最近「中國社交領域是否走到終局」的問題一直廣受討論，本文作者將就這個問題作出解答，並談談自己的思考。
「中國社交領域是否到了終局」是最近幾天很火的一個問題，在此寫下自己的思考，拋磚引玉：
中國社交領域還沒到終局，或者說社交領域永遠都不會有終局，除非人類停止了前進。
至於發展和創新，我覺得可以從以下幾個方面發散思考和前進：
- 維持原有關係鏈；
- 拓展新的關係鏈；
- 價值交換。
以下展開說說其中部分想法和舉個例子，點贊和評論、分享多了我再補充：
一、什麼是社交
我的定義：人在一定場景和需求下，與綜合或部分價值相匹配的他人，基於價值交換，而產生的行為；為了可能的價值交換，人平時需要維護關係鏈和新增關係鏈。
二、什麼是場景
人的價值、需求不能單獨存在，必須跟具體場景結合，並會隨場景變化。
所謂的場景就是一人千面，同一個人，在不同時間、空間下，需求甚至價值都會變化。
如女生張三，在鐵嶺的場景下叫阿花，穿紅綠棉襖，需求是陪伴爸媽，天倫之樂；在北京三里屯場景下則叫Jessica，穿低胸性感小短裙，需求是成為夜店女王，眾人焦點。
三、什麼是價值
一個人的價值包括以下三部分：
- 外形價值：如身高、樣貌等外在條件；
- 經濟價值：如家境、收入、職業、社會地位、有車有房等經濟條件，硬價值；
- 生活價值：如風趣幽默、會衝浪、會彈琴等軟素質。
一個人的綜合價值包括以上3部分，並且每一部分均能延伸出大量標籤，確定參考系后，可以為每個標籤打分，0-10分，分值越高則該人該項價值越高，舉例如下：
李四：經濟價值。
收入：5分；家境：2分；房子：0分；車子：0分；股票：6分等。
據此，在信息量足夠大和參考系及計算體系完善下，可計算某人，在一定場景下，在某人群中的價值細分標籤分數，但注意，每個人的分數，都是會動態變化的，變數間的關係需要細化。（可類比足球經理、實況裡面球員的數值體系和變化）
四、社交的兩大要素
綜上，社交的兩大要素為：
一定場景下，綜合或部分價值相匹配；（維持和新增關係鏈前提也是你認可對方的價值，否則你往往會刪好友或者不回復）
一定場景下，能產生或潛在產生價值交換行為。
綜合或部分價值相匹配：
有以下兩種情況：
A、社交的雙方綜合價值相似，較為平等的；顯性的價值相似如騰訊的產品經理和阿里的運營經理；隱性的價值相似如馬雲和周星馳（雙方均為各自領域中全國前5的存在）；
B、部分價值相匹配：如所謂的老夫少妻——男方的經濟價值與女方的外形價值相匹配，其他價值可能差距懸殊。
在一定場景下能產生或潛在產生價值交換行為。
僅有價值是沒有意義的，只有在一定場景下可以或可能產生價值交換，才能達成社交行為，如一個馬雲和哈佛校長產生社交，可能會發生於哈佛校長邀請馬雲來演講或者馬雲捐贈哈佛以讓其兒子入學（雙方交換經濟價值）。
五、社交的用戶痛點
從人性本質而言，幾乎全部人都有社交需求；需求主要包括三大塊：
- 維持原有關係鏈；
- 新增關係鏈，拓展社交圈子（因為社交圈越大，越有可能滿足自己在不同的場景下進行價值交換的需求）；
- 進行價值交換（與社交圈子中的人進行信息交換、交流以確認價值情況並進行交換）。
在這三大塊需求下，延伸出以下四大痛點：
- 維持原有關係鏈費勁，響應未必及時，多樣化不足（沒時間維繫、差異越來越大不知道聊啥、找不到合適的人聊等，本質還是價值不相匹配或者找不到價值交換的點）
- 拓展社交圈子難（如何拓展？如所謂的社交恐懼症，其實不是真正的恐懼，是因為對這部分人而言，拓展社交圈子成本很高，收益不明確，導致恐懼）；
- 社交篩選成本高（社交前進行價值確定並交換是漫長的過程；如女生A問男生B平時上班堵不堵，實際上是要確認這個男生有沒有車，經濟價值如何）；
