作者为@SocialBeta 内容贡献者@曹宇Charlie 。

上一篇博客，曾谈及社交网络的信息与关系的框架及分析方法，本文再从电商角度，既当社交网络中的用户角色为消费者时，他们是如何在信息和关系的框架内被施加影响力的。这里，我们所说的影响力，指来自社交网络，或社会化电商网站内部成员之间相互的影响力，并且，这种影响力对消费者的购买决策可以产生某种正面的促进作用。

一．来自强关系的影响力

我们都知道，当消费者在进行购买决策时，强关系的影响力是非常巨大的。强关系是亲人、熟人或好友，他们之所以能否发挥影响力，是因为强关系间有其他关系不可比拟的信任度。强关系通常在现实当中发挥影响力。

那么，在社交网络或社会化电商网站中，情况是如何的呢？这就要看这个网站的信息与关系结构了。

首先，要看这个网站是否支持强关系社交。支持强关系社交，需要有相应的功能，并且，这个功能要有利于用户的高频度使用，还要利于隐私信息的保护；

其次，在前者的基础之上，一些与商业行为相关的功能，也应适当有所体现，如，采图或贴图、信息分享、评论、在线问答等。

对一个网站平台来说，如果想让强关系间产生影响力，就必须开发那些能够促进强关系社交的功能，还要了解强关系间的信息交换规律并实现与之相关的信息流设计，而这些，都是与弱关系网络不同的。强关系网络平台的价值不在于其能否介入或操控强关系，而在于其内部因强关系而形成的社交粘性，以及由此社交粘性产生的巨大的附加价值，典型如FB。

而对企业来说，强关系网络，实际却是最不可控的。这是因为，企业几乎无法介入到强关系中去施加影响。

对相当多的企业来说，强关系网络，是很大的一块肥肉，但他们都几乎只能望洋兴叹。如，QQ中，有非常多的强关系，但对企业来说，这仍然是无法识别和操控的，也就时说，强关系多数是封闭圈，直接的外力，尤其是基于市场关系的外力，是无法介入的。但在强关系网络中（如FB、QQ）广而告之（圈子之上的广告），还是相当有效的。

本文来自@高济禾 的投稿，感谢。（＠SocialBeta 专注社会化媒体）

僵尸假扮人类、人类识别僵尸似乎会成为“魔高一尺道高一丈”的拉锯战，至少在数字化社会网络时代将长期如此

【引言】

写这篇文章的时候苹果还没发布Siri，现在理解僵尸粉或者说cyborg的进化以前更简单了，只要想想“人们为什么热衷于与Siri的互动，这种互动与真实人类的互动有何不同”。

在“僵尸粉”的围攻下，新浪微博似乎正在被僵尸占领、并逐渐失去对普通用户的吸引力，在微博平台、广告商、品牌主、普通网民复杂的利益纠缠当中，“微博大战僵尸”一触即发。这场战争中的制胜武器是算法——识别算法vs.伪装算法的能力与进化速度决定了最终的成败得失。那么，在打击“僵尸粉”的未来道路上，会不会出现一劳永逸的识别算法使僵尸永无出头之日，抑或是加速了机器算法的进化、并最终从根本上改变我们对社会网络的基本定义？

【正文】

媒体的价值来源于其所提供的信息的价值，微博作为国内社会化媒体的代表，其价值在于它能够以最便捷的形式传达给每个用户他/她个人最关心的信息（这是微博的即时性和高可定制性决定的）。这样来看，僵尸粉的危害主要是产生无用信息——虚假的粉丝数、误导性的评论和转发。需要强调的是，本文中的“僵尸粉”指所有受控制的社会网络帐号，包括受外部操控的机器人（bot）和半机器人（cyborg），这个定义也许与目前国内的主流定义略有不同，后者主要强调“僵”，而忽略了“受控”——其实活动的僵尸、即微博营销界cyborg性质的“水军”，才是微博生态圈的主要危害来源。

