用产品手段,解决「信息过载」问题

2020 年 6 月 29 日 人人都是产品经理

关注并将「人人都是产品经理」设为星标

每天早 07 : 45 按时送达


简单问下,你现在收藏了多少内容,真的有回去看完吗?

大多数人看到好的东西,都是先把内容收藏了先——说不定什么时候就会用到,是吧?但实际上,很多时候我们收藏就收藏了,并没有将东西使用、消化成我们自己的知识。这就是所谓的“松鼠综合症”,也叫“信息过载”——信息太多太碎片,反而很难用上了。

那么,如何破解这个难题?这篇文章,作者尝试解答这个问题。


全文共 3287 字,阅读需要 7 分钟

—————— BEGIN ——————

什么是信息过载?

信息过载定义部分其实较为明确,引用百度百科的解释如下:

信息过载是指社会信息超过了个人或系统所能接受、处理或有效利用的范围,并导致故障的状况。

而对于这个定义,我们需要了解的只有三点:

  1. 当下社会信息生产严重过剩;

  2. 获取信息渠道越来越多元,数量增多;

  3. 人接受处理信息能力有限;

在三者前提下,出现了对立关系,产生了矛盾。

对于大部分人来说,接收处理信息能力<获取到的信息量。

这种供需不匹配的情况也导致了收藏夹、RSS成为人们延迟信息输入的一种方式。

但是这种方式并不高效,大部分时候收藏夹都是名副其实的“无限播放列表”。

知乎网友对我之前一篇文章的评论

对于很多人(当然也包括我自己)来说,扔进收藏夹的内容一般都并没有被二次唤醒;偶然一看,中间有很多非常棒的内容,包括数据分析可视化的课程、一直心心念念要学的视频剪辑教程、一些准备精读的深度文章…

而随着当时想看的心慢慢冷却,这些内容无一不在收藏夹吃了厚厚一层灰。

当下信息负载的时代,如何让收藏夹不再吃灰,已经成为了很多人并没有意识到的一个痛点。

01

信息负载产生原因

我非常主观地将产生信息负载的原因总结为四点:思维惰性、损失厌恶、筛选无能、认知焦虑。

有点懵,没关系,我会一一解释(也可能是强行自圆其说🤔):

1. 思维惰性

大家可以回想一下:自己在什么场景下,面对什么内容,容易对其进行收藏等操作?

对于我个人而言,一般情况下是在浅层阅读、浅层信息摄取(逛微博、刷B站、知乎、即刻、朋友圈等)时;这个时候,我的思维在之前的浅层运作中形成了惰性,大脑皮层并没有做好准备面对深度的内容摄取;于是在经过简单判断之后,将内容扔进了收藏夹。

这是一种无意识的补偿心理反映,对于现在没有即时获取信息的补偿。

同时放进收藏夹也会给自己一种心理暗示:虽然现在我并没有获取到这个知识、这则信息,但是我已经将其放进了自己的预备阅读库,这个信息已经很大程度上被我、或者即将被我掌控,这是安慰心理在作祟。

事实上,“场景不对,一切白费”,思维惰性阻止了当下的信息获取,那么再想对信息二次唤醒,就靠缘分了。

2. 损失厌恶

人天生是趋利避害,厌恶风险和损失的;面对选择,使人不堪负重不是选择的数量,而是好的选择的数量。

放弃好的选择对我们每个人来说都是痛苦的,这就是所谓的损失厌恶。

甚至很多时候,我们明明知道这个知识或者这个内容对自己来说并没有什么用,也会倾向于将其加入收藏夹——毕竟好的内容不收藏,以后“万一”需要呢?

无法做出选择的时候,那就逃避。

收藏夹的存在某种程度上就是人逃避知识获取的产物。

3. 筛选无能

绝大多数时候,对于优质信息的筛选无能,是导致信息过载情况发生的罪魁祸首。

很多时候,并没有经过自己的判断就耗费时间消费他人认为的优质内容,消费结束发现对自己并无卵用;又或者未经判断直接将平台认为的优质内容收藏,导致了收藏夹又成为了新的信息筛选阵地。

4. 认知焦虑

在这部分一开始,我想问大家几个问题:

  1. 我们真的需要这么多优质内容吗?

  2. 我们真的每个人都需要学习python吗?

  3. 是真的每个人都需要学会摄影吗?

  4. 三天真的可以轻松入门office三件套吗?

