百度的认知边界——增长的逻辑(混沌笔记分享4)

                                  时刻警醒:所知障

人类思维存在不可克服的结构性缺陷:

思维遮蔽性——非连续性窘境——所知障

你过去的认知,就是你现在及未来的边界
深刻而极具讽刺的社会论

百度的窘境:

1.  互联网TOP市值比较

腾讯与Facebook的较量,在今年反超
阿里与Amazon有一定差距,但都在第一梯队
百度与Google从来没接近过,渐行渐远

2.  百度的思维遮蔽所知障:

     2.1 缺失的第一性原理

2.1.1 腾讯的第一性远离:通过互联网服务,提升人类品质生活
2.1.2阿里的第一性原理:让天下没有难做的生意  

      2.1.3今日头条:第一性原理:你关心的,才是头条

      2.1.4百度的第一性原理:让人们最平等便捷地获取信息,找到所求(人找信息时代)→用科技                 让复杂的世界更简单(2017.05.04)

貌似还可以深究,让复杂变得更简单的背后动因是什么?对用户的价值成就是什么?

3.  百度慌乱的第二曲线:

      3.1 移动互联网:

            3.1.1 19亿美元收购91无线,后由盛变衰

            3.1.2 百度地图位于第二

      3.2 O2O百度糯米 百度投资200亿,调用了精兵强将(从高级副总裁向海龙到副总裁曾良)和          最优质的资源(搜索、地图、应用市场等核心入口支持以及凤钗体系与糯米在商户端的协同)

          But:百度外卖被饿了么8亿收购

      3.3 云

战队中没有百度的身影

      3.4 AI

无人驾驶开向五环,但核心技术仍待突破

创始人第一性原理的提出不透彻,是一件多么可怕的事情


4. feed流的挑战(文章最后有对feed流的浅介绍)

在第二曲线未成立,第三曲线命运未卜的紧要关头,第一曲线出现了强大的挑战者

PC:人找 信息/商品/音视频      移动:信息/商品/音视频 找人

4.1国际:FaceBook 2013年上线

4.2 国内:微博2013年推出国内首款feed流广告产品“粉丝通”。

4.3 今日头条的feed流广告收入从2014年至今广告收入呈3-4倍上升,到2017年已达到60亿,预计2018年达到150亿

4.4 2017.02,百度公开feed流,在未来3-5年内,将feed打造成为第二个凤巢

4.5  在此之前,百度其实早已做出Feed流产品:推荐引擎+搜索引擎,但当时在2007-2008年处于PC时代,因种种原因比如PC时代的流量增长红利、PC时代的用户阅读习惯等,“发现引擎”产品未能大成。如今在移动端的流式用户体验Feed流赶上了天时地利,但最早抓住并从中获利的并不是百度,这就不可思议了

5.创新者的窘境:思维遮蔽性

    5.1 成功的被动搜索引擎方法论,禁锢了主动推荐的新思想

    5.2 赚钱是KPI,失去了信息流的红利期(2013年-2015年)

    5.3原本在PC上躺着赚钱,在手机上花钱太难受

6.百度feed流应对之道:手机百度

    6.1 手机百度

         6.1.1 手机百度的产品形态是搜做+信息流。上方是搜索框,下方是信息流

         6.1.2 但二者本质有矛盾:搜索让你“尽快离开”,信息流让你“不要离开”

         6.1.3 历史上类似混搭的产品从未成功过

    6.2与今日头条的对战

今日头条张一鸣的回应

7.百度的未来

夯实移动基础,决胜AI时代


AI跟百度的技术基因最接近,衷心希望百度这次能够抓住机会!  

人人都有认知边界,创始人的边界,是一个公司真正的边界

马云和马化腾是如何打破的自己的边界的呢?


马化腾的朋友圈,“半个互联网” 
马云的朋友圈
勇于打破自己原有的性格边界,因为这同时也是企业的基因边界    
我所讲的,都是错的

关于feed流

1.  什么是feed流:

feed流实际上是一种数据格式,给用户持续提供更新的内容。

2.  feed流应用场景:我们刷微博、朋友圈、知乎、各大门户媒体,所看到的内容,都是一种feed流。我们获取的内容毫不夸张的说,是被这些feed流所控制了。内容分发机制能够控制用户在合适的时间看到“规定”的内容。