微博的信息价值可以用信息熵表示（介绍见这里，和这里）。如果将微博全部信息看作一个“舆论场”系统的话，高价值的信息能够降低总信息熵（信息熵是负值）；而低质量的信息增加总信息熵（值得一提的是，“信息熵”在国内存在着广泛的误读与误用，例如这个误导性的言论、这篇文章记录的中国学术界曾经的乱象，特别是这个针对社会网络结点价值的疑似伪理论）。微博用户言论的信息熵能够在一定程度上反映他/她的言论质量，这个思想已经体现在辨别僵尸粉的学术文章中（Zi Chu et al，2010）。

本文作者为SocialBeta内容贡献者@曹宇Charlie。作者的专栏地址。

如果想深入了解微博和SNS网站，可能需要回归到用户需求层面，看看它们究竟在满足人们什么样的需求。回顾微博与SNS不算太长的发展过程可以看到，在不同的方向上，它们似乎满足了不同人群的不同需要。若对微博和SNS中的用户需求进行一种简单且概括性的划分的话，它们目前主要满足了人们的如下几种需求：信息性需求、社交性需求、娱乐性需求、商业性需求、知识性需求。

当然微博和SNS并非仅仅满足以上几种需求，但从目前看，以上五种需求，应该是较核心的。而此五种需求也并非是彼此孤立存在的。从用户角度而言，他们并不会在主观上刻意区分自己的需求种类，所以，上述需求反应在用户行为上常常是相互交织、以融合的状态出现的，甚至有时各种需求难分彼此。然而，在用户这种错综混合的需求形态当中，各种需求并非是不分主次的。

我们先看看这两种社会化网络的外部框架与结构。微博在中国，无论在平台建设方面，还是用户需求方面，都已经逐渐超出Twitter所创立的基于自媒体、轻应用、弱关系的那种标准Macroblog的简洁应用框架，实际上越来越多的人认为，中国的微博将走向SNS（以Facebook为代表的）以中心路径带动外周路径的、呈放射状发展的复杂结构。

但我们知道，如果抛开外部的框架与结构来看，微博在内部的中心路径与SNS类网站内部的中心路径是截然不同的。SNS的中心路径表现在它的社交取向方面，而微博的中心路径，目前看，则表现在它的信息流方面。中心路径（主需求）的不同，将导致上述五种需求之间产生不同的组合关系。也就是说，表面上看，上述五种需求共同存在于微博和SNS中，它们的整体框架或结构也越来越接近。但实质上，因为用户对系统内部的主需求进行了不同的选择，并给其他几种需求变量分配以不同的权重，所以，用户在微博与SNS上的行为是有着巨大的差异的。

当google+迅速走红，16天达到1000万用户的时候，别忘记一个叫Paul Adams的人，他是前google员工，现在是facebook的产品经理，在google工作期间，他做的一系列研究奠定了google的社会化战略基础，而他的这份研究的PPT the real life of social network在一年前也非常受欢迎。

而如今google+很多地方都是遵循了这些研究理念，比如说圈子，在这份ppt中刚开始就是以一个名叫Debbie的人开始，通过比较其再facebook上的社交关系和现实中的社交关系，指出目前的社交网络没有解决一个把特定的信息传递给特定的人这个问题，而这个问题有时候会让我们很尴尬，PPT举的一个例子就是这个叫Debbie的人一不小心在facebook评论了其在同性恋酒吧工作朋友的照片，而被她facebook上的学生好到了。在现实生活中，白天是教授，和一群学生上课，晚上是禽兽，和一般死党鬼混，但你从不敢把鬼混的照片发在比如新浪微博、比如facebook上，因为哪里，大家都是你的朋友，甚至还有很多朋友的朋友。

本文来自SocialBeta内容贡献者@过境之风，编译自The End Of The Social Network Era, The Rise Of The Social Circle Era，请尊重译者的劳动成果，欢迎转载，请注明出处。

