社区研究之网站的三种黏度

这篇文章应该说并不是专门讨论社区话题的，但由于文内论述的几个基本概念对之前和今后的社区研讨有用，因此姑且也将此文列入社区研究系列。
黏度同粘度、粘着度、黏着度。广义的黏度指的是用户对网站的重复使用度（依赖度、忠诚度），和用户迁移成本基本成正比。通常黏度越高的网站越体现价值，因此如何提高用户的迁移成本也是各网站运营的首要任务之一。但在我看来黏度这个概念还是过于宽泛了，以用户迁移成本来源的不同可以将黏度分为3种类型，以下一一分析：
1、技术黏度：这个最好理解，哪个网站速度最快、服务最稳定、价格最低、功能最强用户就选择哪个，比的完全是技术定量数据。最明显的例子应该算是用户关于Email服务商的选择，当年谁家新推出一个更大容量的邮箱就会拉走一大批用户，谁家对垃圾邮件的处理更好就又拉过去一大批，用户在迁移时对前一家服务商几乎没有留恋。因此技术黏度对服务商的要求非常高同时用户忠诚度是最低的，要保持技术领先还要保证服务稳定，随便在哪一点上有竞争对手超过了你都有可能造成用户的大面积流失。当然从另一个角度来看不管你的竞争对手是苦心经营多少年的老字号，只要你在技术定量数据上超过了它，都可以从它那里迅速抢走大量用户，甚至可能一举击溃它。这在前些日子迅雷华军案中可见一斑。
所以单纯以技术黏度为方向的网站有几个特点：用户迁移成本低、用户忠诚度低、技术创新意识强、覆盖面广、发展速度高。典型代表：Google。
2、社交黏度：我们常说的社区就是靠这种黏度维系的，我个人之前文章中谈到的黏度也特指这种黏度，我称其为狭义黏度。在“社区研究之SNS和烧汤”一文中我对社交黏度做了一个基本的阐述：黏度是指个体用户对于社区内某个或某些特定的人的交互的依赖性，而不是对某个社区产品或者功能应用的依赖性。同时也做出了几个判断：1、以强化社交黏度为目标的才是社区；2、社交黏度的基础是固定的ID（变相实名制）；3、做社区就是做SNS（广义SNS）。
正因为社交黏度是建立在人与人之间的关系上的，所以相互的了解和信任需要时间来培养。反过来看，一旦了解和信任得以建立，也就不会轻易丧失。从用户迁移成本的角度看，有了社交黏度后迁移成本明显提高，因为此时用户不是自己换个地盘就可以，而是要带着他的人际关系一起走，否则他就必须重新花时间在新的地盘与新的对象培养相互的了解和信任，这个成本是相当大的，也是关键的。
所以单纯以社交黏度为方向的网站有几个特点：用户迁移成本高、用户忠诚度高、技术创新意识弱、覆盖面窄、发展速度慢。典型代表：QQ。
3、数据库黏度：这可以算是一种新的黏度，实践还不多，成功案例几乎没有，但个人认为是未来网络的一大发展方向。数据库黏度建立在对个体用户的数据跟踪分析上，并比照该个体用户与其他用户的异同，综合分析其中的关联，最终推荐提交给个体用户一套个性化的解决方案。这种黏度的基础是积累了大量的个体用户数据，同时还须掌握科学有效的比照分析方法。虽然现在还很不成熟，但可以肯定的是，当数据库黏度发生作用时，个体用户的迁移成本必然会越来越高。
目前在数据库黏度初露端倪的实践应该是豆瓣，豆瓣有一个功能是“豆瓣猜你会喜欢”，说心里话这是我最喜欢也最看好的豆瓣功能，虽然现在这个功能还很弱，推荐也不算准确。这个功能是完全个性化的，其后台是个体用户提交的数据与其他用户提交的庞大数据库之间的比照分析，再反馈给个体用户一个独一无二的、只适合于你的推荐。可以想象随着豆瓣数据库越来越庞大，算法越来越精妙，最终的结果也会越来越准确。但目前豆瓣的数据还是割裂的，它不能从我喜欢的电影推测出我喜欢哪些书和音乐，而在我的想象之中，未来会有网站可以从我喜欢的音乐准确地推荐给我一辆适合我的汽车或者新到货的服装。
所以单纯以数据库黏度为方向的网站特点现在还不好说，只能推断：用户迁移成本高（数据库导出成本高）、用户忠诚度高（数据跟踪终身化）、创新意识强（算法不断革命或优化）、覆盖面广、发展速度慢。典型代表：目前没有。
以上是对3种黏度的分类及说明，下一篇将进一步谈一些相关的问题。