3. Feed流的重点:

    3.1.给用户分发(展示)哪些内容

    3.2.对分发的内容怎么进行排序

    即找对流量来源和用户的口味

4. Feed流的设计规则:(来源:https://blog.csdn.net/HappinessSourceL/article/details/77503076)

    4.1 Timeline:更新时间先后顺序

    4.2 重力排序法——兼顾热度和更新时间

          score(H,T)=logH + (T-t)/A

          H表示内容的热度,比如内容的浏览量、点赞数,也可以是经过加权(降权)处理过的一些               值,H的值越大,排名自然靠前;T表示内容的发布时间;t表示一个时间的起始值,只要比发           布的时间早就成。T-t用来衡量一个内容的的新旧程度,T-t的值越大,表示内容越新;A表示             一个系数,A越大,T-t的影响力就越小,即按照时间进行排序的影响就越小,内容更新的速度           也越慢。一般来说,A的初始值为10个小时,36000秒,后面不断迭代调整参数。

    4.3 智能排序法——在唾骂中前行

          4.3.1 系统需要知道什么是一个内容被展示的目标值。比如微博,一个内容被展示的目标值是                     转发、评论、点赞的次数。那么通过大量的样本机器学习,系统对于什么是好的内容会                     有一个预测。这对于一个内容的预测,则是智能排序的基础。

          4.3.2 系统会屏蔽一些违规的内容,比如涉及到政治、敏感事件

          4.3.4 为了用户内容质量,系统会在用户的feed中增加一些热门的内容

          4.3.5 考虑内容和用户的亲密度,系统认为内容受欢迎程度内容事件衰减等因素后,系统进                     行综合排序。

5. 举例:信息流(Feeds)最早于2006年出现在社交巨头Facebook上

     5.1 Facebook的信息流排列算法:每天要从数百万个广告中挑选出大约10个发到一位用户好友              动态中,决定哪些广告应该排在最前列,然后计算排名靠前的广告与哪些用户的相关度高。              这是一个动态、复杂的过程,既要保证广告主的利益,又要确保无损用户体验。

           5.1.1 广告与用户的相关度:评论、点赞、排名、分享、他的好友互动的内容、近期热门话题                 的内容、短时间内收到大量点赞和评论以及分享的内容,以用户最为喜欢的形式(图                          片、视频或文字)出现在用户的好友动态中。相反,标题党之类的广告很难进入排名前列。

           5.1.2 发送时间:当用户登录Facebook进入时,Facebook都会执行一次排名运算,决定此时                     此刻该在用户的好友动态中插入哪一条广告。

                    广告与用户的习惯活跃时间:掌握用户在何时、何地与某个内容进行了互动,大致掌握                     用户在网上的活跃期。

           5.1.3用户喜好优先:

                   如某一话题关注度非常高时,广告会在用户体验中产生负面影响大,则不适宜加排名                        TOP广告

                    如用户在打发时间,漫无目的地浏览内容时,则更适合推排名TOP广告

6. Feed流的变现价值:Feed广告

7. 内容平台的未来发展:

    Feed流给用户持续提供新的内容,用户通过平台看内容,广告主向平台付费,平台向内容的创作     者付费。

     而用户真正记住的,是内容的本身,并且对内容生产者产生深度依赖性。如网红的死忠粉,网红      可在多个内容平台发布内容,死忠粉热衷追逐到各个平台,为其打赏。由此可见,内容是成就用      户的最终价值,在内容为王的时代里,平台在这里的价值并没有完全的体现。

      作为内容平台,要想让用户对该平台产生强有力的依赖性,就要真正成为内容的起源地,起源地       意味着要达到自创内容+知名内容垄断的程度。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,014评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,796评论 3 386
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,484评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,830评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,946评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,114评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,182评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,927评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,369评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,678评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,832评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,533评论 4 335
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,166评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,885评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,128评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,659评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,738评论 2 351

推荐阅读更多精彩内容

  • 1、通过CocoaPods安装项目名称项目信息 AFNetworking网络请求组件 FMDB本地数据库组件 SD...
    阳明先生_X自主阅读 15,972评论 3 119
  • 每天进步一点点点点点点点点点点点点点点点点点点点点点点点点点点点点点点~~从开始只能写几句话、模仿别人的观点,到现...
    一个帅气的名字呀阅读 18,063评论 4 31
  • 2017年7月17日星期一 感赏自己在单位忙碌了一天,利用下班时间在通读群里朗读吸引力法则第九章。静心的时刻真好。...
    若兰幽香阅读 128评论 0 3
  • 帝王将相、才子佳人的故事,诸位听得不少。那些情情义义,恩恩爱爱,卿卿我我,都瑰丽莫名。根本不是人间颜色。人间,只是...
    deadline__阅读 248评论 25 3
  • 白纸,黑笔,静默桌上 摇曳烛光,一扇空窗 黑影在屋外彷徨 几次邀请,不见它进来 似乎怕写文章,更怕忆起过往 古琴,...
    April石阅读 300评论 31 40