上周有人引用我的话说现在社会化网络时代即将完结。之后，很巧的是，Blippy退出了市场。

Blippy失败是因为他们不懂社会化。他们的产品是用来分享信用卡购物信息。他们把所谓的“社会化元素”建立在——“每个人都是朋友，无事不值得分享”——这样的理念之上。

自Facebook之后，这种理念仿佛幽灵一般伴随着每一个社会化软件，而这个时代已经接近尾声。从此以后，再追随这个理念的网站终将像Blippy、苹果的Ping和谷歌的Buzz一样，以失败告终。

我并不是说人们将不再分享他们的想法、照片和链接。人们喜欢自由地表达。Facebook、Twitter、LinkedIn以后仍然会很好地发展，因为它们已经成为了社会化网络的基础。它们对我们社会的功能将类似黄页：人人都用，无处不达。它们的存在是必要的。过去的五年是社会化网络作为功能平台的崛起。而现在，它的基础已成形，下一个五年将是在此之上建立上层建筑。新的社会化App将重点关注如何与特定群体分享。也就是说，“社会化网络时代”已经结束，我们正在迈入“社会化圈子时代”。

为了讲清楚我是如何看到这个趋势的，我将用生日派对的例子来说明。

当一个学龄前的小朋友举行一场生日派对时，他（她）会邀请整个班的同学参加，这包括了所有他（她）见过的人。几年后，当他（她）与其中的一部分人建立起友谊和社交圈子时，他（她）就会渐渐地邀请这部分人多于其他人。而这需要一些时间。

“社会化网络”就像学龄前小朋友的生日派对。这并不是由严格意义上的“朋友”组成，他们只是你储存在那里的、目前你所知道的一群人。正因为目前的社会化网络工具还没能发展到可以建立更加复杂的社会圈子，所以你只能与每一个你见过的人都产生关联，而“社会圈子”才是成熟的社交关系方式。电子社会化的发展方式将遵循人类现实中的社交行为的发展规律，这是能说得通的。

本文来自SocialBeta特约作者@叶开，汉拓科技合伙人，专注于客户关系管理和Social CRM。

微博未来不仅仅是新媒体平台，更是信息交互、应用分发和电子商务平台，如果我们把微博仅仅理解成为媒体营销是狭隘、短视的。虽然目前新浪微博是以媒体为侧重点，对于企业着重体现的是媒体营销方面的价值，但是真正能够充分吸引企业并挖掘企业潜在价值的，却是APP应用。这一切都要从微博的最基本的核心网络结构去分析，从而才能够真正的认清微博的特殊性，而不是简单的把微博当做一个话题营销。

微博逻辑的核心

我们认为：基于复杂网络理论基础之上的人际实时交互关系网络是微博逻辑的核心，一切微博营销和微博APP应用都需要构建在这个核心逻辑之上。

微博的每个人具有不同的标签，不同的人口学特征，对社会化网络资源的占有以及网络关系不是随机分布的，形成的结构也不同，并出现了诸如 “V” 名人认证这样的特殊群体；同时，由于其碎片化特性，在不断迭加的集聚和不断的沿分布指数转播中，其社会化网络是非静态的，这些都增加了微博的社会化网络的复杂性。传统的人脉网络分析基于二方、三方关系，利用密度、距离、中心性以及派系等概念对网络结构进行分析，但忽略了社会化网络形成的动态过程对结构的影响；也不能对社会化网络的度分布、最短距离、聚类系数、强链接（明星效应）等进行深入分析和合理解释，从而难以深刻揭示微博的社会化网络的结构组成以及动态变化特征，更难于在微博上进行电子商务传播和营销了。

从科学研究角度来看，最近的网络研究发现，大量的真实网络既不是规则网络，也不是随机网络，而是具有独特特征的复杂网络，这种复杂网络在20世纪末成为新的研究热点。复杂网络目前研究重点集中在网络特征的描述，而小世界效应和无标度特性是目前最受关注的两类复杂网络特征。

