feed流是什么意思?feed流基础讲解

qinzhiqiang 10-17 16:36 3,975次浏览

最近常听朋友说中了抖音的毒,一有时间就刷抖音,根本停不下来。刷朋友圈、逛微博,以及现在很火的短视频,我们每天有大量时间消耗在“feed流”中,并且刷的不亦乐乎。跟同行交流或看相关的产品文章,也经常会提到“feed流”。那么,究竟什么是feed流,回想了一下,似乎对feed流没有明确的认知,所以梳理了一下feed相关的内容。

01

首先,什么是feed呢?以下是维基百科中关于“web feed”的定义:

a web feed (or news feed) is a data format used for providing users with frequently updated content. Content distributors syndicatea web feed, thereby allowing users to subscribe a channel to it

从以上定义中可以看出

  • feed是一种给用户持续提供内容的数据形式
  • 是由多个内容提供源组成的资源聚合器,由用户主动订阅消息源并且向用户提供内容

总结一下:feed是将用户主动订阅的若干消息源组合在一起形成内容聚合器,帮助用户持续地获取最新的订阅源内容。严格按照上述定义来说,我们通常说的搜索结果、排序列表都不能算作feed流。

最早web时代,订阅源一般是新闻网站以及博客。典型的应用即是rss订阅器,用户主动订阅信息源,订阅器帮用户及时更新订阅源信息,然后按照时间顺序展示出来。

02

facebook在2006年推出了“news feed”,同时还有“mini feed”(个人动态):

The news feed is the primary system through which users are exposed to content posted on the network. Using a secret method (initially known as EdgeRank), Facebook selects a handful updates to actually show users every time they visit their feed, out of an average of 1500 updates they can potentially receive.[1][2]

——“来源于维基百科”

Facebook提供了一种新的思路,将好友或者关注的对象作为信息源,而内容即是好友或关注对象的动态(发布的内容以及其他的社交行为)。当好友足够多或者好友发布动态足够频繁时,用户能源源不断的收到内容。

我们现在习以为常的“好友动态”,在facebook刚推出来的时候,便遭到了大量用户的抗议,用户觉得该功能会侵犯个人隐私,甚至有用户建立了专门抵制“news feed”的网站,要求Facebook移除该模块。

Facebook最终还是没有移除“news feed”模块,并且在后续的发展中,对该模块不断的进行优化迭代,现在feed流已经能够给Facebook每天带来上千万美元的收入。

关于“news feed”的演变可参考文章The Evolution of Facebook News Feed

03

了解了feed的含义,feed流也就很清楚了—持续更新并呈现给用户内容的信息流。

feed流的展现形式有很多种,主要的有timeline以及rank。

  • timeline:是最典型的feed流展示方式,按照feed流内容更新的时间先后顺序,将内容展示给用户,早期的微博、朋友圈都是典型的timeline。
  • rank:即按照某些因素计算内容的权重,从而决定内容展示的先后顺序。例如当前的微博主页信息流算法即抛弃了原始的timeline,而采用最新的智能排序。

至于在timeline或rank形式下使用列表、瀑布流还是卡片形式,则是前端设计展示的问题。

在产品迭代发展的过程中,feed流的展现形式也在不断的变化。

最常见的是feed流中插入商业变现的广告内容,Facebook在2012的新版feed流中推送广告内容,微博feed流中的广告已经成为了用户吐槽的一个点,朋友圈也在16年开始推送广告,虽然会有部分用户抵触,但是feed流广告带给平台的收入是实实在在的。

feed流不在严格的按照时间顺序排列,在timeline的基础上,使用智能排序。

最早的是Facebook的EdgeRank算法,将内容按照权重因子计算权重,优先曝光高权重内容。微博从2016年开始也启用了智能排序的算法,新的feed流一发布就遭到了用户的大面积声讨,关于微博feed流算法可以参考:《视奸渣浪的feed流算法》。