Fountain上的赞踩交互收益最大化攻略

作者: LostAbaddon | 来源:发表于2018-10-15 16:49 被阅读151次

Fountain上的赞与踩是一个非常有趣的设计。

从白皮书来看，在计算收益的时候，赞与踩的权重是相同的：

$\begin{cases} W_i = \frac{\mathrm{FP}_i - D}{C_i}\\ L_a = \sum_{i \in 点赞者_a} W_i\\ D_a = \sum_{i \in 点踩者_a} W_i \end{cases}$

其中 $C_i$ 是用户i的点赞与点踩次数的总和。

因此，无论一个用户对一篇文章是点赞还是点踩，贡献的热度值是完全相同的。

这样导致的结果，就是一篇一百人喜欢的文章，和一篇一百人唾骂的文章，将获得相同的收益。

更进一步，不好的文章如果有人还留言怼作者，而好文章如果大家就点赞而不留言，那很可能不好的文章的总热度反而更高，因为上述一篇文章的总热度是自身热度与子热度之和：

$H_a = A_a + \alpha \sum_{b \in 子评论_a} A_b = L_a + D_a + \alpha \sum_{b \in 子评论_a} (L_B + D_b)$

这就是说，一篇文章的子评论越多（二级甚至更深的孙评论不算），它从子评论上收到的热度贡献也就越多。

而，什么文章能吸引大家来广泛地留言评论呢？当然就是有争议的文章了。

所以，从收益规则上来看，有争议、或能引起广泛讨论的文章，是在Fountain上最容易获得高收益的文章。

当然，这只是从收益规则上来看。

由于收益规则是数据层的，在DAPP与APP的层面，情况会有所调整。

我们可以看到，即便赞和踩的作用是相同的，都起到了增加热度的作用，那么为什么Fountain不干脆直接取消赞和踩，只用热度这一个概念呢？

这里，有经验的产品应该就会想到，虽然在计算热度从而计算收益的时候赞和踩的作用一样，但分开的赞和踩在内容推送与呈现的角度还是可以存在差异的。

即，在表现层，赞和踩是有区别的，虽然在数据层两者可以认为没有分别。

举例而言，假如官方DAPP或APP从Fountain链上获取文章的数据后，将所有踩大于赞的文章都隐去，或者排序以一篇文章的总赞数减总踩数为排序权重做降序排列，那么用户通过官方DAPP或APP所看到的文章就会很不同，进而也就会影响到所有文章索取的热度。

由于用户不可能将所有文章都看一遍，因此文章的排序对文章上所获得的交互是有很大的影响的。

这里可选用的排序方式有很多，比如根据发布时间排序、根据总热度排序、根据赞踩的数量差排序、根据赞踩的权重差排序，或者是根据累计几天（比如三天或者一周）内的总热度、赞踩数量差或赞踩权重差的加权累计值排序，等等。

不同的排序方式便体现了社区对不同类型文章的偏好程度，而这一切都和链无关，所以我们在白皮书上暂时看不到具体方案。

这就牵扯到了白皮书上一个很有趣的细节。

从白皮书我们可以看到，Fountain链的目标并不仅仅是为简书做链改，它们的关系是合作关系而非等同或隶属关系。Fountain的目标，可以定位在“内容创作、发表与社交的行业链”这点上。

这个行业链可以分为这么几个层次（从白皮书中所提到的Alpha阶段、Beta阶段和正式运营阶段可以看出端倪）：

行业层
社区层
应用层

链本身可以看做是一个大型的分布式数据库，配上一套代币生态规则。

生态规则部分是否是行业级的我们先不管，从数据的角度来说，Fountain中的用户交互数据记在链上，这是区块链的标准做法。但这里就留下了一句潜台词：只要满足相关标准与协议，任何DAPP都可以读取这些数据（技术白皮书部分有提到准入机制，可见Fountain是欢迎大家开发自己的DAPP的）。

当然，从白皮书看来，Alpha阶段可能还不在链上，Beta阶段开始才在链上，因为Alpha阶段提到“将与合作方一同建立一套基于链上交互行为的收益核算系统”，而在Beta阶段提到“逐步将上一阶段中在云端完成的工作逐步转移到链上”，可见Alpha阶段很可能是在云端，到了Beta阶段才全部在链上。这个考虑到开发的渐进性其实很正常，也不算什么问题。

因此，我们可以想到，未来Fountain的应用生态很可能是这样的：

在一个官方DAPP的模范下，可以存在大量第三方DAPP，使用Fountain上的文章数据、用户数据和交互数据，打造自己的社区，只要符合相关规范。

因此，回到上面说的排序问题，不同的DAPP，无论是官方的还是第三方的，原则上都可以有自己的排序。举例来说，官方的DAPP假如以文章的赞踩权重差做排序，但我自己做的DAPP可以以文章的总热度来排序，你做的DAPP可以以时间排序，甚至于某人做的DAPP可以只显示自己与朋友所写的文章，另一个人做的DAPP则只显示与IT相关的文章，等等等等。

