构想

我相信能构建出理想的社交网络，它继承了社交媒体的所有理念优势，同时解决了现有平台的根本问题。

其运作机制如下：想象一个平台，每个新用户在加入时获得1000点。当他们看到喜欢的内容时，可以将一些或所有点数分配给该创作者。创作者在任何给定时间拥有的点数越多，他们的内容分发就越广。

然而，这些点数会以可预测和透明的方式随时间递减。逐渐地，点数在用户群中重新分配。你拥有的点数越多，失去它们的速度就越快。如果你拥有的点数少于1000，你会逐步回升。该网络不断尝试将自己恢复到平衡状态，而正是社区的创新和高质量内容的传播防止了这种情况的发生。

新的社交体验

为了本文的目的，我将把这个网络称为DK（“衰减” 的音译）。

首先明确一点：我对构建DK不感兴趣。但如果你有兴趣，请联系，我们可以聊聊。

今天的社交网络

让我们从今天的社交网络的缺陷开始。我们一直听说这些问题：回音室效应、有毒的评论、点击诱饵的传播、支持极端主义的算法。社交媒体影响选举、传播错误信息、与心理健康问题有关。这样的问题不胜枚举。

然而，核心理念应该——至少在理论上——是可行的。技术通过实现全球范围内的无缝内容分发，将我们聚集在一起。为什么实施总是出错呢？

答案在于意识到社交网络是经济体。它们有自私的代理人在公共市场中互动，交换思想和内容，而非商品和服务。它们以分发形式提供财富，存在赢家和输家。

然而，当它们受供求法则的管辖时，经济体是可以运作的。什么是受欢迎的就会传播开来；低质量的内容会被淘汰。当有有效的纠正机制重新分配资源时，市场的“无形手”便能发挥作用。

今天的社交网络没有这些纠正机制。没有一个“自由市场”社交网络是大规模存在的。相反，我们有两种模式。

传统的关注者模型

首先，传统的关注者模型（如Facebook，Instagram，Twitter）允许人们扩展他们的分发渠道，并为将来的分发保留它们。我们都很熟悉这些。但我们可能很少考虑传统关注者模型的四个问题方面：

• 基于关注者的分发——分发不成比例地授予那些已经拥有大量关注者的人
• 累积优势——对于那些拥有大量关注者的人来说，扩大他们的受众更容易
• 收益递减——随着网络的增长，信息流变得过于嘈杂，被既定的内容所充斥，从而降低了新创作者突围和成功的能力
• 回音室效应——社交联系主要在思想/外貌/声音相似的人之间建立

综合这些因素，很明显，为什么随着时间的推移，这些社交网络会变得陈旧，倾向于极端主义，并且抑制内容创新。从经济学的角度来看，这类似于寡头政治。一些早期加入的创作者赢得了大量关注，并囤积了他们的分发渠道。

实际的经济体具有我上面提到的那些纠正机制。两个例子是贬值和通货膨胀，这些经济现象激励创新和资本投资。如果一家公司不不断追求改进、增长和效率，资产的贬值和价格的通胀将在长期内将它们赶出市场。理想的社交网络需要具备类似的反作用力，以便内容创作者受到激励，定期改进并满足他们受众的需求。这些就是纠正机制。

此外，在关注者模型中，随着时间的推移，内容质量呈下降趋势。为什么会这样？考虑到，随着拥有大量关注者的创作者变得更大，他们几乎没有动力投资于内容质量，因为他们不会冒着失去分发的风险。每个增量帖子不需要像早期帖子那样努力，就能为创作者带来相同的好处。保留关注者比增长关注者容易得多。这就是为什么垄断与有效市场格格不入：垄断者变得舒适，但市场的纠正机制无法发挥其魔力来抵消这种舒适。

