好的答案更靠前。隨著用戶量不斷增加，早期最簡(jiǎn)單的答案排序規(guī)則出現(xiàn)了問題：一些答案友情贊同比較多，讓專業(yè)性不足的答案被推到靠前的位置。于是，團(tuán)隊(duì)想到了給贊同票加權(quán)重的方法，基于每個(gè)人在話題下的專業(yè)權(quán)重進(jìn)行計(jì)算，排序得到優(yōu)化，能讓大部分優(yōu)質(zhì)答案可以排到前面。雖然針對(duì)權(quán)重計(jì)算的優(yōu)化仍然在持續(xù)進(jìn)行，但知乎技術(shù)團(tuán)隊(duì)還是遇到了一些算法上的瓶頸。如：當(dāng)問題下有多個(gè)發(fā)布較早的回答獲得高票時(shí)，新的回答即使質(zhì)量很高，也很難在問題頁(yè)上獲得足夠的曝光，難以積累更多贊同票;另外，一些誤導(dǎo)性、煽動(dòng)性的高票內(nèi)容，即使同時(shí)也有很多反對(duì)票，卻仍然排在認(rèn)真、嚴(yán)謹(jǐn)?shù)睌?shù)相對(duì)較少的優(yōu)質(zhì)回答前。這些問題在專業(yè)領(lǐng)域內(nèi)對(duì)參與討論的用戶造成的傷害尤其明顯。

　　于是，知乎又設(shè)計(jì)了新的排序算法。使用威爾遜得分算法，即使前一步錯(cuò)了，現(xiàn)在這個(gè)新回答排到了前面，獲得了更多展示，在它得到更多投票后，算法便會(huì)自我修正，基于更多的投票數(shù)據(jù)更準(zhǔn)確地計(jì)算得分，從而讓排序最終能夠真實(shí)地反映內(nèi)容的質(zhì)量。該新算法年初發(fā)布之后，得到知乎站內(nèi)用戶熱烈的反饋，很多專業(yè)的討論涌現(xiàn)出來，為知乎的下一步優(yōu)化提供了很好的想法。

　　六、設(shè)計(jì)反垃圾系統(tǒng)封殺Spammer，刪除垃圾內(nèi)容

　　知乎有個(gè)反垃圾系統(tǒng)(名「悟空」)，每一次用戶提交請(qǐng)求都會(huì)經(jīng)過「悟空」的分析處理，「悟空」會(huì)通過一系列包括發(fā)布頻率偵測(cè)、文本分析、相似行為檢測(cè)、用戶可信度查驗(yàn)等幾十條在線分析策略，作出判斷，根據(jù)判斷結(jié)果，系統(tǒng)會(huì)作出對(duì)應(yīng)的處理動(dòng)作，比如屏蔽請(qǐng)求，刪除內(nèi)容封禁帳號(hào)、限制行為等?！肝蚩铡箷?huì)基于正常用戶的行為模式，檢測(cè)異常離群點(diǎn);不斷輸入Spammer的行為數(shù)據(jù)，以檢測(cè)相似 Spammer行為。

　　七、內(nèi)容的個(gè)性化推薦

　　知乎希望在首頁(yè)給不同的用戶、不同的時(shí)段挑選出最棒的內(nèi)容，使用機(jī)器學(xué)習(xí)算法，知乎提供了不會(huì)重復(fù)的個(gè)性化內(nèi)容排序。首頁(yè)的內(nèi)容會(huì)主要考慮這幾方面：

　　內(nèi)容本身的話題領(lǐng)域是用戶感興趣的;

　　知乎是一個(gè)社交網(wǎng)絡(luò)，用戶的社交行為會(huì)帶來“粉絲”首頁(yè)的變化;

　　時(shí)間因素，一些內(nèi)容及時(shí)出現(xiàn)，可以讓它的價(jià)值更大。

　　知乎的首頁(yè)有一套專用的數(shù)據(jù)收集和處理機(jī)制，可以記錄用戶在首頁(yè)的所有重要?jiǎng)幼?，例如，某條內(nèi)容出現(xiàn)在用戶瀏覽器窗口或手機(jī)屏幕的可見范圍內(nèi)，就會(huì)記錄一次。

　　八、邀請(qǐng)合適的回答者來回答問題

　　“謝邀”這個(gè)詞的產(chǎn)品功能是為每一個(gè)問題找到合適的回答者。采取一種算法模型預(yù)測(cè)某個(gè)用戶回答某問題的可能性和回答質(zhì)量，有 90% 的邀請(qǐng)是通過這種推薦結(jié)果發(fā)出的，剩下 10% 是用戶主動(dòng)搜索產(chǎn)生的。

　　九、每周知乎個(gè)性化精選郵件(EDM)，提高打開率

　　針對(duì)每個(gè)用戶做了個(gè)性化的計(jì)算，通過不斷的算法優(yōu)化，知乎已經(jīng)做到30%的打開率和14%的點(diǎn)擊率。

　　十、把問題聚類，形成更好的關(guān)聯(lián)性閱讀

　　對(duì)問題的文本進(jìn)行聚類，比如文本語(yǔ)義匹配，通過復(fù)雜的詞袋模型(如傳統(tǒng)的PLSA、LDA、新的Word2Vec等)對(duì)問題文本進(jìn)行向量化，這樣通過語(yǔ)義將相關(guān)問題聚類起來。知乎站內(nèi)擁有龐大的用戶瀏覽數(shù)據(jù)，如果將這些瀏覽數(shù)據(jù)通過簡(jiǎn)單地算法(如協(xié)同過濾)建立一個(gè)模型同樣也能達(dá)到很好地效果。