Google+ 为什么会死?

2019 年 4 月 13 日 机器学习算法与Python学习

作者 | Talin

译者 | 弯月

责编 | 郭芮
出品 | CSDN(CSDNnews),图源 Chesnot/Getty Images


2010年,在Google+团队成立后不久,我就从Blogger团队调了过来。我在这个项目上一干就是三年,刚开始在用户信息团队工作,后来又转到发展与参与团队,最后又转去了项目Madonna和项目Zorro,在最后这个项目中我参与了废除“实名政策”的工作。


当时,作为一名只有五级的低级软件工程师,我在这个项目中的参与度相对较低,但我见证了Google+在最初的开发阶段做出的许多内部决策,而且我认为从这个产品的历史发展过程来看其早期的一些关键决策存在重大的错误。不是我事后诸葛,即便在当时我也有强烈的预感,从长远来看这些决策有害无益。目睹了之后的种种,如今我可以清楚地表达我的论点了。


我并不是说本文讨论的问题是Google+唯一的问题,但我认为这些问题是导致该产品最终走向消亡的重要因素 。另外,本文仅代表我个人的观点,与我现在的老板和其他人完全无关。


非对称关注模型

对称关注模型指的是在双方都同意的情况下才能建立联系,Facebook和LinkedIn用的都是这种模型。


非对称关注模型则指一方可以在不与另一方交互的情况下单方面建立关注的关系,Twitter和Google+使用的都是这种模型。


Google+的创始团队想要迅速扩张其社交版图,他们以为打败Facebook只是规模的问题。毕竟,如果没有可以互动的朋友,即使是功能再强大的社交网站,也没有人用。


他们认为,非对称关注模型可以带来更快的社交版图增长,因为双方不需要“握手”就可以成为朋友。这一点并没有错,至少这在初期阶段没有问题。


与此同时,他们还希望Google+能够成为保持“熟人关系”的社交网络,你可以通过这个网络与朋友和家人保持联系。


然而,非对称模型有一个致命的弱点:不利于双向的交流。当你“关注”了某个人,则表示你想看到对方的动态。但仅仅因为你关注了某个人,并不代表他们也愿意关注你的动态。


这种单向交流的模式并不利于在网络上建立亲密的联系,因为亲密的联系需要频繁的双向互动。比如: 

“姐,最近好吗?”

“挺好,孩子们好吗?”

我把我姐姐Christie添加到我的Google+圈子里,这样我就可以看到她的动态了。然而,这并不意味着她也可以看到我的动态。


人类有沟通的需求。然而,只有当对方用心聆听时,你才有动力交流。对于大多数人来说,对着空气大喊会让人灰心丧气。还有一种让人丧失动力的原因就是缺乏反馈,如果你无法得知某人是否收到了你的消息,那么人类的自然反应就是放弃这种交流方式,转而去寻找另一个。


在早期Google+就表现出一种不妙的现象:用Google+发消息非常不可靠。这并不是说Google+会弄丢消息或者发送失败,而是很可能没有人会去读这条消息。


电子邮件就不会有这样的问题,因为虽然你无法得知收信人是否读了邮件,但你知道电子邮件客户端的运作方式;你知道你的邮件会一直躺在对方的收件箱里,所以,你确信对方早晚会读你的消息。


Twitter也不会有这样的问题,因为它的定位不是熟人的关系网络。在Twitter上,交流是一种统计现象:你不关心是否每个关注者都能看到这条消息;你关心的是你有多少粉丝,以及是否大多数人都会收到你的消息。


显示内容的排序

另一个导致Google+的交流整体不可靠的因素是排名。你在Google+上浏览到的内容都通过复杂的算法进行了排名,“重要”或“有趣”内容会出现在最顶端,而优先度较低的内容则会出现在页面较低的位置上。


此外,Google+的页面还支持“无限滚动”,也就是说页面没有明确的终点。只要你一直往下滑,就能不断看到新的文章。这意味着你永远也翻不完,无穷无尽。这反过来意味着每个用户最终不得不停下来,而他们停止阅读的地方是无法预料的。