在传统的关注者模型中，随着创作者的关注群体越来越大，他们在内容质量上的投资动力就会越来越小，因为他们不用担心失去分发的可能性。每一篇增量文章都不需要像早期的文章那样努力，就能为创作者带来同样的好处。保留关注者比增加关注者容易得多。这就是为什么垄断与有效市场格格不入的原因：垄断者变得自满，但市场的纠正机制无法发挥作用来抵消这种自满。

这种模式导致的结果是，随着时间的推移，内容质量呈现下降趋势。当创作者的关注群体不断增长时，他们几乎没有动力提高内容质量，因为他们不怕失去分发的权利。每一篇新增的帖子都不需要像早期的帖子那样努力，就能为创作者带来相同的利益。保留关注者比增长关注者容易得多。这就是为什么垄断与有效市场不相容的原因：垄断者变得舒适，但市场的纠正机制无法发挥其应有的作用来对抗这种舒适。

在这种情境下，无法形成对创作者有益的竞争环境，进而导致社交网络平台的内容质量不断下滑，最终陷入僵局。而理想的社交网络平台应能通过某种机制，创造一个激励创作者持续提高内容质量和创新的环境，以确保平台的持续繁荣和用户的良好体验。通过重新分配分发权力，打破现有的垄断格局，推动社交网络走向一个更加健康、多元和创新的未来。

算法模型

另一种社交网络类型，由TikTok所推广，是算法模型。在这里，内容的传播基于用户对参与度的信号反馈。这种模型减少了累积优势，因为一个黑箱算法主要决定了哪些内容能够成功及何时能够成功。

这种网络因为两个原因而未能成为一个有效的市场。首先，它优先考虑的是参与度，而非质量。这创建了一个自我实现的飞轮效应，通过这种方式，创作者被激励去创建算法所偏好的内容，而这仅仅会通过更多的最大化参与度的内容来强化算法。

其次，这种黑箱分发算法更类似于经济指令体制（即政府控制市场动态）。在主导算法上几乎没有透明度和社区控制，这种结构——至少根据大多数经济学家的看法——总是在长期内导致效率低下。我们都听说过媒体公司因为一个未预见到的“算法的改变”而从高参与度骤降到几乎没有参与度的故事。

两种网络模型（传统的关注者模型和算法模型）都有创建问题激励的结构，但是两种模型都没有足够的修正机制来确保社交媒体的有害方面不会传播。这让我想到了…

介绍DK

DK产品当然可以通过许多方式来迭代。但是为了本文的目的，我将保持简单明了。

DK的一个简单模拟。注意到，Feed是通过每个创作者当前的分数来排序的。

• 分数——当用户加入平台时，他们会得到1,000分。分数基本上是分发价值的储存。你拥有的分数越多，你在Feed中的排名就越高。
• Feed——Feed是全球性的，它展示了基于每个创作者拥有的分数的创作者最新帖子的堆栈排名。换句话说，创作了高质量内容的创作者会得到他人的分数，这使他们在Feed中的排名更高，使他们的新内容更可能被看到。这与传统的关注者模型相似，除了存在一个均衡力（下文将描述）。
• 帖子——用户可以发布内容，就像在任何其他平台上一样（例如，文本、视频、图片等）。但是在Feed中任何时候只显示他们最新的帖子。
• 均衡力——每十分钟，系统稍微重新分配一些分数。想象它是对拥有高分数的用户的一种税收，这些分数将被重新分配给分数较少的用户。这个算法的目的是最终将用户返回到每人1,000分的均衡状态（他们的起始条件）。这是我上文提到的市场拥有的“修正机制”。

以下是均衡力的数学公式大致模型：

简单来说：每十分钟，基于用户拥有的分数对每个用户的分数进行调整。这个公式以每六小时一半的速率将用户的分数回归到均衡（1,000）。想象它为一个六小时的半衰期。如果用户的分数低于1,000，该过程会给他们一些分数，而从分数高于1,000的用户那里拿走分数。