烦请诸位先阅读“社区研究之网站的三种黏度”，本文讨论的是相关的若干话题。
1、 魏武挥的结论和我的意见
在魏兄一篇文章“用户转移成本和黏着度”中下了这样一个结论：“将用户转移成本降下来，反而有可能增加用户黏着度，从而转变为客户。也正是因为这样一个结论，那么，看上去有点古怪的提供导出服务的功能型网站，事实上，一点都不古怪。”这个结论貌似正确，仔细想想又好象有点问题，当时看的时候一时间有点困惑，现在将3种黏度的类型分析清楚，也就搞明白了这个结论。
魏兄提到了“功能型网站”，我认为就是我说的强调技术黏度的网站，这种类型的网站如果试图通过人为制造的功能缺陷来提高用户转移成本，从逻辑上不可能行得通。因为技术黏度网站和同类竞争对手比的就是“你无我有，你有我优”，人为制造功能缺陷在这里起到的作用恰恰是降低了技术黏度，被用户弃用的可能性反而增大了。可以说“功能型网站”要提升黏度只有两条路：
a）  努力保持相对于竞争对手的技术和功能的领先优势，也就是加强技术黏度，通过高技术黏度提高用户的转移成本。你是最好的，用户不选你选谁？
b）  经营社交黏度或者数据库黏度，与原有的技术黏度形成优势互补。
但无论哪条路的内在逻辑都是通过正当手段提高用户的转移成本，从而加强广义黏度，使网站价值最大化。
但如果是强调社交黏度的网站就完全不一样，用户即便可以导出内容也无法导出人际关系，要搬家就面临两个选择：放弃经营已久的人际关系到新的网站重新培养或者说服整个人际关系网络一起迁移。无论哪一种的迁移成本都很高，导出功能在社交黏度方面起不到什么影响。
2、不同类型黏度的混合及作用
网站的黏度通常不是单一的，而是混合的，而且对于不同个体用户而言，同一个网站产生的黏度类型也可能是不同的。以魏兄文章中提到的Delicious为例，网摘类的功能运用对用户产生的作用属于纯粹的技术黏度，可是当同类网站365Key推出兴趣小组功能后，小组内开始产生社交黏度，用户迁移成本提高。
同样，在以Blogbus为样本的BSP发展过程中也出现类似的情况，刚开始的Blog托管平台都是纯粹技术黏度的，但由于Blog本身的技术含量不高，产品同质化严重，单纯依靠技术黏度抓住用户的可能性小，于是众多BSP不自觉、也是不约而同地推出了旨在提升社交黏度的群组功能，希望以此提高用户迁移成本。而其中我认为和IM捆绑的MSN Space是社区化最成功的。众所周知MSN Space的服务很不稳定，功能也不怎么样，从技术黏度的角度看没有什么理由成为Blogger的首选，但由于它绑定了MSN，用户迁移的成本非常高，用户即使不满也会舍不得离开。社交黏度对于技术黏度的相对优势在此可见一斑，如果网站能将两种黏度作用于同一个用户，则可以取长补短相辅相成，我想这也是目前众多创业者和投资人纷纷看好新型社区网站的主要原因吧。
不过，并不是每一种黏度混合都能自动得到相辅相成取长补短的效果，比如豆瓣。豆瓣是典型的混合了3种黏度的网站，技术黏度（信息查询功能）、社交黏度（小组讨论功能）和数据库黏度（推荐功能）兼而有之，其中数据库黏度较弱，这里先不讨论。豆瓣目前的一大问题是技术黏度和社交黏度有相对割裂的趋向。应该说大多数用户刚开始登录豆瓣是被其技术黏度所吸引，他们并不注册只是来查询相关的资料和评论，如果他们想要找寻的信息豆瓣无法提供，他们就转向其它网站，这很正常。其中一些热情更高的用户会注册并参与评论，并进而创建或加入小组讨论，对于这部分用户技术黏度和社交黏度同时发生作用，其中可能社交黏度的作用会逐渐强化，混合的优点得以体现。
但是，当豆瓣小组的主题可以完全脱离网站的主旨存在并发展之后，由于黏度类型的不同在用户心目中可能会渐渐出现两个豆瓣，豆瓣的品牌开始模糊。我们可以看一看一个比较活跃的豆瓣小组“我们爱讲冷笑话”，目前小组成员超过8000，收藏的书、音乐、电影只有62个，小组讨论的话题几乎完全和豆瓣主旨无关。我的一个朋友恰巧是这个小组中相对活跃的一个成员，他加入豆瓣只是是因为这个小组，这个前Mop用户对于豆瓣的认识也几乎就停留在小组讨论形成的社交黏度上。我不清楚这样极端的个案在豆瓣还有多少，也不清楚对于豆瓣而言这种趋向算是机遇还是挑战，但我想如果豆瓣任其发展不做整合，那么这种割裂可能会是一种隐患。
