如何构建一个更好的社交网络

我们只需要把它想象成一个经济体。

关于科技的大部分写作存在一个问题，那就是它们指出了问题却没有提出解决方案。最容易抱怨的一件事就是社交媒体的运作方式：它优先考虑已经拥有大量粉丝的创作者所发布的浅层次吸引力内容。在社交媒体中，富者愈富，粉丝变得更加愚蠢。

我最近看到一篇关于社交媒体问题的文章，该文指出了这个问题并试图解决它。这篇文章由Nir Zicherman撰写，他是播客公司Anchor的联合创始人以及Spotify前副总裁兼全球有声读物主管。他提出了一个解决方案：创建一个市场经济，在这个经济中用户花费积分来决定哪些帖子被看到，并迅速重新分配这些积分以确保没有人能够持续累积优势。在这个世界里，他希望最好的内容可以得到推广——而不仅仅是来自大账户或者浅层次吸引力内容。

我相信有可能建立一个理想的社交网络，既拥有社交媒体的所有优点，又能解决现今平台的基本问题。

这是它的工作方式：每个新用户在加入时都会获得1000分。当他们看到喜欢的内容时，他们将部分或全部积分分配给帖子的创建者。一个创作者在任何给定时间内拥有越多积分，其内容就会得到更多传播。

但是，积分会以可预测和透明的方式随着时间而减少。渐渐地，积分被重新在用户群中进行了重新配置。你拥有越多积分，失去它们就越快。如果你少于1000点，则会逐步增加回来。该网络始终试图使自身恢复到平衡状态，并且正是社区的创新和高质量内容的大量出现阻止了这种情况发生。

为了方便本文阅读，我将把该网络称为DK（“decay：衰变”的音译）。

今天的社交网络

我们经常听到关于今天的社交网络有什么问题：它们是回音壁，评论充满毒性，点击诱饵泛滥，算法支持极端主义。社交媒体偏向选举，传播虚假信息，并导致心理健康问题。这个列表还在继续。

然而，核心概念（通过使内容无缝分发到全球从而将我们聚集在一起的技术）仍然吸引着人们。

那么，为什么我们现有的社交媒体网络会有这么多缺陷呢？因为社交网络就是经济体。自私的代理人在公共市场上互动，他们以思想和内容取代商品和服务进行交换。他们提供了分发形式的财富。他们有赢家也有输家。

但是当供应和需求管理时，经济才能运作。任何被需要的东西都会传播开来；任何低质量的东西都会被淘汰出去。只有当存在有效纠正机制重新分配所需资金时, 市场中看不见手才能起作用。

今天的社交网络没有这些纠正机制。不存在大规模“自由市场” 社交网路. 相反, 我们有两种模型之一。大多数社交网络都严重倾向于一个方向，但实际上是两者的混合体。

关注者模型

传统的关注者模型（由Facebook、Instagram和Twitter/X等平台推广）让人们可以扩大他们的分发渠道并保留它们以备未来使用。我们都对这些很熟悉。但是，它们存在五个问题：

基于粉丝的分发：拥有大量粉丝的人更容易发布新内容。
累积优势：拥有大量粉丝的人更容易变得更大。例如，一个账户从20000增长到50000比从10000增长到30000要容易得多。
收益递减：随着网络的扩张，信息流被现存用户挤满，这使得新创作者成功变得更困难。
回音室效应：社交联系在思考、外表和声音相似的人之间不成比例地建立起来。
质量下降：保留粉丝比吸引新粉丝要容易。作为一个拥有大量关注者的创作者越来越大时，他们没有太多动力去投资提高内容质量。新帖子不需要像早期那样努力工作就能为创作者带来同样的好处。

随着时间的推移，这些社交网络感觉乏味，倾向于极端主义，并且阻碍内容创新。这就像是寡头政治。一些早期进入的创作者赢得了大量收益，并垄断了他们的分发渠道。

真实的经济有纠正机制。两个例子是贬值和通货膨胀，这些经济现象激励创新和资本投资。如果一家公司不持续追求改进、增长和效率，其资产将会贬值，价格也会上涨。从长期来看，它将被挤出市场。

理想的社交网络需要具有类似的反作用力，以便激励内容创作者定期改进并满足他们受众的需求。

算法模型

另一种社交网络类型，由TikTok推广，遵循的是算法模型。内容的传播基于用户对参与度的反馈信号。这个算法是决定哪种内容能够成功的主要因素。

出于两个原因，算法模型未能成为有效市场。首先，他们优先考虑参与度而非质量，从而创造了一个自我实现的飞轮效应。创作者被激励去创建算法更喜欢的内容，这只会通过更多最大化参与度的内容来强化该算法。

这些模型之所以无效率，在第二个原因上表现得尤为明显：黑箱分发算法类似于经济指令性经济体制，在那里政府控制市场动态。在占主导地位的算法上几乎没有透明度和社区控制权——至少根据大多数经济学家看来——这样一个结构总会导致长期低效率。

