知乎最在乎的数据是什么？

问题：在知乎分析社区的成长、社区UGC内容的走向以及未来商业化运作时候所参考的数据，最重要的一个数据指标是什么？注册用户数、回答问题数量、还是日活跃用户？

回答：

这其实是个好问题。知乎属于典型的网络系统，网络系统的价值=规模的平方。

最初是人们研究电话系统时的结论。例如，1个电话是完全没用的和没价值的，10000个电话比1个电话更好用，1亿个电话更好用。但是知乎的网络系统比较复杂，因为三层关注体系有点复杂的，该系统的价值（即用户粘度）和下面好几个参数相关：问题数量、用户数量、话题数量和质量、用户关注问题的数量与信噪比、用户关注用户的数量和信噪比、用户关注话题的数量和信噪比，以及产品设计导致的关注、私信、搜索、修改问题、评论等等一切功能的易用性。这里的信噪比是指，我关注了100个用户，但是100个用户是我一个一个仔细的筛选关注的，还是你一键批量关注推荐给我的是完全不一样的。新浪微博和微信好友也是一个道理。例如，新浪微博的通过悬浮关注而不是点击到个人详情页再关注就极大的提高了关注速度。根据这些问题可以推导出最适合知乎的KPI和规划步骤。

接上面，一般的软件，例如视频播放器，如果产品本身好用就是好用，和多少人用没关系。但是在涉及关系的产品里，例如评论类网站、C2C、SNS、IM时，产品的体验不只和产品功能本身，更和数据量，更和用户规模相关。例如：豆瓣和大众点评网，里面几千万条评论数据才是最有价值的。产品好用度和数据规模成正比。豆瓣很牛逼，就是因为第一个做的，在每一个时间点上，它的评论量都比对手多，所以它总是更好用。如果把豆瓣所有评论干掉，用户一夜之间就会转到时光网了（实际也上不会，豆瓣多数流量应该来自几十万条的长尾电影词条都排在百度第一页搜索结果中，干掉这个是最主要的）。淘宝也是，拍拍和有啊最大的问题一直不是产品问题，而是商户数量，我超过十几次对比拍拍和淘宝，拍拍卖家总是远比淘宝少，就再也不去了。这没辙，谁让马云第一个做。这符合能量定律的，即总体上对卖家和买家更有效率，大自然的系统可不会可怜你是第二家做。

而涉及用户关系的SNS类产品，网络价值和网络节点数的平方成正比（这是理论上，实际上是远不到的，但是规模的平方的说法更有助于理解指数特性，更精确的价值是n*log(n)，而不是n^2。）。如果微信用户比米聊多2倍，实际总体粘度将会是惊人是4倍，而不是2倍。

关系型产品最可怕的是，你用不用这个产品，完全取决于别人，而不是自己。例如，你加入一个新公司，里面的人在用什么，你就得用什么，不管msn、飞信、QQ，不管IM产品做的有多烂。我观察过几个公司，少有例外。微信成功的最大因素是迅速的推广并且导入了关系，推广能力+导入关系这两件事是很少公司同时有的。微信很快就达到了一个用户的临界点，身边总是有好友在用。米聊的密度就很低。

开心网和天际网是两个失败的例子。开心网导入的用户关系是无效的，很多来自偷菜加的邻居，完全不认识，属于无效节点。这个和人人网仍然大力拓展校园差多了。所以后续的衰落在所难免。天际网也是，为了追求用户数，导入了大量的大学生，大学生很乐意加一些成功的经理人，但是这些经理人的好友关系被破坏了，就不再上了。