3、 搜索、社会化搜索以及逆向搜索
早些日子有一个讨论在Blog网络上进行，是关于社会化搜索。其中麦田在文章“社会化搜索：到处都是正确答案”中提到2种普遍存在的用户需求：“ A用户想买一张火车票；B用户想买一个最合适的汽车――然后我们发现，这两个用户的需求其实是不同的：A用户的需求‘准确’；而B用户的需求‘模糊’。”由此麦田认为：“可能存在完美的算法，解决上述A用户的需求；但是这个世界上过去、现在、将来都不可能出现一种完美的算法，能真正解决上述B用户的需求――因为B用户压根不知道自己想要什么。”最后得出“社会化搜索=社区”的结论。
在这里我将麦田的思路整理并延伸一下，把不同的用户需求分为3类，也用拟人方式来描述和分析：有3个病人（用户）。
A病人旧疾复发，根据个人的经验或者知识他知道自己该服用什么药来治疗，但是他不知道周围最近的药房在哪里。这基本等同于麦田说的用户A，需求‘准确’，用我们目前常用的搜索方式便可解决问题。
B病人感觉身体不适，但不知道自己所患何症。这基本等同于麦田说的用户B，需求‘模糊’，用我们目前常用的搜索方式无法直接解决问题。于是只能求医问诊，利用医生（专家权威）脑海中的经验知识（人肉搜索）来找到问题症结并予以解决。而且如果可以通过人际关系找到可靠的专家权威（对孩子来说家长就是），则优先予以考虑。在这个意义上的确可以认为“社会化搜索=社区”。
C病人没有感觉身体不适，其实病患已经存在只是未发作（早期癌症或其它潜伏期症状）。这种需求麦田没有提，因为用户自己都不知道自己有需求，更无从搜索解决问题的方法。但该病人定期进行常规身体检查（数据提交），所有检查结果和之前病历都在某医院资料库中保存备用（数据库）。某次常规身体检查后，医院通过数据分析和比照认为该病人按照发展趋势在现阶段很有可能患染某病症，通知他来医院复查就珍，并及早发现病症，解决问题。我暂且将此类模式称为逆向搜索。
我认为这三种搜索模式必然长期并存，只是现在第三种模式的发展还远远不够。而从技术等级上看，我也同意Keso在文章“东拉西扯：当搜索遭遇社会”中的说法“搜索的社会化并不是降低了算法的重要性，恰恰相反，它让算法变得更加重要、更加复杂，因为人成为软件工作的对象，人的属性、人的行为、人的关系、以及人产生的所有数据，都成为影响搜索结果的重要因素。”（可能我断章取义了）。的确在逆向搜索模式下算法的重要性符合Keso的论点。而且逆向搜索模式的发展会导致现有营销理念和模式的革命，在用户尚未意识到自己有此需求时商家便已开始进行一对一的个性化直销，不知道这算不算是社会化商务。当然这完全是另外的一个话题，这里不作讨论。
此外，我们似乎可以发现这三种搜索模式和我所说的三种黏度隐隐对应。这就让我想到另外一个问题：用户提交数据的积极性。都说Web2.0的一个特征就是用户参与用户提交内容（数据），但由于人的天性是自私利己懒惰的，因此如果提高用户提交数据的积极性成为Web2.0网站尤其在创业之初的一个关键问题。
如果硬性区分的话，可以这样来看：在技术黏度范畴和普通搜索模式下，用户几乎不提交信息（有也只是几个关键词）；而在社交黏度范畴和社会化搜索模式下，马太效应会愈发明显，越是规模大有效信息多的社区，用户提交信息的积极性越高，反之规模小有效信息少的新社区起步就显得非常困难。
在数据库黏度范畴和逆向搜索模式下用户提交内容的积极性有什么影响，由于没有案例可参考我只能猜测。如果是目前豆瓣推荐这种初级阶段，由于基础数据的局限应该也会形成类似社区黏度和社会化搜索模式下的马太效应；但如果未来可以共享基础数据，则马太效应可能会不那么明显。在这种情况下个体用户提交的数据越多越准确，逆向搜索的准确度就越高，该用户得到的价值反馈也就越大，因此用户提交信息的动力大大提高。当然这些只是不负责任的猜测而已。