Flickr探索

信噪比，是指有用信息與無用信息的比值。如果信息能夠有效過濾，信噪比高（甚至非常高），那么信息爆炸不僅不是壞事，反而還將大大拓展我們的眼界，提高生活的深度。

與此同時，我們越來越傾向于一個徹底個性化，同時做好隱私保護的綜合平臺。喜新厭舊是人的天性，這就注定了“個性化”不能只停留在“定制”的范疇，還應該包括“探索”。

社交網絡的現狀

社會化網絡服務

三層服務
在線社區經過這幾年的沉淀，目前有以下三種層次的服務：

- 內容服務 基于內容的獲取與篩選，形成圈子，實現價值，達成共鳴。

- 位置服務 通過移動互聯網進行簽到，分享即時地理信息。

- 關系服務 通過互聯網構建與增強人際關系。

服務特征
很明顯，三者都具有不可比擬的代表性。不過可以看到，它們之間又有著如下特征：

- 相互孤立 我喜歡攝影，但不知道周末在朋友（關系）家旁的公園（位置）有一個攝影小組（內容）的聚會。

- 緊密相聯 同學（關系）在武漢廣場（位置）看見一條不錯的男式運動褲，發布到微博（內容）上，正在武廣吃飯的我也想過去看看。

- 各自矛盾 友鄰在豆瓣（內容）上發起了同城活動（位置）參與PHP語言初級討論，不在同城的我好心分享出去，結果人人網上的同學（關系）抱怨我“刷屏”。

多維分析
信息一多，自然存在過濾的問題。但我認為，與其過濾，不如直接顯示相關信息。隨著時間的推移，相關信息也必然膨脹；這時應該毫不猶豫、大刀闊斧地砍掉，只顯示最相關的信息。

豆瓣有各種有意思的小組，坐擁無數后，面對海量帖子，頭都是大的。那么，為什么不把最相關、最熱門的提取出來？比如，附上一份“晚間精選話題（5個）”。即便是隨便看看首頁，不打算進一步瀏覽，看到喜歡的話題，也不能阻止你充滿好奇的手吧。

標簽分析

新浪微博的標簽分析

經過用戶親自提取的“個性化標簽”當之無愧成為最具分析價值的數據。但目前新浪微博里“感興趣的人”的推薦顯然只做了第一步，沒有在發文量、粉絲數量、名人與否、原創比例上進行相關性匹配。

關鍵詞分析
一種是語境（語義、環境）分析。最好的例子莫過于谷歌關鍵詞廣告，隨處可見，精確度也在不斷提高。以前每每在外文網站看到中文總是興奮不已，可惜是谷歌廣告。

另一種是詞頻分析；基于用戶的內容不愁沒有文字。那么，結合新聞熱點抓住它們，進行詞頻統計，自然能分析出用戶說話的口味。毫無疑問，臭味總是相投的。

關鍵詞分析依賴對自然語言的處理，也是標簽分析之外強有力的助推器。

群組分析
互聯網是虛擬的，但我們每個人都是獨立的。我們面對不同的人群以不同的面孔，一來強化身份，二來避免尷尬。我們的每個面孔都是真實的，但分享給不同的人群顯然也是不合適的。

新浪微博的分組

給聯系人分組不僅能有過濾話嘮的療效，也能立體地展現其不同的角色。

互動程度分析
互動的人一定比其他人更親密，有關你的新鮮事他（她）理所當然希望成為嘗鮮第一人。

轉發分析
人人網上幾乎都是分享讓我們厭惡，因為我們想了解關于他們自己的信息；而微博轉發力量的強大，緣于對內容的鐘愛。由此來看，轉發中所涉及的人、事和博主都可以成為分析對象。

新版豆瓣采納了分組，而取消了“書影音”的分類，正是如此。

時間線分析
正如谷歌閱讀器里的“神奇排序”一樣，把疏密的時間線整合為一條均勻的故事情節。這樣，在時間有限的情況下，不會漏過好友的最近消息。此辦法不適合新聞媒體。

其他元數據分析

搜搜問問的推薦

盡可能地共享平臺信息。比如我在QQ空間的個人資料里提及“羽毛球”，在搜搜問問里，推薦我訂閱該詞條。