也谈各种微和各种博

　　这个话题基本我每年都会写一次，有的时候自己都觉得很无聊。

　　而之所以每年都会写一次，是因为每年都会有新的微或者新的博冒了出来。

　　博客，轻博客，微博，长微博，G＋，简书，等等。

　　好多啊。。。

　　我用博客的历史，大概要从04年算起。

　　当年喜欢一个女生，她开了一个教育网的博客，于是我跟风。

　　后来05年，喜欢另一个女生，她用SPACE，于是我也就用SPACE。

　　SPACE是第一个长时间使用的，一直用到MSN抛弃了SPACE，转到WordPress后感觉不好看就放弃了……

　　接着使用BlogSpot，同步更新到人人校内豆瓣Q空间和新浪博客。

　　现在基本就用简书做对外公开，Evernote做私人存档——啊呀，提醒我了，我有好几篇东西写在简书然后忘记同步到Evernote去了。。。

　　轻博客方面，用过新浪Qing，和鼻祖Tumblr。

　　微博方面，国内的有新浪微博腾讯微博网易微博，国外的有Plurk和Twitter。

　　用了这么多杂七杂八的东西，总会有一些看法。

定义一：信息的重量，指信息本身的信息量，信息的浏览与传播媒介的操作成本，信息呈现方式的复杂度，这三者的综合。

　　距离来说，微博和长微博，基本所有方面都一样，但微博最多140字，长微博最多能撑死你的浏览器……所以微博和长微博的重量是不同的。

　　而且，微博直接就能看，长微博你需要点击显示大图，从这点来说，即便同样一份微博，将其转换为同内容的长微博图片后，重量也会随之增加——因为你的浏览操作成本上升了。

　　来谈个跨界的。

　　SNS上经常有人的实时动态，这些动态信息一般都是140字以内的（我一个美女同学有一次就跟我说：微博不就是人人个人签名么？为什么这么火？然后我一边幻想着她深V外衣下的珠穆朗玛，一边跟她解释了一通这里的原理，然后，就没有然后了——朋友们，引以为戒啊！），所以从文本信息量来说，SNS的个人状态和微博是相同的。但不知道你有没有注意到，SNS里的个人状态如果你要互动的话，一般你都需要点进去，然后评论，或者转发——当然，点赞是可以直接在主页TL里完成的。

　　所以，SNS里的个人签名和别的实时动态的操作成本比微博要高，所以也就比微博要重。

　　博客更是如此了。

　　一般写博客的人，帖子的字数都远超博客——简叔大人最近不还号召大家“日啖简书千字文，思如井喷笔尿崩”么？（怎么样怎么样，我这句子很通顺吧？哇哈哈哈哈～～～～～）更可观的是，一般你在首页是看不全的，你在所有文章列表里也是看不全的（SPACE倒是可以看全，于是看TL就成了灾难……），你需要点进去才能看全，才能交互——于是操作成本又上升了。所以博客相对微博，好重……

　　那么博客和SNS相比呢？

　　这就牵扯到第三个维度——呈现的复杂度。

　　博客里的内容是唯一的，就是帖子。而SNS里的内容却是五花八门的，有帖子，有投票，有广告，等等。

　　互动的多种多样，也就决定了整个SNS系统具有了额外的重量——用户需要花费额外的精力来区分什么内容是什么，这种额外的分类造成了额外的操作成本——但和第二项不同，这里的操作成本是脑袋自动完成的，不需要你鼠标去点击。

　　这是潜操作成本，但也是成本。

　　所以，SNS比博客更重。

　　当然，也不是那么一定。比如，博客里帖子密集，而SNS布局相对更松的话，那其实对用户来说SNS可能更轻——这就引出了另一点，丰富性不但和内容的种类相关，还和内容的密度相关。

　　种类越多，信息越重；密度越小，信息越轻。

　　当然，丰富性也不仅有这些内容。以轻博客和博客来说，它们在信息种类和信息密度上几乎没有分别，但博客的整体UI比轻博客要丰富，这就导致了整个平台赋予信息的额外重量就更重了——但这部分很难量化。

　　上述三个重量的指标，一个是信息本身的，后两个则是信息传播的平台赋予的。但，没有信息传播与生产的平台，也就没信息了嘛——但这提醒我们的是，可以通过第三方APP来修正这部分的重量。

　　大致来说，在一设备d上，某信息平台p上某条信息m的重量W可以写作如下形式：

W(m, p, d) = Len(m) / 100 + (Ob(p) + Op(p)) × 2 + (1 + K(p)) / 2 × N(p, d) / M(d) × UI(p)

　　其中Len(m)是m的长度，Ob是浏览一条信息所要的操作数，Op是传播一条信息所要的操作数，K是平台提供的内容类型数，N则是一页能显示的信息数——这个值得不单和平台p有关，也和用户使用的设备（PC？手机？平板？）相关，但这里就只记为p了。相应的，M是在指定设备上一页最佳显示数，比如PC和平板上是10，手机上是2，等等。最后的UI是平台的UI导致的额外重量。

　　当然，一些权重参数，比如那个M，目前是随意取的，未必就是好值。

　　现在，举例来说，一条100字的微博和一条50字的微博，它们的重量就不同——对新浪微博来说，Ob(sina)=1，但Op(sina)>1，因为如果我们是要转发一条被转发消息的原消息，那么需要额外的操作（点选“原微博”）才可以。姑且认为Op(sina)=1.1。对于Twitter来说，我们可以认为Op(twi)=1。关于信息种类，新浪微博上有微博，有推广帐号，有广告，有朋友活动，所以，算上出现的频率权重，我们可以认为K(sina)=2.5，而K(twi)=1。每页显示数量，这个根据Theme不同而不同，我们姑且认为N(sina, d) / M(d) = N(twi, d) / M(d) = 1。

