这项最让人痛恨的功能成就了今天的Facebook

Facebook的新闻推送服务已运行十年,成为拥有超过15亿用户的核心功能。2006年初次上线时曾引发用户强烈反弹,如今已成为人们获取信息的重要渠道,并深刻影响着媒体行业。

十年是一段很长的时间——即使是在现实世界。在互联网领域,它更犹如一个世纪,尤其是以初创公司的寿命来衡量的话。而这就是Facebook实时新闻推送服务(News Feeds)上线的时长,如今,它已经成为了拥有超过15亿用户的服务的核心组成部分。

“我们现在甚至很难想象没有这个基本功能的社交网络。”本周二,在与首席执行官马克·扎克伯格及其他三个新闻推送团队的最早成员进行讨论时,Facebook的早期员工“博兹”安德鲁·博斯沃斯回忆说。(当然,这次活动通过Facebook的流媒体服务进行了直播。)

博兹表示,当时,网站“只是一个页面,有根大手指,指示新文章的数量。”用户需要点击每个好友的主页,试图回忆他们的上篇博文是什么,有没有更新内容。

扎克伯格回忆说:“很难回忆起那么久以前的事情了,不过当时你得到处浏览,看看好友的主页,看看谁在他们的留言板上写了东西,他们发了什么新文章。如果你在主页上更新了内容,也没法保证其他人会去看它。现在我们都觉得有人去看是理所应当的……但在当时,世界上没有类似的产品。”

团队最初的三个成员,包括克里斯·考克斯(如今负责新闻推送的产品开发)和鲁奇·桑格威,一起努力了大约9个月。2006年9月5日深夜,新闻推送功能就此诞生。

接下来一切都一团糟。

博兹在直播时回忆道,他在产品发布前就去休假了。所以桑格威、考克斯和工程师Kang-Xing Jin只能用扎克伯格的电脑关注用户对该功能的最初反应。当时,Facebook只有约1,000万用户,其中许多人似乎都认为新闻推送是Facebook推出的服务中最糟糕的。

扎克伯格在直播中说:“在公司内部,我们都很喜欢它,看起来它明显是个不错的功能,所以当我们推出这项服务时,我们希望让人们感到兴奋,我们期待着第一批反馈。但最后我们得到的并不是好消息。”

考克斯回忆道,开发团队发现有超过100万用户都在呼吁:“我讨厌新闻推送,请把它关掉。”

根据当时的头条新闻所述,许多用户讨厌新闻推送,是因为它很彻底地改变了网站的运转方式。另一个令人讨厌的地方在于新闻推送会以一种更加明显的方式反映用户的行为——赞、分享和评论等。

许多用户似乎把这看作对隐私权的侵犯,之后Facebook推出的几乎每个新功能都会受到类似的控诉。桑格威指出,约有10%的用户威胁要删除账号或抵制这项服务。

扎克伯格被迫为这次转型的处理方式发表道歉声明。他写道:“冷静下来,深呼吸。我们会听取你的意见。”当时许多人认为这是标准的充耳不闻的做法。

Facebook共同创始人和初始团队在直播中清楚大声地表达了他们对于新闻推送的热忱。桑格威表示,这一灵感来源于他们看到人们不断点击一个个好友的主页,于是他们试着思考怎样简化用户的操作。

不过很显然,在当时,他们的想法和人们的看法有着巨大的差异。

这种差异可能在许多方面还延续到了如今。现在,每天使用新闻推送的用户超过15亿,因此,它能大大影响人们每天看到的全球各地的信息,无论是婴儿照,还是关于爆炸的新闻,或是警察枪击。

这种影响反过来帮助Facebook控制了(无论Facebook承认与否)大型媒体的命运,后者如今要依靠社交网络向用户推送内容。Facebook还可以在广告上争取利益,作为播放媒体内容的回报,或是让媒体付费来进行直播。每次Facebook调整算法,这些媒体机构都会感到战栗。

正如泽伊内普·图菲克西和其他一些社会学家指出的那样,新闻推送还从许多重要的方面塑造了人们看待世界的方式。它决定推送哪些内容,不推送哪些内容,都会带来巨大的影响。

考克斯是在新闻推送功能上线前一年加入Facebook的。他回忆起当时与公司的共同创始人达斯汀·莫斯科维茨和早期员工亚当·德安吉洛的谈话:新闻推送应该如何成为用户在数字世界的“报纸”——这个比喻被他和扎克伯格继续沿用了下去。

