信息流类产品普遍又叫News Aggrerator（信息聚合器）。信息流并非都是以个性化算法驱动的，恰恰相反最早的信息流以 RSS 协议驱动，往往严格采用“关注-时间”两个要素进行排序。即只有用户主动关注的主体发布的动态会出现，所有动态严格依照发布时间排序。
国内流行的信息流，一般指个性化信息流，它通过个性化算法驱动，“关注”与“时间”两个要素降级为个性化算法中的两个参数受权重影响。即便是用户没有关注的或者是较早发布的内容，只要算法判断用户可能对该内容感兴趣，便也可能出现在信息流里。
个性化信息流有两个较为显著的差别：
- 时间流受到用户关注范围的限制，单位时间内可供阅读的内容有限，个性化信息流往往是无限的；
- 用户对时间流内出现的信息往往有较强的控制能力，可以通过关注、取消关注或设置关键词抓取、关键词屏蔽增减某一类信息。
这两种差别带来的用户体验有好有坏，无限的内容意味着用户可以在一定的时间内充分阅读，但同时也会占用用户更多的时间；由算法筛选信息代替用户手动筛选，降低了普通用户在使用内容产品时的门槛，避免了用户“不知道去哪找信息”、“不知道该看什么”的问题，但也助长了信息茧房、谣言与标题党问题。
按现在我们已知的结果，个性化信息流事实上与“节省用户时间，将注意力放在更有质量的内容”这一初衷几乎相反。
逐渐从传统的人找信息演进到信息找人。
对用户和互联网平台个性化信息流都有好处。一方面对用户来说，尽管有一些争议，但用户行为数据（活跃度、用户粘性、用户时长）指出，大多数用户喜爱个性化信息流超于时间顺序信息流；另一方面，由于得到了用户的喜爱，信息流往往有着更好的商业价值。
在当下看来，最好的做法似乎是在算法与人类（用户与编辑）主动权之间做好平衡——即并非否定个性化信息流，而是只在恰当的情境下使用个性化算法。
在数学科学的理论体系中，有些不定义的概念(原词)和不证明的命题(公理)，正是从这些原词和公理出发堆起了庞大的体系。比如数学中的"集合"、“点”、“线”、“面”等都是原词。
新增用户：
1、一段时间内打开应用的新用户数量
2、一段时间内产生过“关键行为”的新用户数量
2004年由David Kelley创办的美国斯坦福设计学院(D.School)正式把Design Thinking拆解为五个步骤：Empathize（移情）、Define（定义）、Ideate（设想）、Prototype（原型）、Test（测试）。
用户激励体系：为了让用户持续使用产品而设计的一套游戏规则。
形式：等级体系、勋章体系、积分体系、会员体系等
用户激励的手段包括精神激励、利益激励、情感激励，分别对应的三种激励体系：成就体系、财富体系和社交体系。
成就体系：用户通过达到产品所设定的任务目标，从而获得区别于其他用户的身份标识的一套激励规则。通常包括登录、使用、贡献内容、付费、分享传播、邀请好友等等。等级+勋章
财富体系就是用户可以获得平台奖励从而进行消费的一套虚拟货币体系。充值+积分商城
社交体系是通过用户之间的互动行为搭建起来的，常见互动：点赞、收藏、评论、关注、好友等。
