最近看到推特要开始学红迪测试增加回复的赞同与反对按钮，然而只展示赞同数，其实社交网络里设计一个表达观点的功能本就不是什么好东西，不过做事应该做全套，只给赞同不给反对本来就有问题，虽然这个改动基本还是原地打转。
不论是在公共场合还是私人场合，表达观点都是正常的诉求，但当初只设计一个点赞或喜欢按钮就纯属利益驱动了。我们设想两个场景，场景A里所有人会被要求在指定时间内阅读一篇观点鲜明的文章，然后给出自己支持或保留的态度，此时每个人并不知道别人的观点；场景B里要求一样，但不同的是这个态度是实时可见的，也就是只要有人点赞同或喜欢，结果会实时出现在文章下方。那么问题来了，你会如何预期这两种机制下的参与度与赞同数？
我认为A场景下参与度与赞同数都会显著少于B场景，原因有二：第一个原因是从众，很多人对一些与自己关系不大或不了解的事其实是没观点的，但如果有很多人表示赞同，他们也就跟风赞同。2020年初科比遇难逝世，当时我就观察到一些根本就不打篮球甚至都不知道篮球规则的人在纪念他，蜡烛点的比球迷都多。有理由相信他们并不是真的表达自己的观点，而是单纯顺应别人的观点，这样一个喜欢或赞同的小功能就强制激活了很多人的社交属性，提高了参与度与曝光量。第二个原因则是路径依赖，一篇本来行文规范陈述事实的文章可能莫名惹恼了一些敏感度很高的人，他们对此产生的态度播下了传播的种子，然后你就会发现两篇内容接近的文章一篇无人问津，另一篇却滚雪球一样形成巨大影响力。其实很多做公共关系的人都知道，要想引发舆论关注，起点并不如传播节点重要，所以才有八点二十发这种同时请很多人转发的操作。其实很多互联网广告投放都是遵循短期大流量的策略，让你突然感觉到处都有人讨论某种东西或广告，真实影响到大众的路径形成爆款。反之，如果长期小流量，那这种广告基本就是浪费钱，看不到任何波浪。因为社交网络里会天然形成一些影响力大的传播节点，他们的点赞就会辅助形成对目标群体舆论的操纵。
点赞这个功能本质上是服务于卖广告的商业盈利模型的，但其实是对用户形成了一种半强制站队的效果。很多专业类自媒体最后都会某种程度变成新闻自媒体，所谓专业的内容，很多时候就是普通人不愿意深入掌握的知识，面向公众做的专业向内容输出是无法做到成为稳定职业的。不过，很多人自认为找到了新风口，自己经验阅历消耗殆尽后就只能输出一些对新鲜事的未经验证的观点，观点输出配合点赞按钮就可以继续走流量来变现维持生存。
几乎所有做社交产品的都不会在点赞旁边放个反对数，给的理由就是太打击内容贡献者。前面说的红迪的确可以同时点赞同跟反对，但显示的却是绝对值，其排序算法也是根据这个绝对值与发布时间来展示帖子。绝对值越高的帖子会被推荐，这一方面是因为好内容确实得到了认可，但也是形成主流意见的过程。设想两篇帖子，一篇1000赞500反对，绝对值为500；另一篇600赞100反对，绝对值也是500，后一篇可以代表主流意见但前一篇则代表主流意见的方差或者意见的多样性。从信息角度，发生概率越低信息量越大，这样第一篇赞同概率低于第二篇，也就是说我们可以从第一篇里获取更多信息。然而，排序或者说推荐算法的设计思路并不是给用户更多信息，而是给用户更明确的信息，因此第一篇通常会被排到第二篇内容的后面。发布时间也很重要，算法总是要给新内容展露头角的机会，曾有人比较过油管跟tiktok，发现tiktok一个增长的窍门就是可以把很重要的展示位让给新人，这样就能吸引资源有限的年轻人，油管则已经可以从现有视频的播放里收益，所以相应位置喜欢给验证过成功的视频进行展示。这种不同的推荐策略没法直接说谁好谁坏，只要都能走流量赚钱对商家而言没啥区别。