这是我认为Fountain链最有特色的部分——只要满足一定的准入条件，这个链上可以有大量定制化的社区DAPP，而不只局限在Fountain的官方DAPP，或者简书的Fountain DAPP上。

因此，Fountain的这种开放性在未来很可能会引领一波内容DAPP的出现。

再往开放的角度考虑，结合合作伙伴扩展方向中所提到的IP孵化的概念，既然每个用户都可以为自己的写作计划创立独立的Token池，那也就是说，至少从技术角度来说，不同的DAPP基于Fountain链的数据开设自己的社区代币，设置自己的社区代币经济生态，也不是绝对不可能。

当然，这部分想得略微有点狂野了，要看未来Fountain的发展如何，但想想还是有点小期待的。

回到收益的问题上。

在之前的文章中提到，不考虑尾部抑制与子评论热度叠加的情况下，每个用户只要交互了，那么收益就是固定的，正比于自己的可用FP量（总FP量扣除准备金）。比如我的可用FP量是你的三倍，我们都交互了，那么我通过交互获得的FP奖励就是你所得到的奖励的三倍。

在考虑上尾部抑制的情况下，只要不是看到低热度且预期也不会有高热度增长空间的文章就点赞/踩，那么对普通用户来说影响不大。

真正会发生改变的是子评论的热度叠加，让我们来举个例子（下面都认为所有交互都发生在尾部抑制区之外）。

总共有100篇文章，现在的总热度为H。然后有一篇内容，当前热度是h，一个用户进行第一次操作，他的可用FP量为F，那么为这篇内容的热度带来的增幅就是 $\Delta h = F$ 。如果这篇内容是一篇文章，那么对总热度的提升就是 $\Delta H = \Delta h = F$ ；而如果这篇内容是一篇评论，那么这次点赞/踩还会影响到这篇评论的上一级内容（文章或者评论），为它带来热度增益： $\Delta h' = \alpha F$ ，从而总热度增幅为 $\Delta H = (1 + \alpha) F$ 。

现在来看这位用户自身的收益。当是对文章进行点赞时，收益为：

$R = 20\% \times T \times \frac{F}{H + F}$

而当是对评论进行点赞时，收益为：

$R = 20\% \times T \times \frac{F}{H + (1 + \alpha) F}$

因此，当只进行一次交互的时候，对文章进行点赞/踩的收益要比对评论进行赞/踩的收益大。

但，如果不是第一次交互，那情况就不一样了。

情况还是上面的情况。用户此前已经进行了C次交互，其总收益应该是：

$R = 20\% \times T \times \frac{F}{H}$

下面，用户给一篇文章点赞，此时别的已经点赞/踩过的文章上的权重会相应下降，因为分摊到每一次点赞/踩上的FP权重都会下降（从 $\frac{F}{C}$ 下降到 $\frac{F}{C+1}$ ），同时被点赞的文章的热度则从 $h$ 上升为 $h+\frac{F}{C+1}$ ，但总热度不变（注意，下面的H不是上面那个例子中的H，而是现在这个情况下的总热度），此时用户总收益为：

$R = 20\% \times T \times \left[ \frac{F}{H} \frac{C}{C+1} + \frac{h + \frac{F}{C+1}}{H} \frac{\frac{F}{C+1}}{h + \frac{F}{C+1}} \right] = 20\% \times T \times \frac{F}{H}$

也就是说，只要不是第一次交互，那么后续交互中，只要是对文章进行交互，那么收益就不会变。

但，如果是对评论做交互，因为热度叠加，情况就不一样了，此时评论的热度从 $h$ 增加到 $h+\frac{F}{C+1}$ ，这个和给文章交互是一样的，但评论的上一级内容上也会有相应的热度增加，从而系统的总热度增加了 $\frac{\alpha F}{C+1}$ ，这个是和给文章做交互的时候不一样的地方。如果用户为评论做了交互，但没为评论的父内容交互过，那么此时他的总收益为：

$R = 20\% \times T \times \frac{F}{H + \frac{\alpha F}{C+1}}$

相对之前给文章做交互，收益反而还下降了。这是因为由于热度叠加，所以系统总热度有了额外的增长，但用户的总权重是不变的。

下面，如果用户交互的评论的父内容也被该用户交互过，比如我对文章A点了赞，然后为A的一条评论B也点了赞，那么这第二次点赞所带来的影响就和上面的情况又不同了：

$R = 20\% \times T \times \frac{1}{H + \frac{\alpha F}{C+1}} \times\\ \left[ \frac{F (C-1)}{C+1} + (h_1 + \frac{\alpha F}{C+1}) \frac{\frac{F}{C+1}}{h_0} + \frac{F}{C+1} \right]\\ = 20\% \times T \times \frac{F}{H(C+1) + \alpha F} \times \left[ C + (h_1 + \frac{\alpha F}{C+1}) \frac{1}{h_0} \right]\\$