系统学习Feedl流技术

最新推荐文章于 2024-07-01 00:12:37 发布

gou553323

最新推荐文章于 2024-07-01 00:12:37 发布

阅读量477

点赞数

分类专栏： Feed流技术

本文链接：https://blog.csdn.net/gou553323/article/details/114268273

版权

Feed流技术专栏收录该内容

3 篇文章 1 订阅

订阅专栏

1.这个技术出现的背景、初衷和要达到什么样的目标或是要解决什么样的问题

Feed，就是我们常常看到的“动态”、“新鲜事”，是一种信息流。当用户与一些内容源建立了硬链接后，这些内容产生的动态，就会源源不断地流向用户，多个内容源产生的动态会被聚合后呈现在用户面前。
包括社交动态的信息流，也有图文资讯的信息流，短视频信息流。
在这里插入图片描述
当你加入一个社交网络，就成了这个网络中的节点之一，其他节点的风吹草动你就想了解一下，同时别的节点也知道你的风吹草动。这个社交网络中任何一个节点“动一下”，都会以feed的形式在整个网络中荡漾。
Feed通常都是默认按照内容产生的时间先后顺序排序，这就是timeline(时间线)，twitter、微博、instagram一开始都是这种时间线。
随着智能手机的普及和移动网络的提速，都使得UGC越来越容易，浏览和发布动态越来越动态化，数量陡增。最开始用户消费无压力的时间线feed，开始出现信息过载或者错过一些感兴趣的内容了。In addition，时间线feed不利于商业化的开展，比如微信朋友圈的插播广告会导致用户不满，但同时，个人微商号天天发广告。
兴趣feed，也有很多高大上的叫法：NewsFeed（Facebook）、SmartFeed（Pinterest）、智能feed(微博)，也有叫作Aggregated Feed的。它本质上是把传统的按照时间顺序显示的feed按照与用户兴趣相关程度重排序展示。简言之，就是时间线看不完了，就按兴趣给你挑选（推荐系统）。

推荐系统是一种注意力存储器，注意力是信息经济时代的稀缺商品，广告商像平台方购买注意力，平台方把存储的注意力分一点给广告商，然后通过推荐系统收集更多注意力补充回来。

在今天，最厉害的注意力存储器就是信息流，尤其是个性化信息流，也叫做兴趣Feed，这也是推荐系统的一种。

2004年，Facebook问世，2006年，信息流鼻祖NewsFeed横空出世，同时问世的还有MiniFeed(个人动态)。
我们来看一组最新数据。
活跃用户方面：
1.facebook2020Q3季度日活18.2亿，第三季度月活27.4亿
2.微信月活用户为12.12亿
广告收入方面：
1.facebook 202Q3广告营收为212.2亿美元。
2.腾讯网络广告业务2020年第三季的收入为人民币213.51亿元。其中社交及其他广告收入为人民币177.52亿元，媒体广告（腾讯视频，音乐等）收入为35.99亿元。

国内信息推荐流两大阵营，社交和算法，微信朋友圈代表着社交派，今日头条统领着算法派。而facebook的newsfeed融合了社交+算法，而无论是微信朋友圈或今日头条，都在往这个方向努力着。
facebook newsfeed 经历过两个抗议阶段，第一个是把新鲜事公布出来，原来的新鲜事被大家认为是隐私，在时间线中呈现出来被好友看见不妥，而事实是，每个人在意的除了自己的隐私被公布，更在意的是朋友的八卦，数据表明新鲜事被公布后，用户活跃度大幅上涨。2009年，facebook加上了赞（like）功能（FriendFeed在2007年发明了赞按钮，FriendFeed后来于2009年被Facebook收购，并将赞这个功能整合进来），开始按照热门程度对Feed重排序，这又引起了用户们的反抗，因为大家已经习惯按照时间线顺序阅读。
伴随着这么多争议，为什么Facebook一直坚持做兴趣feed?从数据上看，平均每个用户每天待看的有1500条之多，但平均每个用户每天只能阅读300条；从商业角度，将Feed按照时间排序，非常不利于商业化，而且有损用户体验，公共主页可以使用很多伎俩吸引用户关注，然后肆无忌惮的发广告。
10年来，NewsFeed有数不清的改进，甚至每天线上都会同时部署很多算法版本进行AB测试。
NewsFeed存在的前提是要依赖用户建立大量的社交关系，这样才会出现信息过载，因此NewsFeed的一个重要的配套设施就是“你可能感兴趣的人”（people you may know）推荐系统。
NewsFeed的成功，验证了几个常识：
1.数据驱动比舆论驱动，别听人们嘴上是怎么说的，只看人们是如何行动的；
2.窥探隐私，向群体靠拢，害怕孤单是普遍人性，把新鲜事公开这件事验证了这一点；
3.注意力非常有限，用推荐系统的方法更好地存储注意力，基于兴趣的信息验证了这一点。
后来，twitter，微博，Instagram，老牌的时间线信息流方式如今都换成了按照兴趣筛选内容，原因都是信息泛滥，用户错过的信息越来越多，注意力耗散很多，无法将耗散的注意力变现成了这些平台最大的痛。
今天不主要讲推荐算法的问题，本次主要探寻信息流系统的架构，等以后学习信息流推荐算法再看。
要搜索feed相关技术文章，应该用Activity Stream作为关键词去搜，而不应该用feed搜索。