再回来。知乎是一个三重关注体系的问答产品，即用户关注问题、用户关注话题、用户关注用户，然后根据所有的关注生成信息流。这比微博的结构要复杂的多。但是主要特性是相似的。两者都有每天可以刷很多次的信息流。两者都有一定的媒体属性，即干掉我所有认识的好友，我仍然可以读的不亦乐乎。twitter首创的单向关注关系虽然只比好友改了一点点，但是完全改变了整个生态系统。无论是几个人还是几万人关注你，都不影响你的信息流的质量。twitter的单向关注就是极大的提高了阅读信息的信噪比（相比下门户是完全不定制的，百度知道属于根据搜索词推荐的，算是半定制的），自己的信息流是完全自己定制的，理论上100%喜欢。百度知道首页总是给所有人推荐一样的问题，这是个极大的浪费。有搜索词匹配问题解决了一部分，但仍然达不到最优。知乎的信息流中的问题理论上都是自己喜欢看和答的。

简单的说：新浪微博+百度知道=知乎

即可以得到一个结论，知乎可以参考微博一切成功的运营点和产品策略，彻底的贯彻。

例如新浪的名人战略，加v策略，名人在微博发言的权重永远是比非名人高的，本身也因为名人更可能发更高质量的微博，加了v能够有效让用户识别优质的潜在被关注者，加快关注速度。举例子：一个加v的李开复和一个普通人学生李开复会一样吗。从来就没有完全平等的用户，彻底的平等是不符合大自然的能量定律的。几乎所有的微博都有v认证，也符合这个策略的必要性。不只新浪微博，腾讯微博等也有很好的创新（但是我很少用）。

另外，新浪微博的一些负面问题也会在知乎上展现，例如信息过载、关注人数过多带来的质量低下、无关话题的打扰。

由于新浪微博只有一个关注用户，没有关注话题和问题的结构，所以知乎还有些其他的需要考虑。

简单的也可以归结为：优化每个人所看到的信息流质量。这决定了一个人要不要下一次来。

信息流质量在于让用户关注他们所真正关注的话题/问题/用户，并且能够快速取消让他烦的话题/问题/用户。在于更多优质的回答。在于话题的精准度（例如一个婆媳家庭的问题是否归到情感下。这一点知乎做的很好了，大量的编辑修改了大量的问题的格式规范）。在于最佳答案结构的设计等等。具体还有很多点不列举了。

对于新用户，怎样在他抛弃知乎之前就能有一个对他来说优质的信息流是个问题。

需要说的是，以上以学术探讨为主，因为我只是个典型用户，完全没有知乎的任何数据和实际运营参与，纯理论推测。仅供参考吧。

最后，知乎已经做的相当好了，多数值得改进的地方都改进了。我觉得完全不需要我的意见。所有规模价值产品的竞争中，最重要的参数，就是时间。知乎已经走在正确的路上走的比较远了，其他家山寨的不会有机会了。除非百度强力去做新知并在知乎成功之前强推。（还有一个可能是依托新浪微博平台的问答，这个传播速度是恐怖的。但是貌似新浪不会给外界这个机会，中国人的眼界还是窄，对比人人和开心的封闭和facebook彻底的开放。）

延伸阅读：
梅特卡夫定律：网络的价值与其节点的平方成正比。（该定律常常与摩尔定律相提并论）

nlog(n)定律：网络的价值与n*log(n)成正比（n为节点数）。

齐普夫定律：如果我们按照大小或者流行程度给某个大集合中的各项进行排序，集合中第二项的比重大约是第一项的一半，而第三项的比重大约是第一项的三分之一，以此类推。换句话来说，一般来讲，排在第k位的项目其比重为第一项的1/k。以英语文本的一大段典型内容为例，最常见的单词the通常占所有出现单词的近7%。排在第二位的词语：of占所有出现单词的3.5%，而排在第三位的单词and占2.8%。换句话说，所占比例的顺序（7.0、3.5和2.8等）与1/k顺序（1/1、1/2、1/3…）紧密对应。虽然Zipf最初发明的定律只是适用于单词出现频率的这一现象，但科学家们发现，它可以描述极其广泛的一系列统计分布，譬如个人的财富和收入、城市人口甚至博客读者数量。