利用新浪微博的测试和调查数据

我们的研究小组利用新浪微博的测试和调查数据，深入分析了微博的社会化网络的特征，主要分析角度分为：经典网络特征参数、社区结构特征、小世界特征和无标度特征等四个方面。微博研究小组的整个测试和调查过程如下：

第一步，关注明星博主，尤其是娱乐、媒体、作家，并选择几个典型的明星博主，进入其一度分布（微博粉丝）群体选择关注粉丝；并针对明星博主的粉丝的粉丝（二度分布）选择关注。第二步，随机关注在“我的首页”出现的我的关注者的帖子中转发的发源人，作为随机社会化网络的节点。

第三步，在关注者的帖子观点上不断的转发、评论，直到吸引部分关注者能够关注我们，成为互相关注者。

第四步，将文字类的微博按上午9:30时段、中午12:00时段、下午5:00时段、晚上22:00时段，相同内容标注测试时间进行发布。

第五步，将相同的文字类微博增加上图片，按上午9:30时段、中午12:00时段、下午5:00时段、晚上22:00时段，相同内容标注测试时间进行发布。

第六步，采集微博的反馈数据进行估算和分析。

本文来自SocialBeta匿名内容贡献者，翻译自2011: The end of “social” marketing，欢迎转载，请注明来自SocialBeta。

最近几年，“社会化”几乎成了市场营销界谈论的唯一话题，各个大小行业峰会，论坛，年会都围绕社会化媒体营销战略这一核心展开，讨论也都大致是关于各种社会化营销工具，社会化营销技术的相关话题。谁敢想象，如果有一天社会化媒体完全不存在，那将是多么可怕的事情。再试想，如果某天社会化媒体营销渗入整个市场营销领域。那么“社会化”这个词是否就会变成一个多余的词？正如多年前我们还一直说“个人”平板电脑，而今天，谁也不会再加上“个人”二字，因为它已经非常多余了。既然这样，是不是有可能在2011年，所谓的社会化媒体营销会完全融入，或者说演变成市场营销这一大概念之中，那么，“社会化”三个字当然也就不复存在了。

少数敢为人先的品牌

在社会化媒体出现的初期，一些品牌开始谨慎地从手上原本准备用于网站建设的一笔预算中拨出小部分，试水社会化沟通性质的活动，比如开设公司博客，建立品牌社区。同时，他们还开始运用一些社会化营销工具，如在产品介绍中加入用户评论，开设消费者问答专区等等，希望借这些消费者沟通工具，把更多潜在消费者转化成实际产生购买的消费者。这些在初期做出勇敢尝试的品牌还率先开设了消费者沟通平台，使品牌与顾客之间的关系联结得更为紧密，沟通也更为畅通。

FACEBOOK等一些社会化网络的兴起，彻底改变了传统的互联网交流方式，从广播电视等的传播方式，直接变成了顺畅的人与人之间的互动交流，每个人都拥有自己的社交关系网络。

-尽可能不要依赖于权威的意见（广告，名人代言，专业评论等），因为我们可以从更值得我们信任的人身上得到更可信的意见，因为他们都是和我们一样的人。
-不要过于信任产品与品牌的广告里说的话，因为我们大可以去找那些真正使用过该产品的用户，去听听他们的意见。
-同样身为消费者，我们彼此之间需要多多沟通，因为现在沟通已经前所未有地便捷

“社会化”概念可以运用在各种营销媒介渠道之中

长久以来，广告被认为是侵入我们生活的不速之客。正如GSD＆M广告公司的顾问Sernovitz描述的那样，他们公司总部位于奥斯汀，在那里，所有的当地居民都把他们当做是不请自来而迁居于此的讨厌邻居。因为人们倾向于认为，只有劣质的商品才会需要做广告。

