现今无论是大片时间还是零碎时间都消耗在各类应用软件上，到底是怎么样的魔力如此吸引我们呢？
答案就是这些社交和资讯类app中，都使用了feed流 。feed流 是一个信息出口，想要与他人或资讯建立连接，只需要刷新这一个动作，即可获得大量所需，并且不断在更新，可谓杀时间好手，令人沉溺。想要设计好feed流页面，对feed流的概念，模式进行了解是十分必要的。
什么是feed流呢？
Feed，源自早期的RSS，是一种呈现内容给用户并持续更新的方式，用户可以选择订阅多个资源，网站提供feed 网址 ，用户将feed网址登记到阅读器里，在阅读器里形成的聚合页就是feed流。
2006年 Facebook重新定义了feed，叫News Feed ，我们如今广泛使用的模式和这个类似。它有几个特点：
（1）订阅源不再是某个内容，而是生产内容的人/团体。订阅中通常夹杂非订阅内容，比如热门推荐，广告。
（2）内容也不再严格按照timeline，广泛使用智能feed排序。新的feed流刻意不再需要主动搜索，而是主动呈现琳琅满目的内容。它对我们了如指掌，给我们想了解的，让我们不停的刷新沉溺于此。
（3）对于用户来说这样一个超简单高效的了解内容方式，对于设计者来说，却是绞尽脑汁。
Feed流的主要模式
推（Push）
拉（Pull）
推拉结合（Hybrid）
1. 推模式：
当一个用户触发行为（比如发微博），自身行为记录到行为表中，同时也对应到这个用户的粉丝表，为每个粉丝插入一条feed。但是对于粉丝过万的大V，为每个粉丝插入一条feed对存储数据成本很大。
2. 拉模式：
当一个用户（特别是关注了很多人的）触发行为的时，拉取自己动态，检索用户的关注表，然后根据关注表检索新发的feed。如果一个用户关注过多的时候，查询该用户的关注列表也是有很大数据成本。
3. 推拉结合模式（结合方式多种，举两个列子）
（1）在线推，离线拉：
大V发动态，只同步发布动态给同时在线的粉丝，离线的粉丝上线后，再去拉取动态。来完成推与拉。
（2）定时推，离线拉：
大V发动态之后，以常驻进程的方式定时推送到粉丝动态表。
feed流智能排序
智能排序基于趋势trending、热门hot、用户生产UGC 、编辑推荐PGC、相似Similarity等等因素综合考虑，随着技术的进步智能算法将会更加懂得用户的喜好。
就像现在的Feed流广告，软到已经不难么讨厌甚至有些安利你愿意吃下，就像原生内容。能够很好的减少用户的信息过载问题。比如新浪微博。
本文不做技术性的展开，主要讨论设计方面，下面根据这些应用的feed流界面设计来探讨下用户在什么情况的诉求是什么，设计者想要推行什么。
下面以今日头条来分析看看如何运用feed流页面的：
1、今日头条
（1）产品定位
Slogan： 你关心的，才是头条 。
今日头条是一个通过使用人工智能分析根据用户需求而推荐信息的新闻APP。对于消费者而言，大众都有利用碎片时间快速获得个性化信息的需求，新闻的来源和报道内容同质化，用户并不是很关注在什么平台获取，而是是否是自己感兴趣的。今日头条通过智能算法生成用户感兴趣的信息。
（2）用户需求
依然可以按照生产者和消费者两类划分。
今日头条的男性用户几乎是女性的一倍，主要为30-35这个年龄段。使用2000元内手机用户最多，男性最关注社会，娱乐，本地资讯，女性最关注娱乐，社会，时尚资讯。
对于生产者而言，特别是非大V级别的生产者，没有粉丝基础流量是很难获取的，新人出非有过硬的实力和运气，或者蹭热点搏出位等，才有可能快速获得人气。造成大V越来越大，新人总是小透明的情况。今天头条会把新人文章推在首页，如果阅读数据好，逐级扩大推荐范围，并不区分是否大V，这样等于大家在同一起跑线上。
当然也有投机者用擦边球博取阅读量，一定程度造成整体内容质量下降。而且用户可能心里对内容，对平台都评价低。
（3）首页设计
首页每次更新15条以内。内容有图片，视频，文字。来源有专业媒体和作者和广告。由于首页栏目众多，除了热点新闻以外文章时效性不是很强，内容也五花八门，特别适合广告插入。
当然，广告和新闻一样都可以用“不感兴趣”来屏蔽。“不感兴趣”，能让算法筛选到用户感兴趣的东西，而且在用户感兴趣的主题里，筛选过多相似信息的问题。
过去是用户主动获取新闻，看事实，看娱乐，看体育，现在feed流新闻根据用户喜好主动呈现。在首页的推荐内容里是根据用户推荐排列的，会出现一些不一样领域的内容，可以激发用户一些不是很“刚需”的需求。
之前说在推送上大V和新人平等，但是大V的文张有点赞，评论，转发的快速入口。其他文章需要在详情页操作。
在看了feed流案例之后，你对feed流设计有哪些想法呢？
总的来说，对于用户体验而言，有两个关键点永远是优化方向：
（1）给用户展示什么内容
（2）如何排列内容优
本文作者Angelina_Zhang，原文转自简文作者：Uki加菲喵，并经过本人再次删减整理。
网友评论