最近美剧《风骚律师》第六季正式回归，本来想等着全部更新完之后在一口气看个痛快。但是豆瓣里一万多名用户给出了9.9分的评价，就让我有点坐不住了，势必要看看「律师」是如何超越「毒师」的，也弥补一下近期的剧荒

当我打开Netflix之后，引起我注意的是「超爱这部!」这个功能，第一眼看到的时候有些疑惑，这个功能的意义是什么？与点赞功能的区别是什么？我点了之后会怎么样？我一直理解Netflix的点赞功能和Youtube、Twitter和抖音类似，点击之后会推荐给我更符合口味的内容或者有收藏的作用。但是对于Double the Thumbs的疑问是，除了喜欢与不喜欢之外，还可以给用户带来什么体验？它是Like功能的进化体么？已经拥有18年历史的点赞功能还有可优化的空间么？借此话题，来和大家聊聊点赞功能背后的洞察与价值 

幼年时期的点赞

早期的点赞把原本静止的内容变成了社交的媒介，用户间通过赞来简单直接的交流。我喜欢，我就点赞，蕴含赞同、支持和鼓励，此时的点赞更单纯与纯粹

2004年，社交新闻聚合器Digg的创始人Kevin Rose发明了Digg功能，用户从内容列表中查找自己感兴趣的内容并将其“Digg”出来——本意「挖掘」，你可以理解为「顶」——以表达自己对这篇报道的认可。当一篇文章得到足够的Digg之后，就会被提升到首页上，让更多的人看到 

就像是一个朋友给你讲了一个故事，你十分激动。这个故事是你从来没有听过的，你记住了它并将这个故事分享给了其他的朋友 

2007 年，社交聚合网站FriendFeed 将“Like” 按钮作为一项新功能发布并推广，两年后，随着 FriendFeed 被 Facebook 收购，这项功能也整合到了 Facebook 里。随后，各大社交产品纷纷效仿，同期的 Tumblr、Vimeo以及后来的 Instagram 都增加了这一功能。在国内，微信4.0版本推出的朋友圈，后来抖音的小红心、知乎的大拇指或者老铁双击666，不管什么样式的图标和表达方式，点赞即可满足用户的基本需求，又可以为产品实现商业价值，已经成为了社交产品的标配并且一直延用至今 

点赞背后的洞察

去点赞 

先问各位几个问题，你一天会给几条抖音、朋友圈或者知乎的回答点赞？你一天又会收到几个点赞？那你会记得一天跟多少人打过招呼么？ 

可能你会认为我很无聊，谁会每天统计点赞和打招呼的次数呢。可正是因为这些你根本不在意的数字，无意的一个举动影响着生活。在电梯里碰到同事你要点头示意，领导发了一条朋友圈你要点赞附和，朋友积赞领优惠券你要支持。你需要礼貌的简单问候，或是处于功利维护人际关系，点赞无非是门槛最低，负担最小的表达方式，是敷衍的象征。相比于转发显得太重，评论则需要输出观点，模糊不清的态度绝对不会承担责任，还可以维持住一定的距离感 

在社交媒体里，我们点赞做的只是观察他们，表示认同，而不是向他们展示我们关心的事情，更别说用它加深友谊 「 Karen North - 数字社交媒体教授」

在传统的社交中，我们有点头之交的关系，然而互联网的出现让我们生活和工作中又出现了一种新型的关系“点赞之交”，它已经成为了网络社交的通用礼仪，虽然它无关紧要，含义不足以加深感情，但是想躲也躲不掉 

被点赞

作为一名内容输出者来说我的体会更深，我的视频怎么没人看，为什么点赞还不到一百个，每十分就会拿起手机看十几次，内心的挣扎与惶恐开始纠缠着我，是不是话术太枯燥，是不是灯光太暗了等等的问题反复的问自己。就比如当你精心拍了一张照片，编辑好一段文案准备点击发布按钮的那一刻你在担心什么？你耗费几个小时发出自我感觉良好的的一条朋友圈之后，点赞数只有稀稀拉拉的一两个。原本的炫耀因为点赞数太少变成了日记本

相反，点赞数成倍增加的时候，大脑就会开始分泌大量的多巴胺肾上腺素飙升，同时，你可能将在更多的社交平台重复这一受捧的过程，以及无数次打开这条动态，进入一种高度的自我欣赏状态。一个必要功能的出现，也意味着它承载着人们必要的需求。点赞满足的就是人们「被关注被看见被认同」的底层需求 

点赞的商业价值

重要的指标 

当产品经理们发现了用户的底层需求之后，如何让用户不产生疏离感，积极参与并且促进用户留存？点赞功能给了他们一个非常轻量级的机会，任何用户只要点个赞，就可以在整个社区的内容量级评定上贡献自己的影响力。另一方面，内容的生产者能够从点赞中获得更正面的反馈，进而更愿意进行分享实现转化，这是平台更愿意看到的

Facebook 2009年在全球推广点赞功能之后，用户发贴的数量和质量都随之提升，约 30% 的用户每天都会多次点赞。另外，广告商们马上解锁了「营销密码」，Facebook将数据售卖给广告商，打破了传统媒体市场的盈利模式，把用户的「喜爱度」拿捏的死死的。就连美国国务院在 2011 年 – 2013 年，只为在 Facebook 上获得更多的赞，就已经花费了 63 万美金