线上。自从社会化网络营销出现以来，我们的“顾客”收到了比以往更多的邀请。比如，在FACEBOOK上与某个品牌成为了好友，接着，就会被这个品牌邀请加入TWITTER，成为他们的粉丝。整个社会化媒体就好像是一场数字化的鸡尾酒会。如果品牌能一直遵守游戏规则，坚持以顾客亲身融入参与的方式，达成双方彼此间的相互沟通——只有这样，你的品牌所拥有的这些网上的潜在消费者就不会离开。如果品牌一旦违反了游戏规则，企图利用社会化媒体平台发布任何广告相关的信息。大家也都会毫不留情地离你远去。96%的Facebook用户完全没有点击过任何一个广告。因为大家来到这里只是为了交流和沟通。他们不会想看任何广告。

到底什么是社会化网络呢？我这里简单的总结：一个可以展示自我（Indentity），维持和拓展人际圈子（relationships），并且有很多事情（activity）可以做的网络服务。也许这样定义不科学，但至少可以体现社会化网络的最基本的三个要素，本文就来大概说说这三个要素，想更深入了解的，可以查看我在文末附注的一些延伸阅读。

身份（Indentity）

矛盾：在网络上，你会相信谁？

解决之道：给用户一个身份，让他们自己去定义最适合自己。这个网络身份允许用户表达自我，用户需要登录才能进行管理。用户各自参与活动能够影响到用户的在网络上的声誉。

身份是社会化架构的基石，在“A Group Is Its Own Worst Enemy,” 中，Clay Shirky是这样描述身份的：

如果你想创建一种能支持大型和长久的群组的社会化软件，你应该怎么做呢？首先要做的事情是为用户设计一个让用户愿意投入的东西，那就是网络身份。

身份的要素

如何让用户成功创建一个网络身份呢？你首先需要提供一系列的方式让用户可以将现实中的自己反射到网络上来，身份的要素分别是：

个人主页
个人主页是用户自己信息的集合，通常包括自己的昵称、头像、简介和其他一些与用户相关的东西，如我在新浪微博的个人主页，还包括了我的粉丝、关注和微博的一些信息，而在豆瓣上，则包括了我读过的书，看过的电影，参加的小组等信息。

我新浪微博的个人主页

声誉 
在网络上，用户的声誉和用户过去在网络上的各种活动相关联，好的或者差的。对于新用户来说，他们不知其他用户在网络上之前是否做过什么，而声誉系统真是让用户能够认识社区是怎么判定这些用户的，如淘宝上的皇冠卖家，则是描述了这些声誉好的卖家。豆瓣也许有些差别，豆瓣把用户的所作所为全部列在其个人主页上，是好是坏，全靠用户自己去判断。

值得注意的是，一旦一个网站的声誉系统失衡，后果不堪设想。

关系（Relationships）

矛盾：一个网站上有成千上万个用户，怎么确保用户能够随时关注他们感兴趣的用户呢？

解决之道：为用户创造多种方式让他们去辨认、联系、组织他们感兴趣的用户以及他们产生的内容，如何把这些复杂的关系归类取决于你的用户是怎么使用你的网站的。

在一个社区中，关系无处不在，怎么去归类这些关系取决与网站的社区的需要，有的关系可以很简单，如新浪微博上的单向关注关系，你对李开复感兴趣，你就可以关注他，这种关系是“用户对某人感兴趣”这种单向关系，李开复不知道你是谁，再打一个简单的比喻，这算是一种“暗恋”关系，如果你不说，那个女孩子也许永远不知道你在暗恋这她，不过，现在这种关系在新浪微博上已经由twitter的单向关系变成了“弱双向”关系，你关注了李开复，新浪微博会提醒李开复，谁谁谁关注了你，

我觉得现在在网络上还存在的单向的关注关系只有博客的Rss订阅了，我只能知道我有多少人订阅了我的博客RSS，但我不知道这些人是哪些人。

QQ上给用户提供了自定义的关系归类，你可以把你的好友分类“朋友”、“家人”，“同事”等，如果你的QQ好友数目超过100人以上，这些分类对于你管理好友是非常必要的。

