豆瓣网发现了一个“十万用户定律”问题。在某一个产品用户不多时,通过互联网获得用户反馈非常直接也很有效。但是,当用户数超过10万,这个渠道就失效了。因为,如此大的用户基数,即使只有1%的用户不满意,其中又有10%表达出来,就等于天天有100个人在骂街,让人感到骂声铺天盖地。它可能是一个很小的比例,但你已经无法去衡量,难以分辨到底是100个人,还是10000个人心怀不满。所以,直接反馈之外需要采用别的方式,如采用问卷调查、用户访谈等方式。这时候你不能被动地看网民评价,而是要采取更积极主动的方式去获得真实反馈。
“十万用户定律”从一个侧面证实,当某个产品或服务销量不大、用户不多的时候,通过互联网这个短链获得用户反馈非常直接可靠。可是当用户越来越多,达到100万、1000万量级的时候,短链这个信息反馈渠道就会出现问题。其中,一个重要后果是产生“反馈通胀”。“十万用户定律”可以解读为一种“负向反馈通胀”,同时还存在一种“正向反馈通胀”。如,eBay上只有不到2%的反馈是负面或中性的。一种解释是,不满意的顾客很少给予反馈。这意味着最重要的信息,即负面声誉数据没有被反馈。而且,社会压力也促使人们在公共论坛留下高分反馈。
人们经常会遇到滴滴司机在路程结束时说,“你给我五颗星”,然后人们通常会给司机五颗星,这就是“正向反馈通胀”。多数人即使在整个路程体验并不太好,一般也不会给低于四颗星的评价,因为这可能影响司机生计。人们还有一种担忧,个人信息都被商家掌握,一旦给予了差评,可能被威胁和骚扰,这种情况淘宝用户不时会碰到,媒体也不时爆出消费者给外卖差评遭遇骚扰的事件。换而言之,人们给出高分反馈通常源自于其他各种因素,而并非是因为产品和服务质量很好。
因此,网上直接反馈的差评或好评反馈都可能存在通胀和泡沫,需要人们不断提高辨识能力。如,豆瓣的广播功能,为每个用户列出好友的行动更新,有很多用户反映,要求增加一个只看“推荐”的功能。原来是因为用户的广播里有大量图书、电影、音乐收藏的更新,让用户的屏幕被刷得很厉害,而这些又不是用户关心的信息。后经研究发现,其实用户需要的不是一个新功能,而是把有用信息筛选出来。豆瓣最终提出,最需要做的并不是直接看“推荐”,而是怎样减少图书、电影的刷屏。如今,互联网上的信息鱼龙混杂,哪些是真,哪些是假,哪些是人为操纵的,哪些只是代表特定群体,都需要好好甄别和判断。
作者介绍:张鸫,原中央机关网络舆情处长,人民日报社传播内容认知全国重点实验室资深研究员、乌镇数字文明研究院特聘研究员、华南师范大学专业学位硕士生校外导师,曾任上海寻梦信息技术有限公司(拼多多)副总编辑。曾以笔名出版《操纵:大数据时代的全球舆论战》《效应:舆论传播的100个定律》《监视帝国:棱镜掌握一切》《2020:世界网络大战》《中国输不起的网络战争》《网络战争:互联网改变世界简史》等著作。
2024-09-06
2024-09-04
2024-09-03
2024-09-02
豆瓣网发现了一个“十万用户定律”问题。在某一个产品用户不多时,通过互联网获得用户反馈非常直接也很有效。但是,当用户数超过10万,这个渠道就失效了。因为,如此大的用户基数,即使只有1%的用户不满意,其中又有10%表达出来,就等于天天有100个人在骂街,让人感到骂声铺天盖地。它可能是一个很小的比例,但你已经无法去衡量,难以分辨到底是100个人,还是10000个人心怀不满。所以,直接反馈之外需要采用别的方式,如采用问卷调查、用户访谈等方式。这时候你不能被动地看网民评价,而是要采取更积极主动的方式去获得真实反馈。
“十万用户定律”从一个侧面证实,当某个产品或服务销量不大、用户不多的时候,通过互联网这个短链获得用户反馈非常直接可靠。可是当用户越来越多,达到100万、1000万量级的时候,短链这个信息反馈渠道就会出现问题。其中,一个重要后果是产生“反馈通胀”。“十万用户定律”可以解读为一种“负向反馈通胀”,同时还存在一种“正向反馈通胀”。如,eBay上只有不到2%的反馈是负面或中性的。一种解释是,不满意的顾客很少给予反馈。这意味着最重要的信息,即负面声誉数据没有被反馈。而且,社会压力也促使人们在公共论坛留下高分反馈。
人们经常会遇到滴滴司机在路程结束时说,“你给我五颗星”,然后人们通常会给司机五颗星,这就是“正向反馈通胀”。多数人即使在整个路程体验并不太好,一般也不会给低于四颗星的评价,因为这可能影响司机生计。人们还有一种担忧,个人信息都被商家掌握,一旦给予了差评,可能被威胁和骚扰,这种情况淘宝用户不时会碰到,媒体也不时爆出消费者给外卖差评遭遇骚扰的事件。换而言之,人们给出高分反馈通常源自于其他各种因素,而并非是因为产品和服务质量很好。
因此,网上直接反馈的差评或好评反馈都可能存在通胀和泡沫,需要人们不断提高辨识能力。如,豆瓣的广播功能,为每个用户列出好友的行动更新,有很多用户反映,要求增加一个只看“推荐”的功能。原来是因为用户的广播里有大量图书、电影、音乐收藏的更新,让用户的屏幕被刷得很厉害,而这些又不是用户关心的信息。后经研究发现,其实用户需要的不是一个新功能,而是把有用信息筛选出来。豆瓣最终提出,最需要做的并不是直接看“推荐”,而是怎样减少图书、电影的刷屏。如今,互联网上的信息鱼龙混杂,哪些是真,哪些是假,哪些是人为操纵的,哪些只是代表特定群体,都需要好好甄别和判断。
作者介绍:张鸫,原中央机关网络舆情处长,人民日报社传播内容认知全国重点实验室资深研究员、乌镇数字文明研究院特聘研究员、华南师范大学专业学位硕士生校外导师,曾任上海寻梦信息技术有限公司(拼多多)副总编辑。曾以笔名出版《操纵:大数据时代的全球舆论战》《效应:舆论传播的100个定律》《监视帝国:棱镜掌握一切》《2020:世界网络大战》《中国输不起的网络战争》《网络战争:互联网改变世界简史》等著作。
2024-09-06
2024-09-04
2024-09-03
2024-09-02