未来取决于数据：Clubhouse如何构建TikTok式算法？

对于像我这样曾经在Snap、LinkedIn工作过，也创办过社交媒体分析公司的人来说，Clubhouse的潜力可以说是毋庸置疑的。随着奥普拉、扎克伯格、马斯克、德雷克等名人的相继入驻，这款“嵌入式音频聊天”应用正式进入主流。

然而，Clubhouse未来的命运取决于它如何帮助用户找到令人兴奋的内容并提高他们的参与度。虽然面对这个问题大家都能想到正确答案——“用户数据”，但具体实现绝对不是那么容易。

“Clubhouse是什么？”

让我们听听用户对Clubhouse的描述：

1.不适合老年用户2。音频字段3中的下一个快照3。具有社区功能4的动物园4。年轻一代的“收音机”。第一个AirPods社区网络6。相当于90年代7在聊天热线上随意聊天。包罗万象的社交层。本质上，Clubhouse的功能是引导用户加入音频室，与他人聊天。有些聊天室是主持人和私人朋友聊天的地方，而另一些聊天室可能有成千上万的用户静静地听着奥普拉的讨论。短短几个月，Clubhouse就实现了惊人的用户增长，目前估值已经达到10亿美元。

许多人将这一成功归因于疫情导致的社会隔离期间恢复社会互动的迫切需要。Twitch或YouTube上的直播和精心制作的视频显然不能满足这种需求。话虽如此，这种指数级的增长似乎并不仅仅源于此。

俱乐部降低了参与对话的门槛。写博客和制作精美的视频往往需要大量的精力和技巧。相比之下，参与语音聊天甚至比自拍还简单。建立一次性聊天室也比策划播客容易。总之，这个应用程序大大简化了谈话广播内容的创建过程。

Clubhouse，广播热线的互联网1.0版本

在互联网浏览器诞生前的十年，也就是上世纪80年代，广播热线风头正盛。其受欢迎的原因与Clubhouse非常相似：降低了内容放送与传播的门槛。AM乐队为发布各种内容提供了更丰富的带宽。此外，宽松的管控政策也让地方电台迅速发展成为行业规模的内容创作平台。40年后，互联网的普及给我们带来了类似的效果：以零边际成本发布内容;以会所为例。对广播或讨论话题没有具体限制。@benthompson在社交网络2.0中强调Clubhouse具有典型的互联网1.0特性：

“请注意，v1数字产品的本质特征是，它们只是离线复制现有内容。对脸书来说，这意味着数字化朋友和家人之间的联系；对于Twitter来说，相当于把酒吧里的轻松聊天搬到了公共平台。之所以这一切只能叫v1，是因为v2产品必须包含一些只有通过数字化的独特属性才能实现的功能。”

另一方面，我们可以看到Clubhouse并没有充分利用这个“数字化属性”.从根本上说，所有的社交应用都需要解决两个问题：1)寻找社交互动；2)开启社交。只要稍微逛逛会所，大家都会意识到你很难在这里找到有趣的对话。当然，你可以关注主要聊某些内容的用户，但基本方式还是和Twitter提供有趣选项的推荐方案不同。

我们可以把Clubhouse想象成一个社交图结构，这是Twitter最笨拙的信息管理方式。一个好朋友最近告诉我：“我终于建立了我的推特账户，现在我只能得到我感兴趣的东西。”然而，他从2008年开始使用推特，直到现在才真正找到适合自己喜好的用法！Twitter经常要求用户更新调整自己的关注对象和“用户满意度”选项。更可怕的是，我们经常在推特上看到很多我们根本不想看到的内容。同样，用户经常在Clubhouse上陷入漫长而无聊的聊天中。

问题

为了寻找最适合当前用户的话题，Clubhouse需要理解全部对话内容，即以实时方式将对话内容转录下来。这一目标在技术上完全可行，目前的语音到文本算法已经非常强大，并没有太高的使用门槛。

Clubhouse目前不会记录用户的谈话内容，我认为这是因为运营方暂时不想影响到对话的真实性。类似的，Snap最初也曾经快速爆红。但请注意，Snap与Clubhouse从未明确表示他们不会保存信息记录。

TikTok的推荐魔法

作为如今第一算法厂商，TikTok凭借强大的推荐功能为Clubhouse的后续发展指明了出路。与Clubhouse或者Facebook不同，TikTok主要依赖的并不是社交图谱，而是强大的推荐引擎。正如 @eugenewei在谈TikTok与“分院帽”中所提到：

“字节跳动的软件工程师们对自己的算法拥有偏执般的关注，并在这方面用掉过去一半的检查周期。字节跳动也被称为算法公司，最早是突破性的「新闻」类应用今日头条、之后是短视频平台抖音，最后又有TikTok。”

TikTok的机器学习魔法源自一种有监督学习系统，能够快速找到用户感兴趣的视频。它会衡量用户看了多久、滚动速度有多快并考量其他多种行为特征，借此尽可能提升推荐算法的准确率。此外，该算法还会评估视频片段的实际属性：内容、速度、声音、颜色、文字等等。为了让算法切实起效，TikTok需要大量数据、海量数据。单是为了创建一套能够识别图像内容的系统，我们就需要1400万张分类训练图像（例如 imagenet）。

是否收集数据一直是产品设计层面的重要选择。在设计TikTok核心时，字节跳动就考虑到这方面问题。如今，该算法已经远远优于Facebook的推荐算法。此外，这部分数据也建立起巨大的业务壁垒，就连Facebook也很难轻松攻克。

TikTok是一家算法优先公司。其不依赖于社交图谱，独立构建起强大的推荐引擎。

随着Clubhouse的发展，运营方也需要在这方面做出设计选择。他们该如何记录对话中的积极情绪？Clubhouse是一种被动的载体，因此用户可能不会直接对对话做出反应。Spotify或者Deezer等厂商面对的问题就相对简单，比如他们可以轻易发现用户不喜欢“切歌”之类的操作出现延迟；但Clubhouse不行，他们甚至很难明确目前聊天房里的用户喜不喜欢当前对话，这大大提高了算法的改进门槛。

推荐内容创作者可能是种衡量用户满意度的明确方法，但这种方式在使用初期往往起效很慢。根据我自己的创业经验，跟踪相同内容在不同平台上的传播情况、或者说转发量，往往也是衡量参与度的理想信号。这种方式似乎也适用于Clubhouse。如今，你已经可以在Twitter或者Facebook等其他平台上收听Clubhouse对话中的精彩段落。因此，未来Twitter与Facebook很可能会拿出与Clubhouse正面竞争的产品，这是因为他们不仅拥有社交图说、也掌握着能够衡量内容质量的传播渠道。

Clubhouse 的未来

尽管面临一系列挑战，但Clubhouse迅猛的前期发展势头仍然值得肯定。而后续能不能坚持住这样的好状态，取决于Clubhouse能否以较低的成本推动发布内容的多元化。运营方当然意识到了这个问题，因此宣布将投巨资为创作工具开发者与内容创作者提供收益。为了扩展业务规模，他们还需要建立各类数据与参与度指标。如果不能成功破圈，Clubhouse只能成为音频内容下的一套子堆栈——本身虽然仍可算成功，但绝对无法发挥出全部可能的潜力。

（声明：本文仅代表作者观点，不代表科技行者立场。）