答案是很多时候你并不需要,但是社会的风向、Peer Pressure的存在、成功学贩卖的鸡汤,让你认为你自己需要,社会变化太快,认知在不断更新,这种认知的焦虑促使着你产生剧烈的信息摄取需求,而信息获取能力匹配不上,信息负载就产生了。

02

从产品角度

如何解决「信息负载」?

从产品角度而言,用户因为信息负载产生的痛点需求是“匹配接收处理信息能力与信息获取密度”。对于产品来说,可以分为两块来看。

1. 增强用户接收处理信息能力

如何从产品层面增强用户接收处理能力呢?我个人觉得有四点可以考虑:

1)用户天然喜欢直观的内容,简介以及内容关键词显示会从一定程度上帮助用户筛选内容。如鼓励内容生产者自己发布或者通过机器学习算法生成文章简介,以及文章领域与关键词的展现等。

2)人对于不确定性是抗拒的,当获取信息所需时间并不确定的时候,人会习惯性地拖延。通过内容长度和阅读速度的判定对获取内容的时间进行预估,并展示给用户,可以有效降低用户焦虑。

3)对收藏夹内容进行有效唤醒,比如对于收藏夹内容进行二次推送,鼓励用户进行唤醒,并给予相应奖励等。

4)给用户创造合适接收处理信息的场景。之前说过,很多时候产生信息负载的原因来自于场景的错误,可以通过仿照青少年模式,给用户设置学习模式,用户进入学习模式免除干扰,使用长给予奖励等。

2. 降低信息获取密度

这中间重中之重一定是推荐算法,给用户推荐合适的、个性化的、需要的内容,能够极大程度上让用户接收信息的密度降低,用户可以用更短的时间获取最需要的信息。

除此之外,对于用户信息源的不断更新也是很重要的一方面。

我们都会认为RSS是解决信息过载非常好的方式,我曾经也这么认为,但现在想法却发生了变化。

订阅模式是很好的信息获取方式,但是对于使用者要求非常之高。

随便举例:

  • 使用者要克制自身的关注欲望,就算面对好的内容,也不能直接对内容源进行订阅操作,因为如果订阅动作过于随意,内容源就会泛化低质化,影响你获取信息的体验,订阅源更多一些,用户连对内容进行筛选的意愿都会慢慢消失。

  • 需要随时对于内容源进行删除和更新。因为RSS订阅的是一个个主体,主体内容更新是非常不可控的,有可能它的知识输出已经到达瓶颈了,他发布的内容已经信息密度很低了,这时候订阅者就要及时取消订阅,来维持内容整体质量,且去除掉不更新的内容源。

  • 容易产生信息茧房,RSS订阅带来的是固定的信息产出源,固定的信息倾向,这容易导致信息茧房的产生。

既然从使用者角度来看存在这些痛点,那么能否从产品角度来解决呢?

我觉得是有机会的。

起码“对于内容源进行删除和更新”、“解除RSS的信息茧房”,产品层面完全可以实现。

之前微信公众号内测过“长期未读公众号可选择关闭订阅推送”,这个功能个人认为是非常优雅的信息过载问题解决方式。

但不知为何今年反而没有消息了,个人猜测可能这个功能会对很多公众号运营者造成很大影响,毕竟订阅数的虚假繁荣被戳破,影响的可是切身的利益。

而现在正在尝试的“看一看”(通过社交推荐来帮助用户筛选内容)、推荐公众号(帮助用户打破信息茧房),都是很棒的功能。

PS:看一看还是存在一定问题,对于很多人来说,接触人群的低质化也会影响看一看的质量,而对于好友众多的人,看一看也存在严重的信息负载。

同时,面对收藏夹的吃灰问题,可以对收藏夹内容进行清理,降低用户打开收藏夹的获取信息压力。

我可以想到的就有两种解放方案:

1)对于收藏的内容,如果用户不进行额外处理,在48小时(我随口一说)内进行清理,如果想要长久保存的内容,用户需要额外进行单独设置。

2)对于长期未被打开的内容,到期清理,和微信公众号内测过“长期未读公众号可选择关闭订阅推送”一样的逻辑。

03

总结

对于信息负载问题的解决,平台和产品都只能起到辅助作用,决策权依然在用户手中。

但是往往用户都是“用脚投票”,对于信息负载问题,深陷其中反不自知,沉溺于“奶头乐”内容。

当然,这并无过错。

只是在享受当下的时候,我们也要着眼未来,正如狄更斯在《双城记》中说的那样:

那是最美好的时代,那是最糟糕的时代;

那是智慧的年头,那是愚昧的年头;