关系归类的另外一个好处是，你可以针对每种关系设置不同的权限，有些在QQ空间上传的照片不想给同事关系这组好友看到，则可以屏蔽同事这组好友访问。而如果你想在一些社会化网络上关注好友们的新鲜事，通过这种关系分类也可以达到过滤的效果，只关注自己感兴趣的那组好友。

关系的要素

网络上的关系和现实中关系一样重要，关系的三个要素如下：

工作原因，最近一直在研究一些网站的内容组织和呈现方式，或者可以说是内容挖掘，我一直在创业型网站上班，在做一件事情的时候思路上总会往产品上去靠，即能用产品解决的问题尽量不要用人力编辑去做，以使得运营人员能发挥其他更为重要的作用。

之前博客一直强调社区型网站内容的重要性，但很多社区型网站都遇到一个内容组织和展示的问题，即网站上内容有很多，但就是浮现不出来，内容藏的很深或者内容太零碎，下面我就这个问题说说我的一些看法，也欢迎大家分享自己的一些经验。

相关社区型网站运营系列文章：
九月 8th, 2009社区型网站运营系列之内容策略（content strategy）
九月 10th, 2009社区型网站运营系列之产品规划
十月 14th, 2009社区型网站运营系列之你和用户谈恋爱了吗？

网站内容的主动组织和展示

1. 按照时间轴组织展示
所谓按时间轴展示内容，即按照内容的产生顺序展示出来，几乎绝大部分网站都会采用这个方式，这是内容组织和展示的一个基础方法，如
-twitter上的updates
-博客日志
-sns上的最近动态
-社区上的“24小时的最热话题”

在国内社区型的网站中，yupoo在这方面也算个典型，yupoo把时间轴再切成几个“时间段”——“最近七天靓照”，“最近一月靓照”，“一年前的今天”等。

  yupoo上这个功能是我最常用的。

原文作者 | Muhammad Saleem   译者 | puting

协同过滤（维基百科的定义）是通过将过滤操作在一大群人中扩散，用于过滤大量信息的一种机制。与主流媒体都有一个或少数几个编辑设定一些指导原则不同的是，协同过滤的社会化网络可以有无穷多的编辑，并随着参与者人数的增多而变地更好。

协同过滤基于以下的两个基本原则之上。

1. 群体智慧和多数原则表明，随着社区的成长，不仅一个大的（不同的、独立的等）社区能做出比少数编辑更好的决策，而社区的进一步壮大，其作出的决定也会也来越好。因此，比起现有的哪些武断专横的媒体，如果我们能建立一些协作过滤的报纸、电视台、广播电台等，这会更好（对这个社会来说）。事实上，正如我们将看到的一些服务，如Digg、 YouTube和Last.fm，正试图来做这样的事情——协同过滤（ CF ）媒体。

 2.协同过滤的第二个原则表明，在任何一个大型的社区中，只要拥有单个参与者以及他们之间是如何合作、如何彼此关联的足够数据，基于他们过去的爱好，我们就可以推测出，这些用户今后将会喜欢什么，也就是创造了一个协作过滤推荐引擎。当然，这依赖于一个事实，即人们的利益、偏好、以及意识形态不会随着时间的改变而发生巨大的变化。

 协同过滤系统的这两个方面会产生两个非常不同的重要效果。

通过社区的判定，协同过滤的第一个效果是让你发现一些新的、有趣的、富有娱乐性的、以及有新闻价值的信息，Digg头版就是一个这样的很好例子。并非所有的内容都将直接和你的兴趣相关联，事实上有些内容则完全和您不相干。然而，随着社区的发展，会变地越来越多样化和富有个性，基于大众兴趣而推荐到头版的新闻能满足社区成员中的普遍兴趣。如果对这些基于普遍兴趣的新闻不满意呢？这就是第二个方面的效果。