（这个函数是渐近线的，意味着它接近1,000的均衡但从未完全达到。所以为了简单起见，我们假设每次用户在1,000分的10分以内时，他们就会回到1,000分。）

这里有一个例子。假设一个用户开始时有1,000分，发布了不错的内容，并得到了他人的分数。现在他们有1,200分。

• 10分钟后，他们将拥有1,196分（4分被拿走并分给了平台上的其他用户）
• 1小时后，他们将拥有1,178分
• 6小时后，他们将拥有1,100分（与他们开始的1,000分的差值的一半）
• 24小时后，他们将拥有1,012分
• 26小时后，他们将回到1,000分（因为这时距离均衡的差值少于10） 让我们看一个用户拥有500分的例子（低于1,000分，因为他们已经给他们喜欢的内容分配了分数）：
• 6小时后，他们将拥有750分
• 12小时后，他们将拥有875分
• 34小时后，他们将回到1,000分

这是一个图形化的展示，展示了四个用户在24小时内趋向于均衡的情况：

在这里有一个稍微复杂的版本，在一天中的不同时间，用户2、3和4都将一些积分赠给了用户1。

请注意，每次用户1的积分增加时，都是以另一个赠送了积分的用户为代价。关键的是，平台上的总积分始终是用户数量乘以1,000。尽管用户1不断获得更多的积分，但他们的积分还是会随着时间趋向于1,000。实际上，他们被赠送的积分越多，这种趋势发生得越快。通过比较上述两张图中12小时后用户1的斜率，你可以看到这一点。

(顺便说一下：如果你喜欢这篇文章，请考虑订阅我的免费周刊《Z-Axis》，点击此处即可)

解决今天的社交媒体问题

当然，如果这个系统不能解决我上文提到的今天社交平台的问题，那它就不会有趣。现在让我们来看看每一个问题，以及为什么DK能够从根本上解决它们：

• 基于粉丝的分发 — 与传统的粉丝模型不同，这里的分发是基于用户内容质量的短期感知。
• 累积优势 — 如果不持续创造高质量内容，没有人能够长期保持他们的分发优势。
• 收益递减 — 资讯流一定是基于其中内容的质量而排名的（而不是基于互动可能性或过去粉丝的积累）。如果DK经济中出现了错误或低效，它们会很快得到纠正，因为平台会回归到均衡状态。
• 回音室效应 — 由于系统中积分的数量是有限的，人们只能给予他们同意的人有限的优势。换句话说，没有办法让特定的群体/党派/意识形态/观点在全球范围内获得优势，因为1）赠给该群体成员的任何积分都是以该群体其他成员为代价的，以及2）资讯流是全球性的，因此保证包含了来自不同视角的多种内容。回想一下，可用的总积分始终是用户数量乘以1,000。在传统的粉丝模型中，没有“连接”或“关注”的上限。相反，DK是一个零和游戏。
• 黑箱算法 — 与今天的算法平台不同，DK的分发逻辑是完全公开和透明的。长期来看，没有办法操纵系统，也没有办法让创作者获得长期的优势，除非他们持续创造高质量的内容。

下一步

上述描述的平台只是个开始。有很多事情可以做来丰富DK的体验：

• 鼓励用户赠送他们的积分，以便拥有大量分发能力的用户“分享财富”，帮助他们喜欢的小型创作者提升。
• 通过主题创建子资讯流（比如通过标签过滤），以便保持上述所有优势，但仅限于特定主题的内容。
• 允许用户“关注”，在他们喜欢的创作者发布内容时通知他们。但不要允许关注机制决定谁能获得全球分发或如何排列资讯流。
• 等等。

今日社交媒体的缺陷是实现决策的症状，而我对这样一个想法感到鼓舞。如果我们回到我们想要构建什么和为什么的核心问题——并且如果我们以受实际经济和市场运作启示的方式去做——我们可以构建出更好、更积极、更有意义的东西。