从产品的角度分析：知乎核心功能——《问答》.docVIP

　　从产品的角度分析：知乎核心功能——《问答》 如今，知乎已经不只是一个产品，而是一个品牌。而问答，是知乎最核心的功能。 知乎：一个真实的网络问答社区，帮助你寻找答案，分享知识。 2011年起，知乎的百度指数一路上升。 知乎百度指数 Alxea排名显示，知乎已经成为中国的第三十二大网站。而排列31名和33名的，分别是新华网和cctv。 知乎Alxea排名 虽然知乎后来推出了读读日报/知乎日报/知乎live/知乎专栏等内容，但最核心的流程仍然是提问和回答。本文讨论问答的流程。红色框内的流程将在下文详细讨论。 知乎的问答流程 为了优化问题下的回答质量，我们能做什么？ 在单个问题下，将优质答案放置于更加明显的位置。让点进问题的用户第一眼就能看见优质回答。而将质量一般的回答放置于底端较不明显的位置。并且将不友善的问题折叠 让优质答案得到更多的曝光。包括得到点赞，推荐到知乎日报，官方微博，发现页面等。 促进交流：让问题发表后可以得到有质量的评论。 激发归属感和认同感：这里有我喜欢的内容/用户，我希望能加入他们。 设置收藏夹，专栏等，将更多的优质内容沉淀下来。而不是随着时间流逝，消失不见。 下面将从产品的角度分析所有提及的优化点 根据答案的优劣程度排序，将游戏答案放置于最明显的位置怎么实现？ 要根据答案的优劣程度排序答案，首先要定义什么是优质答案。 百度知道定义的“优质答案”来自于提问者的选择。只要提问者选择了一个自己心中的优秀答案，问题就会被盖棺定论。未被选择的答案可能会被折叠。如果后人搜索到百度知道的问题，很可能只能看到提问者选择的优秀答案。当然，提问者选择的答案主观性较强，未必是最被认可的答案。 而在知乎，回答好像是以问题为核心的开放性的“命题作文”。大家以问题为中心，各抒己见，更多的是百花争鸣的观点碰撞，而不是将某一个答案作为终极的标准。同时，随着知乎用户量的大幅增加，单个问题下可能会产生成千上万个回答。 当单个问题下答案较多时，根据回答质量来排序答案顺序将是极为关键的。如果点进问题后首先看到的是一些高质量回答，将会极大提高信噪比，提升用户感受。 这类（根据少量样本判断总体情况的问题），非常适合采用威尔逊算法。 旧算法可以简化为： 得分=加权赞同数-加权反对数（用户在某个问题下的权重，是根据他过去在相关话题下的回答得到的赞同/反对/没有帮助票数计算的。高权重的投票会对排序有更大的影响。知乎并不计算用户的全局权重，而是分领域计算权重。 旧算法有如下瓶颈： 假如A答案有600加权赞同，400加权反对，而B答案有90加权赞同，10加权反对。此时A答案的赞同率是60%，而B答案的赞同率是90%。B答案赞同率高，被大家认同的概率较大。但是根据旧算法，A答案的得分高于B答案。 具体来说，抖机灵却没有帮助的答案，可能会得到大量赞同和大量反对。但是由于加权赞同数大于加权反对数量，仍然会排列在干货满满但得赞较少的答案前面。 最先产生的答案如果质量不错而获得高票，那么新产生的质量较高的答案，由于票数较少会被排列在最下面，难以得到浏览，从而很难得到点赞而名列前茅。 那么直接计算赞同率合适吗？【得分=赞同数/（赞同数+反对数）】当投票量较大的时候，这样做是合理的；当投票量较小的时候，这样就不合适了。假如A问题质量较高，得到9900赞同100反对，赞同率99%，而B问题质量较差，只有1个赞同。将B答案放置在A答案之前显然是不合理的。 如果算法能够弥补投票量较小时候得到的赞同率不准确这一缺点就好了。 1927年，美国数学家 Edeline来自用户关注的人。以前知乎大v出场自带500赞（当然可能也自带500反对）。而新算法按照赞同比排序。即使已经有了几千个回答，几个赞同仍然能让新的优质答案被放置在顶端。小透明也不怕被无视了。 （3）专业领域下大v的作用更明显了（新算法本就加强了用户投票对排名的影响，拥有专业领域下投票加权的大v的投票可能更为关键。很可能大v点一次反对，顶端的答案立马下沉，底端的答案瞬间置顶） 总而总之，新算法是有利有弊的，但更多应该是利大于弊。 其他采用威尔逊算法的网站还有：reddit，yelp，digg（我怀疑虎扑步行街评论，网易云音乐评论也是类似算法，但是没有证据……） 让优质答案得到更多的曝光。包括得到点赞，推荐到知乎日报，官方微博，发现页面等。 知乎首页的timeline是用户关注的人的动态。如果你关注了一个人，就会看见这个人所有的动态。这极大地增强了知乎的媒体属性，让话题得到快速的传播（之前的童瑶，血友病吧，阿里巴巴月饼）并且回答详情需点进原文查看，而不是新浪微博的转发。这极大地增强了答案的曝光率。 对于一部分优质内容的生产者来说，被推荐到知乎日报/官方微博等，是非常兴奋非常爽的事情。得到认可是很强大的激励。是马洛斯需求理论最顶端的