协同过滤系统的第二个效果是收集的信息是基于哪种内容、你喜欢还是不喜欢的评注，并根据您提交并参加投票的习惯，这些正是用户数据概况。这可以帮助网站向用户推荐一些由你基本认同的用户（或来源）提交的内容，以及找到一些您通常经常参与投票和评论的有趣主题。这意味着，通过收集你是如何与该网站以及与其他用户交往的足够信息，协同过滤（ CF ）系统可以为你推荐内容。该系统发现内容并将其提供给您，而不需要你去搜寻这些。此外，随着您越来越多地使用推荐系统以及“顶和踩”的机制，这个协同过滤系统给你推荐的内容也会变地越来越精确。

一个很重要的事实，许多社会化网站并没有意识到这点，即协同过滤（ CF ）系统并不能根据您的喜好自动匹配内容，它有天然的缺陷。原因很简单：除非你能获得完全的多样性和独立的看法，对于某一特定的平台，一种观点总是支配着另外一种。在一个社会化网站上面，如果占主导地位的观点是左倾的，那么右翼观点几乎每次都会被淹没，因为他们没有能力将最合适的内容传递给最关注的人群。
 
一个很好的例子，德州议员保罗的支持者们很容易能够操纵社会新闻网站。现在，如果你能符合右翼分子的右翼观点，也能符合持左翼观点的左翼分子，并让对这两种观点有兴趣的人进行健康的超越党派政治的辩论，那么你就接近了的理想的系统。一个具有以偏好为基础的推荐功能的过滤系统，本质上来说，是社会化网络的未来。

谁在运用这样的系统？

协同过滤（ CF ）系统毫无疑问是社会化网络的生命线。尽管不同的平台使用的程度不同，该系统依然是核心，如果没有它，就像没有积极的交通治安，社会化网络显得像在拉合尔市中心的交通高峰那样。

社会化新闻网站
社会化新闻网站如digg和propeller，仅仅在首页范围内使用了协同过滤。一旦内容被推荐至首页，协同过滤系统的工作就算完成了。协同过滤系统能让你摆脱垃圾邮件和一些无创造性的思想，但它是不是最好的，因为它依赖于平均水平，而不是直接依赖于每一个参与者。虽然这些网站尝试和发展自己的推荐引擎，而Reddit和StumbleUpon公司通过推荐引擎已经超过了他们。这两个网站也有类似的概念，一个社区头版（基于社区中普遍成员的普遍兴趣），他们根据您的历史好恶为你提供最优质和最相关的内容，以提高你的体验和激励你更多的参与。此外，正常化的Reddit头版表明一个头版符合所有办法符合和冲淡了单个用户的体验，而标准化确保每个用户能控制内容是如何分发给他们的。

最后，即使有一些网站很少或根本没有过滤（Slashdot, Fark,等） ，那些使用协同过滤系统的推荐引擎网站将继续减弱从即将提交队列积极筛选的重要性，用于提高在个人水平层次上的用户体验。

视频流和视频分享网站
在线视频网站托管和视频分享网站之间没有多大差别。像视频分享网站YouTube有多种过滤机制，往往履行相同的职能，而不依赖于可见的投票本身，例如，是由下面几点决定的：
1.目前观看视频的人数
2.对一个视频的评论数
3.一个视频的用户评价数和收藏数

以印象为基础的系统（如Spotplex）有一个问题是，你看到或评论的东西并不意味着它就是好的。事实上，有几十个YouTube视频，我按一下，不喜欢他们，然后关闭该窗口（我看到其他人用蹩脚的英语写的的那些负面评论，非常怀疑这些对于别人会有帮助） 。其他一些网站，如break和Funny or Die使用类似StumbleUpon一样的支持和不支持的投票机制，以确定是否被推荐至头版。同样，虽然有查看相似和相关相关视频，查看来自一些相关用户的视频这样的选项，但还是没有推荐系统使用您的评价和favoriting习惯（和标签您喜欢）。