在我看来,上述两个因素的结合,是打破“熟人关系”目标的致命一击。如果我姐姐通过Google+给我发送了一条消息,那么这条消息不一定会显示在最顶端,而且如果它出现在比较靠下的位置,那也有可能我还没看到这条消息就停止阅读了。这对我来说不是大问题,但对我姐姐来说就很闹心了,因为她不知道我有没有看到她的消息。 


一般来说,排序的问题在于它剥夺了读者的控制权。到底应该由谁来决定哪些内容很重要,哪些内容很有趣?而Google+的高层却深信排序是关键——毕竟,Google就是靠排序取得了成功,而且他们还认为所有问题都可以通过更好、更人性化的算法来解决。


在浏览优先级较低的信息(例如读报纸等“随手翻一翻”的行为)时,排序非常有用,因为没人愿意花大把时间决定读哪些,不读哪些。在这种情况下,拥有一个自动筛选的功能很符合逻辑。


但是对于重要的事情(比如你妈妈的来信),你绝对希望百分百地掌控(这也是Google Inbox从未流行起来的原因)。


结果,用户很快发现,发给家人或者朋友看的内容很有可能对方从来没注意到。因此,他们又回去继续使用电子邮件或Gchat。


后来,Google+添加了“通知”功能,该功能提供了一个单独的用户界面,所有Google的应用都可以看到这个界面,目的是为了专门显示发送给你的消息,或其他优先级很高的内容。


但是,这有两个问题:首先,这个功能发布得太迟了;其次,Google创建了一个单独的界面,却没有解决核心的问题,这实际上削弱了用户的整体体验。这意味着如果你想要完整的Google+体验(包括浏览和私人消息),实际上会有很多消息你不得不读两遍。


关于排序和无限滚动,我还想讨论几点。首先,由于没有标记“已读”的按钮,所以唯一能确定你是否已经读过这篇文章的方法是,在滚动时再次看到这篇文章。毫无疑问,这是一个非常不可靠的信号。有可能系统以为你已经读过了这篇文章,所以不再显示;还有一种情况是你不得不反复阅读同一篇文章。


这背后的原因是,用户界面设计师希望极力地简化界面,而且也不希望用户在每篇文章中点击“已读”。然而,不幸的是,我认为他们是聪明反被聪明误,没有看到这个决定的弊端。


当然,Facebook的新闻源也加入了很多我在此描述的元素,包括排序。但是,在Facebook中,直接从一个人发送到另一个人的重要消息有专用的渠道,这种方式更像电子邮件,并按照严格的时间顺序排列,有明确的“标记为已读”的功能,排序和算法只用于非必要的动态。


Facebook的设计师清醒地意识到,对于社交互动来说,不可能通过一种方式处理所有情况。基本和非基本的交流、紧急和随意的交流之间是有区别的,特别是在维护人际关系时。不能以简化用户界面为由,随意地将所有的功能都塞到一起。


非有机增长

尽管存在上述问题,但是, Google+在刚刚发布时依然散发着新鲜和活力感。Google+上有很多活跃度很高的用户,来自四面八方的声音一起讨论有趣的话题。我还记得,当我第一次关注Wil Wheaton的时候,激动得不得了。随后,这个社交网络开始缓慢地发展,虽然很慢,但依然在有机地增长。


然而,当Google将大量用户转移到Google+时,情况发生了变化。


高层又一次担心Google+的规模不足以击败Facebook。当时,他们已经拥有数十亿的用户(我指的是拥有Google账号的用户)。怎样才能让Google用户开始使用Google+呢?