那是信仰的时期,那是怀疑的时期;

那是光明的季节,那是黑暗的季节;

那是希望的春天,那是失望的冬天;

我们面前无所不有,我们面前一无所有。

毕竟时代是怎样,取决于我们是怎样。

—————— / END / ——————


▼ 喜欢请分享,满意点个赞,最后点「在看」 ▼
登录查看更多
0

相关内容

喜欢,常用的集合
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
【论文推荐】文本摘要简述
专知会员服务
68+阅读 · 2020年7月20日
【WWW2020-微软】理解用户行为用于文档推荐
专知会员服务
35+阅读 · 2020年4月5日
新时期我国信息技术产业的发展
专知会员服务
70+阅读 · 2020年1月18日
【中科大徐童】多模态语义理解与关联
专知会员服务
82+阅读 · 2019年12月7日
 图像内容自动描述技术综述
专知会员服务
86+阅读 · 2019年11月17日
三本书,帮你解决阅读难题
罗辑思维
8+阅读 · 2019年6月13日
用户研究:如何做用户画像分析
互联网er的早读课
5+阅读 · 2019年5月14日
每个架构师都应该培养业务思维
InfoQ
3+阅读 · 2019年4月21日
改了3次APP首页后,我的一些认知
从0到1
11+阅读 · 2019年1月13日
战略|陈春花:好服务就是为客户创造意外的惊喜
智慧云董事会
9+阅读 · 2018年8月5日
从代码到300优质客户,用户画像在销售的实战应用
R语言中文社区
5+阅读 · 2018年6月16日
领域应用 | 推荐算法不够精准?让知识图谱来解决
开放知识图谱
5+阅读 · 2018年6月5日
推荐算法不够精准?让知识图谱来解决
人工智能头条
8+阅读 · 2018年6月4日
基于深度学习的视频内容识别
计算机视觉战队
10+阅读 · 2017年8月18日
如何用Python从海量文本抽取主题?
AI研习社
7+阅读 · 2017年7月6日
Fashion Meets Computer Vision: A Survey
Arxiv
5+阅读 · 2020年3月31日
Arxiv
4+阅读 · 2019年9月26日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
QuAC : Question Answering in Context
Arxiv
4+阅读 · 2018年8月21日
Recurrent Fusion Network for Image Captioning
Arxiv
3+阅读 · 2018年7月31日
Arxiv
4+阅读 · 2017年11月14日
VIP会员
相关VIP内容
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
【论文推荐】文本摘要简述
专知会员服务
68+阅读 · 2020年7月20日
【WWW2020-微软】理解用户行为用于文档推荐
专知会员服务
35+阅读 · 2020年4月5日
新时期我国信息技术产业的发展
专知会员服务
70+阅读 · 2020年1月18日
【中科大徐童】多模态语义理解与关联
专知会员服务
82+阅读 · 2019年12月7日
 图像内容自动描述技术综述
专知会员服务
86+阅读 · 2019年11月17日
相关资讯
三本书,帮你解决阅读难题
罗辑思维
8+阅读 · 2019年6月13日
用户研究:如何做用户画像分析
互联网er的早读课
5+阅读 · 2019年5月14日
每个架构师都应该培养业务思维
InfoQ
3+阅读 · 2019年4月21日
改了3次APP首页后,我的一些认知
从0到1
11+阅读 · 2019年1月13日
战略|陈春花:好服务就是为客户创造意外的惊喜
智慧云董事会
9+阅读 · 2018年8月5日
从代码到300优质客户,用户画像在销售的实战应用
R语言中文社区
5+阅读 · 2018年6月16日
领域应用 | 推荐算法不够精准?让知识图谱来解决
开放知识图谱
5+阅读 · 2018年6月5日
推荐算法不够精准?让知识图谱来解决
人工智能头条
8+阅读 · 2018年6月4日
基于深度学习的视频内容识别
计算机视觉战队
10+阅读 · 2017年8月18日
如何用Python从海量文本抽取主题?
AI研习社
7+阅读 · 2017年7月6日
相关论文
Fashion Meets Computer Vision: A Survey
Arxiv
5+阅读 · 2020年3月31日
Arxiv
4+阅读 · 2019年9月26日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
QuAC : Question Answering in Context
Arxiv
4+阅读 · 2018年8月21日
Recurrent Fusion Network for Image Captioning
Arxiv
3+阅读 · 2018年7月31日
Arxiv
4+阅读 · 2017年11月14日
Top
微信扫码咨询专知VIP会员