但凡事都有利弊，毕竟人性极端化是难以避免的。不知道各位有没有经历过可以在淘宝上给微博买粉买赞买评论的阶段，看似大把的流量在手其实都是流量造假，早期微博上的电影大V都是靠着一手盗版资源和买粉赚的盆满钵满，如果活跃度较高，很容易成为天选之子，平台还会亲自送你粉丝，这种效果显然与社交网络设计之初，希望通过虚拟社区增进情感联络的初心是相悖的，另外，造假产业环环相扣侵蚀了平台的利益，这就不是平台愿意看到的了，所以改善社区环境是必然

各个平台也做过努力，例如微信朋友圈在点赞功能发布不久，就对公众号集赞送礼品等诱导分享行为严厉打击。2019年左右Facebook、Instagram包括Twitter在内的 Demetrication（去数量化）顾名思义，就是将点赞数量隐藏，让用户看不到有多少人给帖子点赞，强制用户把注意力放在内容上。类似于教育改革落实“双减”政策将百分制改为ABCD的等级制，考试结果不排名、不公布，全面关注学生综合素质的培养。但是，有条新闻，一名老师大白天的拉着窗帘偷偷摸摸搞培训被社区抓现形的新闻想必大家都看过，贪荣慕利，众星捧月的潘多拉魔盒已经打开了，与用户的底层需求博弈注定不是短期就可以完成的

转眼已经三年过去了，海外的社交平台显然没有做到 Demetrication，技术手段根本完不成的任务。国内的社交平台则是把压力放在了创作者身上，利用起了用户底层需求，你想让作品在流量池里获得更多的点赞、评论和转发就要不断优化内容质量，寻找自身问题，或者花钱买数据，抖音的抖加和小红书的薯条都是社区平台迭代后的现状。既能避免黑产保护平台利益，又能给创作者来带可观的数据何乐而不为呢 

更好的评分制 

说回 Netflix 的 Double the Thumbs，官方给到的解释“这是一种让会员们了解自身喜好，更精准的看到想看的电影和电视的另一种方式”

其实就是通过更细微的分类比如导演、演员类型或者制作团队等等给奈飞的用户推荐相关的内容，只能说这很奈飞。从1997年开始卖碟片直到2006年转战流媒体，Netflix 的用户增长和商业成功的关键就是把猜你喜欢做到极致，这也是手握全球两亿付费用户的原因

不难看出Netflix更依赖用户，用户对于平台的反馈很重要。2017年Netflix抛弃了类似豆瓣一样的五星评分制，原因在于用户的打分并未遵从内心，评分较高的电视剧/电影会越来越火，不火的内容永远不会被用户看到，乱打分的现象频繁出现，Netflix不希望用户变成批判家，受到其他人影响，你只需要看你喜欢的内容就好。就比如说，周末你想跟女朋友去甜甜蜜蜜度过一个周末，舞台剧「莎士比亚」和电影「小时代」你会选哪个？我想大部分人都会选「小时代」，因为它话题性强，电影结束后可以在餐桌上和女朋友一起吐吐槽。但是，如果让你在平台上给两部剧评分，一定是「莎士比亚」高于「小时代」，问题就在于Netflix在乎的并不是评分，而是用户会看哪部剧 

显示性偏好（Revealed preference）和是期望性偏好（Aspirational preference），这在日常生活中也很常见，比如一个决定中午吃轻食的人实际点了炸鸡，一个计划下午去图书馆备考的人实际仍躺在宿舍里刷剧，一个决定更温和些的人在面临类似的矛盾时仍选择发脾气 - 经济学家保罗·萨默尔森（P.Samuelson） 

另外，Netflix与YouTube、抖音和B站又有所不同，Netflix全部都是PGC内容，都是自己花钱买的，流媒体版权的成本越来越高，被淹没掉的内容几乎失去了竞争力，对于平台的冲击巨大

Netflix不得不做出改变，只有不断优化推荐算法，向用户推荐更精准的内容才是王道，显然点赞/点踩对于用户来说更方便且选择单一，是获取数据最高效最精准的方法，在一项 Beta 测试中，Netflix 向全球数十万新用户推出了点赞/点踩手势，发现评级参与度上升了 200% 

Netflix产品副总裁Todd Yellin指出这种无法完全准确洞察用户喜好的评级系统对Netflix当下原创内容的储备没有益处 

如果各位很喜欢看美剧应该知道Netflix有非常多的自制剧，自制剧要比买别人的版权便宜的多，如果版权到期或者竞品的乘胜追击，也不会让自己处于被动局面。只有自制剧、自制内容才是平台的护城河，比如「纸牌屋」和「鱿鱼游戏」等等，这些优质的内容之所以能制作成功出现在大众视野，全部都来自点赞功能获取的用户数据

如今，Netflix在点赞/点踩的旁边增加了Double the Thumbs，改为了三星评分制度，从官方给到的解释“用户可以通过它告诉 Netflix，自己对某种特定内容情有独钟，包括主演、制作团队、角色类型、小众剧集类型等等，Netflix 的推荐也就能够更具体入微”，反之，Netflix可以通过更细微的分类来洞察用户喜好，一方收获了利益，一方收获了效率