为了解决这个问题,Google启动了代号为Hancock的项目,这个项目旨在为每位Google用户建立Google+账户。这项工作实际上可比听上去困难多了,最后一个工程团队花费了将近三个月的时间才完成。


于是,一夜之间Google+的用户数目激增了数百万。与此同时,我们中的很多人也开始将这些用户添加到我们的Google+圈子里。但是问题出现了:很多新用户根本就没有任何回应或互动。


不久之后,很多人开始称Google+为“鬼城”。然而,这个鬼城不是传统意义上的空旷废弃的建筑群,而是很多鬼魂居住的城市,更具体地说是“鬼魂账户”的聚集地。


Hancock项目的本意是创造数百万新的Google+用户,实际上却只创造了数百万账户,而这些空账户也成了问题。


当年我在发展与参与团队工作的时候,我们与隔壁的数据分析团队开展了密切的合作。每周隔壁都会派一个成员来给我们做一个小时的报告,深入讲解数据度量和分析。我觉得非常有趣。


其中有一次讲的就是空账户的影响。通常,我们都认为朋友越多越好。也就是说,你的社交圈越大,就越有可能成为一个活跃的用户。然而,当时的数据显示了一个更加微妙的现象。实际情况是,活跃的朋友越多越好。事实上,用户的活跃程度与朋友圈中不活跃朋友的数量之间呈现出了轻微的负面关系。


从本质上来说,如果你的圈子里有很多不活跃的朋友,那么就会导致整体体验变差,从而导致你放弃这款产品。还不如当初就维持很小的社交圈,仅限于一些活跃的用户。不幸的是,用户并不知道哪些朋友是活跃的,哪些不活跃。


对于Facebook这类对称关注的模型来说,这就不是问题,因为在和对方成为朋友之前,双方必须都处于活跃状态,这样对方才能接受你的邀请。


在我看来,Hancock项目彻底将Google+推向了万劫不复的深渊。


非对称性关注、极度依赖算法排序、大量不活跃账户——这三大因素导致用户发给家人或朋友的消息非常不稳定。在Facebook中,我可以和姐姐进行一对一的交流,我们都很确定对方会接收并阅读我们的消息。


然而,在Google中,我必须从Google+跳转到其他的应用(比如Gmail和Hangouts)才行。更重要的是,我必须走出圈子/关注模型使用另一套联系方式,例如Gmail通讯录。这个缺点瓦解了Google+打造“熟人关系”社交网络的整体设计目标。


团体迷思

Google拥有世界上最聪明能干的员工。你不禁疑惑:为什么这些人未能在早期发现并纠正这些问题呢?实际上,很多人早就发现了,他们也曾尝试请求高层调整方向,然而都无济于事。


2011年初的时候,我与Google+的负责人Vic Gundotra一起在Google的咖啡厅共进午餐。一般来说,Gundotra不会和我这样的中级工程师一起吃饭,但他听说我曾是一名游戏开发人员,就感到很好奇。


他直截了当地问我Google+应该做出怎样的改变,我提到了非对称关注模型的问题。而他强烈反对,并表示非对称关注模型是他们在这个项目中做出的最佳决策之一。


我提到的其他问题——排序、无限滚动和非有机增长,同样其他人也曾向高层和决策人员反映过。结果,负责产品愿景的高层并没有直接否决我们的意见,而是他们有详细、系统的论点,来证明自己的方法是最好的。


另一方面,当时的我们也无法完全确定我们就是对的。我们无法提供切实的证据,来证明当下的方向是错误的。而决策层都是非常非常聪明的人,拿着比你高十倍的工资,所以我们就都屈服了,我们觉得他们肯定很清楚自己在做什么。


然而,无论是在理性上还是感性上,这些高层都非常坚持他们对产品愿景的看法,而他们周围的人也都秉持着同样的观点。这就造成了心理学上的团体迷思的现象(指团体在决策过程中,由于成员倾向让自己的观点与团体一致,因而令整个团体缺乏不同的思考角度,不能进行客观分析)。


这些高层对某种做事方式有强烈的偏好——比如依赖高级、复杂的算法来决定最适合读者的阅读内容,而不是让读者自己选择,因为Google就采用了这种方法,而且在一定程度上,Facebook亦是如此。


事实上,多年以后,最初的这些决策的弊端越来越明显,但那时已经太迟了。在建立了数十亿人际关系后,再重新设计关注模型,这对用户来说太过颠覆性了。我们已经走上了一条不归路,无法回头了。


后果

到2014年,局势就很明显了, Google+永远不会成为“下一个Facebook”。我参加了很多次由David Besbris(当时他是这个项目的负责人)主持的公开战略讨论会,他和前几任负责人不同,他对产品的根本改变持开放态度。