- 社交圈子中價值交換（信息獲取）不及時（可能雙方價值相似也有交換需求，但因信息獲取不及時，不在「同一場景下」；如你想去看周杰倫演唱會，你有朋友要出讓周杰倫演唱會的門票，你們也各自都發了朋友圈，但剛好都沒看到對方發布的那條）。
六、當前社交軟體的局限
（主要針對新增關係鏈和價值交換，對維持原有關係鏈後面另外寫。）
當前絕大部分社交軟體的基本邏輯，都像城市廣場一樣。軟體負責搭建這個廣場，並且拉一群人到這個廣場，可能放置些娛樂設施，然後就不管了，用戶自己在上面找人。
比如探探陌陌搭建了一個基於外形價值交換的廣場，領英脈脈搭建基於經濟價值交換的廣場，豆瓣搭建基於生活價值交換的廣場，有不少用戶在用，但都遇到了增長的瓶頸（陌陌DAU穩定在3千萬，探探DAU穩定在600-700萬，脈脈DAU900萬左右），原因在於：大部分人在大部分場景里，並不是很清楚自己應該去哪個廣場逛，TA只知道自己當下閑著，去廣場逛逛聊聊天也行，看劇也行，打遊戲也行。
而相對於看劇和打遊戲這些成本和收益都較為明確的行為而言，「去廣場逛逛」這個行為成本和收益都不可預估。廣場上茫茫人海，拓展圈子不容易。篩選出合適的人，獲取及時的信息就更難了，你在廣場上最多只能看到離自己最近的告示（信息）、離自己最近的人。
（不少現有玩法局限性也很明顯：探探的推薦演算法主要是基於用戶過往的瀏覽行為以及是否會員和被其他人右滑數決定，用戶自身的價值並沒有過多的標籤，對匹配也局限於外形價值匹配，導致用戶關注點高度集中於少部分外形價值高的用戶上，用戶間沒有形成平等的網狀結構，社交效率低；soul則是通過簡單的測試來得出少量的興趣標籤，匹配並不精準，如一個投資經理可能跟一個農民工一樣都喜歡周杰倫，都是孤獨星球上的一員，但他們能聊得來，交朋友嗎？）
七、滿足社交領域痛點的另一種思路
（拋磚引玉，社交還有很多路子可以摸索。）
大部分社交軟體的交互主體是兩類：用戶本人和其他用戶；即用戶A發出的狀態、內容，均主要供遇到自己的其他用戶看，並引發社交。
我們可以在廣場的基礎上，增加一個導遊/媒人的角色從而更好地滿足用戶社交需求。
交互主體成為三類：用戶本人、其他用戶、軟體本身，用戶Ａ發出的狀態、內容，不僅是供其他用戶看，而且還供軟體去了解自己。
軟體則根據用戶A的資料，完善其價值標籤，以及相應的價值打分，然後根據其行為，了解其在各場景下的價值交換需求。用戶A只需要告知軟體其此刻的狀態、需求，就能精準地為其推薦合適的人選。這樣能拓展用戶社交圈子，並且高效篩選，也可以提供其此刻需要的信息。
八、怎麼做
以上說的匹配方法，核心在於兩點：
- 給人的價值打標籤並評分；
- 基於兩個人價值和一定場景的三者綜合匹配。
給人的價值打標籤並評分
在軟體上線前，可以先導入一批目標種子用戶的資料（如果是騰訊、頭條這些做就更容易了，大量的用戶數據可以建立很好的模型），並對這批用戶進行三大價值以及三大價值下細分標籤標註以及打分；此處關鍵在於以下幾點：
A、高價值種子用戶：人的社交渴望為與自己價值相似或價值高於自己的人社交，因此高價值的種子用戶十分重要；而且高價值的種子用戶標籤較多，分值較高，可以作為很好的參考；
B、較為豐富的信息：個人特徵信息、社會屬性背景信息等越豐富越好，即使沒有足夠的信息，也至少需要用戶3張以上的個人照片或生活、工作場景照片；
C、由對人有深入洞察和研究的人來打標籤、評分，並逐漸訓練機器學習：閱人無數的高手能通過朋友圈掃一眼就迅速判斷這個人大概的情況；因此前期打標籤和評分必須由一批精於社交，洞察人性的專家團進行貼標籤和打分的工作。（其實這個也是可以批量訓練運營人員的）
