
这几天最有意思也最费脑筋的一件事,就是对陌陌6.0这个产品发生的变化进行解读了。陌陌从诞生起,就是以地理位置为切入点从事陌生人社交。这个市场需求点抓的很好,也是腾讯做不好或者无力去做的,被陌陌抓住了,成就了一家上市公司。但如今,从陌陌6.0看过去,陌陌产品思路和发展战略已发生了重大改变,甚至连陌陌这个名字都变得名不副实。
以地理位置为基础的陌生人社交,在某一段时间内是很强的需求,附近的陌生人因为某几种共同的兴趣进行交流,彼此之间少了强社交圈子的诸多顾忌,自有其存在的道理。但当一个类似产品到了两亿用户,7千万月活跃用户的时候,这个摊子就已经有些大了。其具体表现是互联网人口红利消失后的用户获取成本更高,增长放缓。
陌陌6.0之前共有5个产品序号,经历了几十个版本的迭代,虽然细微处也有演变,但基本上是围绕着以地理位置为基础的陌生人社交所展开。现在看来,陌陌之前的发展方式是一种粗放型的路径,在用户还能如潮水般涌进来的时候,谁也不会想着去做什么改变,这样就挺好,为什么要去变呢?可一旦那个好日子逐渐过去了,再不改变就不行了,而且得快变。
移动社交网络增长速度下降是系统性的,不独陌陌,从数据上看微信也正经历着这一幕,月活按季度增长已不足10%。到了这个时候,所有人都知道那个以量取胜的好日子过去了,接下来该进入质量发展阶段了。对陌陌而言,其未来几年的首要任务就是提升交流的质量,因为靠大规模的用户流入维持增长已不现实,在现有用户基础上深耕挖潜才是正道。
陌陌6.0的一个显著特征是新用户强制加上六个维度的兴趣标签,否则不让进去。过去陌陌是地理位置+兴趣,如今也许是倒过来了。陌陌需要用户提供兴趣资料,以便他们在产品端能够组织更好的社交交流形式。这完全颠覆了陌陌过去的产品形态,说是陌陌进入一个属于他们自己的新时代,是一点不为过的。咱们虽然住在同一区域,但能否交流还得看是否兴趣相投。
在一个方圆三公里内的区域居住着3000人,在传统社交方式下,社交活动的头部却只有那么一两百人,头像好的,描述好的,会有更多人与其进行交流。而剩下的那一大批人就只能算是长尾了,他们没有好的头像,也没有好的描述,在社交活动上并不熟练,很难获得陌生朋友的青睐。他们确实有交流的需求,但在传统的产品形态下,却成了沉默寡言的一群人。陌陌招股书上有句口号叫“连接本该连接的人”,这里面就隐含着要开发长尾社交人群的意思。
互联网让人们的关系更加紧密,但社交工具有时候会制造更多隔阂。当你寻找朋友只有地理位置和是否顺眼这几个少得可怜的维度时,大量的社交需求其实是处于休眠状态的。你是看脸而来的我没必要跟你多话,你问东我可以说西,甚至可以一言不发,因为我不信任你,我们之间也缺乏增强信任的契机和纽带。但如果我们都对附近新开张的那家饭店有兴趣,对一起去附近打羽毛球,踢足球和团购电影票有兴趣,就会有更多的社交需求被挖掘出来,信任感也会大不一样。当然,六维度兴趣标签只是第一步,陌陌未来会把手伸向更多的用户兴趣资料,社交同样需要精准和高效。
聊天室是陌陌6.0做的另外一个改变,别小看聊天室这种古董级的互联网产品,要知道大名鼎鼎的QQ,其起家过程就有赖于聊天室的鼎力相助,QQ群本质上就是一个个聊天室。聊天室有很强的私密性和现场感,便于用户就某一话题组织讨论和交流,那种体验是点对点交流所无法获得的。
不过陌陌的聊天室倒并没想做几百人甚至几千人那种规模,那样的话海量的信息对于沉默或者插不上话的大多数用户都成了骚扰。陌陌的聊天室是20人上限,附近的陌生人有什么共同兴趣进聊天室去交流也就够了。陌陌现在要做的,是照顾到长尾的社交活动,把个性化的社交活动进一步加以细分,让尽可能多的用户动起来而非沉默在那里成为僵尸ID。
有个形象的比喻可以说明白陌陌所做的这一切。过去的陌陌就像是经营着一个人声嘈杂的大厅,所有的社交需求都在里面完成,未来的陌陌将在这大厅里开几百个小包间,聊这个话题的到这个屋子,对那个主题感兴趣的请去那个屋子。在大厅里光看那几个俊男美女表演了,大多数人都是观众,那不是社交,而是传播。
当然了,陌陌6.0的发布还可以有许多其他意思,前面提到说陌陌这个名字开始变得名不副实,也可以拿出来说说。确切说,陌陌搞陌生人社交的阶段已经基本走完了,接下来该开始往半熟朋友社交的方向前进了。全熟朋友社交离得还太远,先进攻半熟朋友社交比较好,当两个陌生人聊了半年了,即便不知道对方姓名,也基本算是半熟朋友了,让半熟朋友加强交流是未来陌陌的主攻方向。
唐岩还就是网易出来的,搞什么都喜欢从产品层面抽丝剥茧。其实陌陌6.0的改版在理论上并不复杂,串起来就是:用户揽差不多了,该精耕细作内部挖潜了,从兴趣入手是必然的了,要开发长尾社交了,要让用户社交效率提升了,效率提升才好活跃,活跃才好货币化了。大体意思就是如此,了解了这些串起来的事实你再去细细观察产品形态,没有一个细节不是围绕着这些而展开的。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。