两种网络模型都有着为用户创造问题激励机制的结构，并且都没有足够纠正机制以确保社交媒体中有害方面不会扩散。这让我想到……

介绍一种新的社交网络：DK

DK是我对“理想”社交网络的概念。用户会因为高质量的内容而涌向这个平台。 DK可以通过多种方式进行迭代。在本文中，我将简单阐述。

一个糟糕的DK模型。注意，这个动态是按每个创作者当前的积分排序的。

积分：当用户加入一个平台时，他们会获得1,000个积分。积分是一种分配价值的储存方式。你拥有的积分越多，在信息流中的排名就越高。

信息流：信息流是全球性的。它根据每个创作者所拥有的积分数量显示出一个按照堆叠排序的帖子列表。那些创作了高质量内容的创作者会被其他人赠予积分，使他们在信息流中排名更高，并使他们新发布的内容更可能被看到。这与传统关注者模型相似，只不过存在一个均衡力量，如下所述。

帖子：用户可以随意发表内容。但在任何给定时间内，只有他们最近发布的帖子才会出现在信息流中。

均衡力量：每10分钟，系统稍微重新配置一次积分。把它想象成对拥有大量积分用户征收税款然后再重新配置给少数点数用户。算法目标是让所有用户回归到起始状态——即每人1000点平衡状态上来看待这件事情吧！这类似于市场具备“修正机制”。

以下是均衡力量运算公式看起来像什么样子:

每10分钟，所有用户的积分都会进行一次调整。这个调整取决于用户拥有的积分数量。这个公式以每六小时减半的速度将用户的积分回归到平衡点（1000）。可以把它想象成一个六小时的半衰期。如果用户低于1000，该过程会给他们一些积分，并从超过1000的用户那里扣除。

(此功能是渐近线函数，意味着它接近但永远不会达到1000点的平衡。为了简单起见，我们假设当一个用户在1000点附近10点时，他们就返回到1000点。)

例如，一个用户开始时有1000个积分，发布了不错的内容，并得到了其他人赠送的积分。现在他们有1200个积分。

10分钟后，他们将有1,196分（四分被扣除并给予平台上的其他用户）。
1小时后，他们将有1,178分。
6小时后，他们将有1,100分（这是从他们开始的1,000点中减半的差值）。
24小时后，他们将有1,012分。
在26小时时，他们会回到1,000分（因为那时距离平衡状态的差值少于10）。

让我们看一个例子，其中用户有500点（低于1000点，因为他们已经给了他们喜欢的内容一些点数）：

在6小时后，他们将达到750。
在12小时后，他们将达到875。
在34小时后，他们将回到1000。

以下是四位用户在24小时内趋向平衡的趋势：

这是一个稍微复杂一些的版本，其中用户2、3和4在一天的过程中都把他们的积分给了用户1。

每当用户1的积分上升时，总是以其他赠送了他们积分的用户为代价。尽管用户1不断累积积分，但他们总是会随着时间趋向于1000。他们被赠予的积分越多，这种趋势发生得就越快。平台上的总积分始终是用户数量乘以1000。

解决今天社交媒体问题

如果这个新模型不能解决现在社交平台的问题，那它就没有意义。以下是DK如何解决这些问题：

基于粉丝的分发：与传统的粉丝模型不同，分发是基于对用户内容质量的短期感知。
累积优势：没有人能在不继续创造高质量内容的情况下长时间保持他们的分发利益。
收益递减：信息流按照其中内容的质量进行排名，而非可能性参与度或过去积累粉丝数。如果DK经济中出现错误或低效率，它们会迅速自我纠正，平台回归到均衡状态。
回音壁：由于系统中点数有限，人们只能给予他们认同者有限的优势。换句话说，没有任何特定群体/党派/意识形态/观点可以在全球范围内获得其他任何优势。
黑箱算法：与今天的算法平台不同，DK 的分发逻辑是透明的。无法长期操控系统游戏规则，也不能让创作者在没有持续创作高质量内容情况下获得长期优势。

DK只是个开始

有许多事情可以丰富你的DK体验——这里只列出两点：

鼓励用户赠送他们的积分，以便拥有大量分发的用户能够支持小型创作者。
允许用户“关注”创作者并在有新帖子时收到通知。以下机制将不包含在全球分发或信息流排名中。

今天社交媒体的缺陷是他们实施过程中决策的症状。如果我们回到为什么我们要建设这个核心问题上来，并以真实经济和市场为灵感进行，那么我们可以构建出比现在更好、更积极、更有意义的东西。

我喜欢这样的解决方案，值得我们深思你是否认为它可能有效。对于任何创作者的分布来说，增强衰减函数都有其用处，并且从参与度转向积分作为一种消除浅薄和炒作的方式。但是我有一些担忧：

我猜想，参与度和积分赠送将会高度相关。换句话说，用户可能会给他们参与的任何内容打分。可能存在一些边缘情况，特别是如果积分赠送是公开的，例如，我可能不会把我的积分发放到八卦内容上——但我可能花很多时间去看它。但在现实世界中有许多例子表明人们愿意花大量真金白银在浅薄的事物上而非“质量”。我认为这种动态将在此系统中持续存在。
累计优势之所以存在，是因为我们大脑的工作方式，并且衰减函数并不能解决这个问题。我们只有有限的注意力，并且一次只能容纳少数创作者进入我们的大脑。我们也是社交生物，需要他人帮助我们筛选消费内容。这些相结合的力量随着时间推移为少数创作者创造了累计优势。我不认为强烈的衰减函数可以解决这个问题——事实上，它可能激励人们更快地制作浅薄内容，在他们的传播用尽之前。这类似于新闻机构尽快报道突发新闻以便在信息价值衰减之前。

Via NIR ZICHERMAN