# 「看一看」里增加了个人主页，社交推荐能成就一个大众阅读产品吗？

- 作者：蒋鸿昌
- 发布时间：2019-05-30 10:05
- 原文：https://www.ifanr.com/minapp/1217960

![](https://s3.ifanr.com/wp-content/uploads/2018/10/76-1.jpg)

5 月 28 日，不少人发现在点开微信「看一看」时，跳出了一则提示：「轻触朋友的昵称，可访问朋友的个人主页」。

也就是说，在「看一看」中的「好友在看」一栏中，用户有了一个区别于朋友圈的个人主页，显示最近 7 天内「在看」的文章列表。

![](https://s3.ifanr.com/wp-content/uploads/2019/05/zaikan-952x1024.png)

这个小改动登上了微博热搜榜，截至 5 月 29 日下午，#微信上线在看个人主页# 这个话题已经有接近 4 亿的阅读量。

公众的关注点主要在于：这样的改动，是不是让个人隐私更加无处可藏？

其实，从微信将公众号文章的「点赞」功能改为「好看」开始，这样的争论就层出不穷。过去私密、随意的行为变得和微博的点赞一样，会暴露在你的好友面前。

围绕隐私讨论问题很能吸引关注，但它并不是问题的全部。对内容生产者来说，过去的「点赞」算是一个小小的锦上添花，它无法带来直接的回报，因为无法获知点赞者是谁，也不能直接加强和读者的联系；对公众号读者来说，点赞也仅是一个表达情绪的按钮，别无其他。

![](https://s3.ifanr.com/wp-content/uploads/2018/12/ijj-823x1024.jpg)

从「点赞」到「好看」，让内容生产者多了一个流量来源；读者也从单纯的表达情绪变成了在朋友范围内「推荐」。这是一个更能产生价值的改动，包括商业价值。

之后，微信把「好看」改为了更加中性的「在看」，点击「在看」后，读者还可以添加一段自己的想法。它能将更多类型的内容囊括进来，也代表了「看一看」正从「挑选好内容」的产品转向一个大众阅读产品。

所以，微信「看一看」的「朋友在看」的连续改版，除了隐私，更值得关注的是，由社交关系推荐内容，会比机器推荐更能让人发现好内容吗？甚至，社交推荐这个和机器推荐截然不同的分发机制，能成就一款大众阅读产品吗？

![](https://s3.ifanr.com/wp-content/uploads/2019/05/robot-1-1024x682.jpg)

「看一看」的「朋友在看」和「精选」其实分别代表了微信对两个方向的探索。在年初的微信公开课 Pro 版上，张小龙直言微信的机器推荐「效果不太好」，这个效果包括内容质量和用户量两个方面。

因此，张小龙给团队的建议是，要么降低内容的底线，要么「你们认命做一个小众的严肃阅读产品」。

「朋友在看」则让基于个性化推荐的内容产品有了逃脱这两种「宿命」的可能。微信有 11 亿月活跃用户，将人际关系作为内容分发的引擎，一方面足以保证内容数量，另一方面，好友之间的「筛选」机制，可以把相似人群共同关心或推荐的内容突显出来。

张小龙将这个机制总结为「社交体系的纠错」功能：单个的人有认知惰性，倾向于躲在舒适区内，但群体可以把「走偏」的个人拉回来。

![](https://s3.ifanr.com/wp-content/uploads/2019/05/group-1024x682.jpg)

微信也有这样做的必要性。曾经朋友圈就承担了这样的功能，在微信公众号刚上线的那段时间，通常有 70%、80% 的阅读量来自朋友圈。

但是，当用户的好友越来越多，朋友圈的推广链接越来越多时，用户开始忽略文章，而倾向于在朋友圈看到朋友的真实动态。公众号内容来自朋友圈的阅读量越来越少，朋友圈筛选文章的极致已经在失效。

将「阅读」从朋友圈区隔出来，通过社交关系在「看一看」中分发，可以营造一个新的纯粹的阅读场。如果能培养起用户习惯，这里会和曾经的朋友圈一样，帮助用户筛选出好友间最关心的内容。

![](https://s3.ifanr.com/wp-content/uploads/2019/05/read-1024x576.jpg)

最近，有人在微博做了一个小调查，结果显示有远超半数的人基本不使用/偶尔使用「看一看」。不过对微信来说，这并不是一个大问题，先保证经常使用「看一看」的一小半人（因为微信的基数，这部分用户的绝对值也不小）的体验，微信有足够的时间和机会让它成为一个大众产品。

「看一看」面临的更迫切的问题，是有人将这里当成另一个营销战场，营销推广链接被以「在看」的形式分发到这里。「看一看」现有的「不看某人的推荐」或许还不够，建立个人主页后，如果微信在此基础上增加「特别关注」、「屏蔽」等功能，可以让用户更高效地获取自己关心的内容。

如果在产品上解决营销信息泛滥的问题，并培养起用户习惯，一个基于社交推荐的阅读产品，至少是一个和机器推荐相当的大众阅读产品。