產品上線后，前期用戶進來時，給每個用戶先賦值為全體用戶的標籤與均值，然後專家團對每個用戶的資料進行分析，進行標籤刪減或者增加以及數值的調整；然後逐漸通過機器學習，把人打標籤和分數的能力賦能給機器（這是一個大的技術難點）。
基於雙方價值和一定場景的三者綜合匹配
僅有每個用戶的標籤和價值還不足以完成滿足用戶此刻的社交需求，還需要有用戶場景或其他觸成價值交換的手段；這樣除了用戶雙方的標籤和價值組成了矩陣（x，y軸），還可以加入場景或其他手段作為z軸，讓推薦的矩陣更加精確。
有兩種方式：
A、把用戶發布的信息流內容，也用於優化推薦：
如用戶在下午5點在軟體上髮狀態為：今晚求約飯；那麼軟體可以這樣給他推薦：
先判斷用戶的標籤和相應價值，假設這是一個單身的，騰訊的女設計師，綜合價值為7分。
推薦1：附近公司的某獵頭；基於該設計師曾經發過想換工作的狀態以及經濟價值上多個標籤和分數的相似進行推薦；
推薦2：另一個也在約飯的平面廣告行業的設計妹子，但發現她們在美妝、在職業等多個標籤上分數相近，因此也推給她；
推薦3：附近某大學大學女生：因為她們在二次元、穿著、飲食、參與的活動等生活價值上的標籤和分數比較相近；
推薦4：阿里某單身產品經理，基於他們經濟價值、外形價值上多個標籤和價值相似，而進行推薦；
推薦5：四川火鍋走起群；基於該女設計師四川這個標籤，以及該區域同時有一個活躍的四川火鍋群，進行的推薦；
如果以上不滿意，可以選擇換一批。
前期先通過人工匹配，逐漸由推薦演算法匹配，用戶很多時候並沒有特別明確的社交需求，對TA而言，只要是對方價值相近，在某些方面存在價值交換的可能，即可在特定的場景下達成社交。
B、用戶主動尋找發起社交：
先給用戶提供一個三大價值相似、並且在此刻下按過去用戶行為可能合適的用戶候選集和增加篩選條件選項，讓用戶在其中尋找合適的人，發起社交。（相比現有的社交軟體，優點在於後台標籤顆粒度更細，涵蓋更廣，候選集更精準，用戶即使主動尋找，篩選成本也優於其他現有社交軟體）
九、核心難點
產品和技術
1. 不是騰訊和頭條這樣的大廠，如何引導用戶提供更多資料？
前期通過種子用戶激勵及有趣的引導方式引導種子用戶完善信息；綁定微博、微信獲取社交信息；設計一些簡單的測試引導用戶提供資料；也會詢問用戶是否允許其個人主頁公開訪問，其他用戶訪問時也可以在TA主頁中添加標籤（類似積目）；以及會註冊多個VIP客服反饋微信機器人，通過加用戶微信再爬蟲用戶朋友圈收集標籤；後續平台有一定口碑后可以影響新增用戶提供更多資料。
2. 如何引導新用戶髮狀態？
先激勵種子用戶髮狀態，體驗到馬上匹配的快感和驚喜；後續通過新手引導和口碑傳播激勵。
3. 如何把被動推薦和主動發現做得很好，怎麼組織信息呈現？
詳情見產品交互，本文尚未附上。
4. 如何把人工貼標籤和打分賦能給機器？
計算公式本文尚未附上。
5. 如何把人工匹配賦能給推薦演算法？
初期先用簡單的推薦演算法，後續數據量逐步提升后再優化推薦演算法。
運營
1. 種子用戶怎麼來？
需要高價值人群作為種子用戶；
如目前個人手上的資源：成都2000名高顏值女性+北上廣深1000名高顏值女性+5000名各互聯網公司、獵頭等精英+主要以大學生為主有十萬粉絲的公眾號+5000名白領粉絲的公眾號。
2. 種子用戶留存怎麼做？
3. 種子用戶如何激勵？
4. 運營計劃劃分哪些階段，每個階段工作重點以及可能的成本與收益如何？
本文僅拋磚引玉，期待更多的交流，若大家感興趣，點贊和評論、分享的人多了我再發沒放出來的部分，謝謝你的閱讀！
作者：楊家俊（微信號公眾號：產品經理楊家俊），校招時獲得騰訊、阿里等知名互聯網企業offer；3年騰訊產品經理、一年位元組跳動產品經理經驗，大學曾公眾號創業「吃喝茶山劉」，經歷過創業小團隊幾萬用戶的產品到騰訊上億用戶的產品