　　所以，在这两个不同平台上，这两条信息的重量分别是：

　　W(100, sina) = 1 + (1 + 1.1) × 2 + (1 + 2.5) / 2 = 6.95

　　W(50, sina) = 0.5 + (1 + 1.1) × 2 + (1 + 2.5) / 2 = 6.45

　　W(100, twi) = 1 + (1 + 1) × 2 + (1 + 1) / 2 = 6.0

　　W(50, twi) = 0.5 + (1 + 1) × 2 + (1 + 1) / 2 = 5.5

　　作为比较，简书千字文的重量是这样的：

　　就平台来说，简书的浏览成本是2（点开，看）。转发成本高于2，估计为2.5（简书内喜欢是2，然后你要分享到别的平台，还需要额外的点击和确认过程，是4。考虑操作频率导致的加权，认为是2.5大概差不多……）。内容种类，在主页是1，在TL是2（发帖，回复），在提醒是4（发帖，回复，喜欢，加入文集或者推荐），我们综合来说，就算2.5好了。至于N/M，在主页算1的话，在TL和提醒里就超过2了，综合说来就算2吧。于是，简书上一篇千字文的重量为：

　　W(1000, JS) = 10 + (2 + 2.5) × 2 + (1 + 2.5) / 2 × 2 = 22.5

　　果然好重……

　　豆瓣估计差不多，而人人开心这样的SNS，K值就高了很多，N/M也高不少，于是大家鼓掌。

　　下面来比较一下，同样的消息作为长微博、轻博客和博客，其重量分别是多少。

　　还是以千字文为例。作为长微博的时候，各参数和微博是类似的，从而有：

　　W(1000, pic) = 10 + (2 + 2.1) × 2 + (1 + 2.5) / 2 = 19.95

　　而当同样的内容放在轻博客的时候，如果只考虑轻博客内的传播，那么其重量为：

W(1000, qing) = 10 + (2 + 2) × 2 + (1 + 1) / 2 = 19

　　但显然轻博客内的传播不算主流，主流还需要使用微博来推广，因而考虑上这部分的额外重量，结果就是：

　　W(1000, qing+weibo) = 10 + (2 + 2.5) × 2 + (1 + 1) / 2 = 20

　　相比长微博略重。

　　而对于博客，重量同样可以分为只在博客系统内传播和通过微博辅助流通量部分，分别为：

　　W(1000, blog) = 10 + (2 + 2) × 2 + (1 + 1) / 2 × 1.2 = 19.2

　　W(1000, blog) = 10 + (2 + 2) × 2 + (1 + 1) / 2 × 1.2 = 20.2

　　这里相对轻博客多出来的因子1.2，就是上文所提到的因为博客整体UI相比轻博客更丰富而多出来的额外重量因子。

　　前面只是一个铺垫，下面是正餐。

定理一：一个平台用户数的增速，与平台上的平均信息重量成反比，和已有用户数量成正比。

　　可以写为这样的形式：

ΔU = V × U / Ave(W(m))

　　这里V是增速常量。而平均重量则可以认为是将W中和信息本身相关的因子扣除的结果。

　　可以看出，基本上平均重量越低的平台，在相同时间内，上面聚集的人也就越多。

定理二：一条消息的存在时间和传播范围，随平台用户数的增多而增加，随信息品质的增加而增加，随信息重量的增加而减少。

　　也许可以写成这样的形式：

Life(m) = LIFE / W(m) × Q(m) × F(U)

Range(m) = RANGE / W(m) × Q(m)× F(U)

　　这里LIFE和RANGE是两个常数。F(U)是和平台用户量相关的一个函数，至少不可能是线性函数，可能是这样的函数：

F(U) = 1 - 1 / (1 + (U / Limit) ^ 2)

　　这就是说，越重的消息，传播范围和存在时间越小，越轻的消息，传播范围也就越广，存在时间也就越长。

　　比如说，同样的内容，作为长微博、轻博客和博客，其传播范围就会不同。

定理三：用户对信息交互频率和信息的存在时间及传播范围成正比。

　　也即：

Act(m) = ACT × Life(m) × Range(m)

　　其中ACT是交互常数。这条定理的特点，在于信息质量并不显然地出现在关系中——所以，一条烂消息，如果反复出现的次数够多（比如水军反复发同一条消息），也能引起足够的交互。

　　上面还只是考虑在同一个系统内部，如果同时有多个平台共存，用户可以在多个平台之间选择，那情况就又不同了：

定理四：用户更倾向于在消息交互更频繁的平台上交互。

　　基本上，平台p对用户的粘性大致可以表达为：

Stick(m, p) = Act(m, p) / Sum(Act(m, q), q)

　　所以啦，我们比较微博、轻博客和博客，就会发现，因为微博最轻，所以微博上的信息传播最广，信息存在时间最长，因此用户增长最快，用户和信息的交互也就最频繁，最后导致的就是大家越来越喜欢在微博这个平台上进行交互。

　　上面的都是一些统计性的猜测性的东西。既然是统计，所以具体到个体自然是有差异的；既然是猜测，那总会猜错的。

　　嗯，以上。

　　欧耶，终于把废话都写完了，万岁～～