然而,他们采取的策略也有点令人沮丧。基本上,Google+打算完全放弃打造“熟人关系”社交网络的目标。相反,他们打算加倍努力打造一个具有“亲和力”的关系网络——即有共同爱好的社区,而这些人在现实生活中并不一定是熟人。这样做的原因是,Google+上很多兴趣社群还很活跃,他们希望通过将注意力放在这些用户身上推动这款产品走向成功。


换句话说,他们的目标不是成为下一个Facebook,而是成为下一个Tumblr。


当时,我已经离开了Google+团队,转到了JavaScript系统部门工作。尽管我的大部分工作仍然与Google+相关,但我不再属于这个产品团队了。后来,我于2015年离开了Google,因此也不太清楚后面发生的事情,但根据我的了解,这款产品持续走向衰退,终于在今年4月2日宣布下线了。


我希望Google+取得成功。大家有目共睹,Google+有很多讨人喜欢的功能,包括很多精巧的设计,比Facebook和其他任何社交网站做得都好。而且我打从心底讨厌Facebook,无论是这个产品还是公司。我宁可错失很多也拒绝使用Facebook。


我相信很多人和我一样对Facebook感到不满。但是,想要打造一个没有Facebook那么多弊端的新型社交网络,似乎也不太可能。毕竟,像Google这样既有财力又有人才的公司都做不到,我们还能指望谁呢?


然而,这种想法也不正确。Google+的失败并不是因为对手Facebook太强,而是因为产品设计的种种缺陷。从这些缺陷中吸取教训,才是构建更好的产品的第一步。


推荐阅读

python爬虫,学习路径拆解及资源推荐

马云:能996是一种幸福,要珍惜!

Python奇淫技巧,5个数据可视化工具

尴尬顺丰

关于防止过拟合,整理了 8 条迭代方向!


喜欢就点击“在看”吧!
登录查看更多
0

相关内容

Google+(Google Plus,G+)是 Google 公司推出的一项社交网络服务,2011年06月29日正式开放测试。
Gartner:2020年十大战略性技术趋势, 47页pdf
专知会员服务
77+阅读 · 2020年3月10日
我是怎么走上推荐系统这条(不归)路的……
全球人工智能
11+阅读 · 2019年4月9日
想让页面更简明,你需要学会设计信息层级
互联网er的早读课
3+阅读 · 2019年2月3日
历经一个炒作周期,聊天机器人为什么还没成功?
网易智能菌
5+阅读 · 2018年6月13日
为什么 Python 更适合做 AI/机器学习?
计算机与网络安全
10+阅读 · 2018年3月18日
如何做个小冰那样成功的聊天机器人
七月在线实验室
5+阅读 · 2017年12月4日
AI都干过什么让人细思极恐的事?
全球创新论坛
4+阅读 · 2017年9月15日
这位程序员为什么要弃用Facebook?
CSDN
5+阅读 · 2017年7月14日
Arxiv
4+阅读 · 2018年5月10日
Arxiv
9+阅读 · 2018年1月30日
Arxiv
5+阅读 · 2017年11月13日
VIP会员
相关VIP内容
Gartner:2020年十大战略性技术趋势, 47页pdf
专知会员服务
77+阅读 · 2020年3月10日
相关资讯
我是怎么走上推荐系统这条(不归)路的……
全球人工智能
11+阅读 · 2019年4月9日
想让页面更简明,你需要学会设计信息层级
互联网er的早读课
3+阅读 · 2019年2月3日
历经一个炒作周期,聊天机器人为什么还没成功?
网易智能菌
5+阅读 · 2018年6月13日
为什么 Python 更适合做 AI/机器学习?
计算机与网络安全
10+阅读 · 2018年3月18日
如何做个小冰那样成功的聊天机器人
七月在线实验室
5+阅读 · 2017年12月4日
AI都干过什么让人细思极恐的事?
全球创新论坛
4+阅读 · 2017年9月15日
这位程序员为什么要弃用Facebook?
CSDN
5+阅读 · 2017年7月14日
Top
微信扫码咨询专知VIP会员