不过，对于读者而言文章只要你放了支持就应该也放反对且要如实展示，这样读者获取的信息量是最大的。我现在看油管视频都会特别注意支持反对的比例，如果是观点类视频反对比例能占到10%左右就说明这个视频的观众还是带脑子来看的，1%都不到那大概率是发生了回音室效应，也就是推荐算法只把这个视频推给了想看且容易产生认同的人。推荐算法的原理大致可以看成聚类与互补两个步骤，首先给每个用户打上不同维度的标签，然后进行用户聚类，聚类后默认同一聚类的人会互相认可，这样就可以把里面A看过B没看过或B看过A没看过的内容进行互相补完式推荐。这类算法的好处就是你可以不去关心内容标签，仅通过用户标签就能实现高精度推荐，当然也可以加上内容标签或语义分析的相似度进行推荐。同样的，推荐算法对用户而言并不单纯意味着回音室，用户在使用初期会感觉开拓了视野，不过算法后期如果不引入随机推荐，那么有些用户会总是看到相似的内容，此时才会产生回音室。所以想吸收更多的信息或不同观点去骂推荐算法意义有限，你可以反过来训练这些推荐算法来给你推荐不同观点的内容，这样其实通过增强学习也会让其他用户的推荐里多出些新花样。但你要是不给出反对的比例，那么即使用户自己想看不同观点也可能根本就意识不到这些观点的存在。
再去说对内容贡献者的保护，确实很多人敏感些，一个反对或恶评就三天睡不着觉，但解决方法就是去适应这种真实而不是只展示出结果美好的一面。现代社会在制度设计上确实要去保护弱势群体，但这不意味着粉饰太平，况且内容贡献者也不是弱势群体。而且很多网站在设计时就有种把内容贡献者封神的倾向，用粉丝关注这种不对等机制来捧人，殊不知这人的成名与成熟与否完全是两个问题，所谓欲戴其冠必承其重，很多人并不知道怎么承重还喜欢任性而为，无脑粉都操碎了心。此外，内容的用户反馈数据经常会引导创作者的创作方向，到最后不可避免的媚俗跟风，丧失了观点独立性。说白了内容输出要是不当饭吃也就不会那么在乎受众观点，但偏偏现在搞营销的发现了内容创作者的影响力可以用来变现而开发了对应的商业模式，这就搞的软文恰饭满天飞，把喜欢或赞同当成指标去优化，从受众角度看就本末倒置了。
其实现在很多搞营销的已经回过味来了，想获得更多超额利润已经不能从产品质量角度下手了，要学习奢侈品搞价值观输出与情绪调动。两个质量一样的产品，贴不同的牌子能产生价差主要是牌子背后虚拟的观点输出与安全感输出，要在消费者脑子里打上买这个牌子就什么都不用担心的思想钢印。说白了就是不能让客户去思考与比较，一思考就把决策过程复杂化了，一比较就会发现自己的超额利润。前者需要推荐系统提供广告功能来让决策情绪化，后者需要自己打造术语体系或“生态圈”（这可能是生态学最悲剧的概念出圈），让你没法直接比而只能盲从所谓专家。
现代社会是个怪物，它允许不知道自己在做什么的人做选择并产生实际影响，不过倒是可以引入测试门槛与免责协定来强制让人冷静，毕竟现在有些烂摊子本来从开始就可以通过规则设计来避免。例如国家通过离婚冷静期就要同时通过结婚冷静期，毕竟你考个驾照都有一年实习期。B站注册的考试题不知道现在还有没有，与其盲目引入这些表达观点引战或引流的产品，不如让用户在表达观点前先去做个100以内加减法去去火。面试技巧中有一种m&m糖豆法，说的就是回答面试官问题前先吃一颗糖豆而不是直接跟着感觉去回答，这样起码给点时间过过脑子。
我反对情绪化营销，但无法否认情绪化所能创造的能量，当年抗日要是没个一腔热血也撑不了八年。但营销方案也好，推荐系统也好，从伦理上是不应该碰个人决策独立性的。打个比方，我突然想吃汉堡，这时候打开搜索引擎搜拿到结果，这是主动决策；但如果我看了一篇软文想吃汉堡，这就是被动决策。没人希望自己的行为被其他人潜移默化的操纵，因此这种思路下的算法或策划是需要受监管的，应该面向社会开源而不是作为商业机密被保护。使用工具的人要对工具的利弊有明确的感知而不是只听一面之词，否则就直接承担放弃思考后的损失，不能总是怨天尤人但却觉得自己总是对的。另外，工具不应强制用户做选择或进行观点表达，如果允许表达观点，就要同时允许表达不同的观点而不是单向引导破坏多样性。只有尊重别人的方案才会赢得别人的尊重，这样其实也有超额利润，只是经常打不过浮躁的资本运作而已。