博客和微博客
在大多数情况下，博客运用一种综合了最多人浏览、最多人链接、最多评论以及最高评价等各种因素，来做为向你展示你可能喜欢的内容机制。这虽是一个比通过让人们反复试验和发生错误更好的方法，但这并不能确保每个访客都能对他们看到的内容感到满意。例如，在你的博客上，有两篇完全不同主题的博文可能是最受欢迎的，但我可能只会喜欢其中的一篇。与此同时，还必须弄清楚，什么时候开始监控每个独立的用户才是经济且及时有效的？

StumbleUpon是解决了这个问题的’大家伙’ ，让你StumbleThru一个可能有你最喜欢的内容的网站，然而，这一特色，并非适用于所有的网站。

遗憾的是，绝大数微博客网站，还没有任何过滤系统。在twitter及其同类网站中，信噪比的争论异常的激烈。 不过，FriendFeed 发布了一个最基本的推荐功能，简单地展示了一些“最受欢迎”和“最多评论”的链接。

图片存储和分享网站
当我考虑协同过滤系统的时候，图片分享网站如Flickr和photobucket根本不在我的视线范围内，其中一个原因是我知道大部分使用这些网站的用户主要是为了存储和找一些cc版权的图片嵌入到他们的网站中，不过，我很惊喜地发现flickr已能帮助人们探索和发现一些好的图片。
 
这项对于大多数人可能是熟悉的功能是有趣的，也相当的强劲。它会考虑到如一张图片的推介流量来自哪里，谁在什么时候评论了它，谁收藏了它，又有多少人喜欢它以及其他更微妙的东西。除此之外，该网站还拥有其他一些不寻常的功能，如基于世界地图上地理标记、流行的标签、相关主题、以品质为基础的群体、相机型号和最近上传的探索。

音乐流和音乐发现网站
将推荐和发现系统结合协同过滤实施最好的例子，我所看到的都是关于音乐流和音乐发现网站。例如，在Last.fm上的实施，我认为接近完美。首先，不管你是使用他们的在线流媒体widget还是他们的客户端，Last.fm会跟踪每首你听的歌曲并收集这些数据。他们每周也会跟踪那些在你的试听列表出现和消失的艺术家们的数据，并使用这些数据为你做个性化的推荐，自动创建一个播放Last.fm向你推荐歌曲的电台。

虽然这本身就足够多的，但并不是到此为止。他们的另一个电台为您播放你通常喜欢听的歌曲，还会给你推荐整个Last.fm社区流行的歌曲，以及一些您的朋友们在听和推荐的歌曲。这是一个非常强大的聚合、过滤并推荐的系统。以下是这个推荐引擎是怎么工作的：

正如你所看到的，他们分析我听的最多的音乐家，然后推荐一些和我经常听的风格和声音都比较相似的音乐家给我。其次是根据我在网站上的好友和一些我加入的音乐群组来给我推荐一些歌曲。

那么，协同过滤和推荐会消失？
只有少数一些主流网站运用了这种协同过滤（ CF ）和个性化的推荐——Netflix和亚马逊是最容易想到的两家。正如你从上述中所看到的，如果没有一个推荐引擎（如看到的Flickr ）这当然也有可能是一个良好的协同过滤系统。不过，如果你按照迄今最强健的推荐系统Last.fm那样增加一些推荐功能，对您的用户（因为那样用户体验会更好）和您的网站（因为用户将更多地参与和喜欢您的产品）来说，都是最好的。
—————————————————-全文结束———————————————————

延伸阅读：

[PDF] Collaborative Filtering for Orkut Communities: Discovery of User …

[PDF] Socially Collaborative Filtering: Give Users Relevant Content——————————————————————————————————-这篇文章断断续续地翻译，花了周末两天时间，但是感觉还有很多的语句翻译的不是很好很专业，难免有误导，所以，建议看原文。