在人类的历史上,报纸是最受欢迎的新闻来源,它也让Facebook从一家小型初创公司转变成了市值超过3,750亿美元的跨国巨头。

作为一个产品,新闻推送显然获得了巨大的成功。不过作为一项社会现象,它的全面影响才刚刚开始浮现。

本文转自d1net(转载)

多源数据接入 支持校园各业务系统数据接入:包括教务系统(学生成绩、课程信息)、学工系统(奖惩记录、资助信息)、后勤系统(宿舍分配、能耗数据)、书馆系统(借阅记录、馆藏信息)、一卡通系统(消费数据、门禁记录)等。 接入方式:提供数据库直连(MySQL、SQL Server)、文件导入(CSV、Excel、JSON)、API 接口调用等多种方式,支持实时同步与定时批量同步。 数据标准化与治理 建立校园数据标准体系:统一数据格式(如日期格式、学号编码规则)、定义核心数据元(如 “学生” 包含学号、姓名、专业等必选字段)、规范代码集(如性别代码 “1 - 男,2 - 女”)。 数据清洗:自动检测并处理缺失值、重复值、异常值(如成绩 > 100 分),通过规则引擎实现数据校验(如 “学生年龄需在 16-30 岁之间”)。 元数据管理:记录数据来源、格式、更新频率、负责人等信息,生成数据血缘谱,追踪数据从产生到应用的全生命周期。 二、数据共享与交换核心功能 分布式数据存储 基于 Hadoop HDFS 实现海量数据存储:结构化数据(成绩、消费记录)存入 HBase,非结构化数据(文档、片、视频)直接存储于 HDFS,日志类数据通过 Flume 采集至 HDFS。 支持数据分片与副本机制,确保数据高可用(默认 3 副本存储),满足校园 PB 级数据存储需求。 数据交换引擎 构建点对点数据交换通道:各部门系统可通过交换引擎向平台上传数据或申请获取授权数据,支持同步 / 异步交换模式。 交换流程管理:定义数据交换规则(如 “学工系统每日向平台同步新增学生信息”),记录交换日志(成功 / 失败状态、数据量),失败时自动重试。 数据脱敏:对敏感数据(如身份证号、银行卡号)在交换过程中进行脱敏处理(如显示 “110********5678”),兼顾共享与隐私保护。
用户信息管理 支持用户注册(手机号 / 社交账号登录)、个人信息完善(如年龄、性别、饮食禁忌、偏好菜系等)。 记录用户行为数据:浏览历史、收藏 / 点赞美食、评分记录(1-5 星)、消费记录(如外卖订单、到店消费)、搜索关键词等。 美食数据管理 存储美食基础信息:名称、分类(中餐 / 西餐 / 日料等)、子类别(川菜 / 粤菜 / 汉堡等)、食材、口味标签(辣 / 甜 / 清淡等)、价格区间、商家信息(名称、地址、评分)、片等。 支持商家入驻与信息更新,管理员审核美食数据合规性(如食材描述真实性)。 二、协同过滤推荐核心功能 基于用户的协同过滤(User-based CF) 计算用户相似度:通过用户对美食的评分、浏览记录等行为,使用余弦相似度 / 皮尔逊相关系数识别 “相似用户群体”(如用户 A 和用户 B 对 80% 的川菜评分一致)。 生成推荐:向目标用户推送 “相似用户喜欢但目标用户未体验过” 的美食(如相似用户高分推荐的新川菜馆)。 基于物品的协同过滤(Item-based CF) 计算美食相似度:分析用户对不同美食的共同评分 / 点击行为,挖掘美食间的关联(如 “点过麻婆豆腐的用户中有 70% 也点过回锅肉”)。 生成推荐:为用户推送 “与已喜欢美食相似” 的菜品(如用户刚收藏了水煮鱼,推荐酸菜鱼、毛血旺)。 混合推荐策略 结合两种协同过滤算法结果,根据场景动态调整权重(如冷启动用户优先基于物品的推荐,活跃用户侧重基于用户的推荐)。 融合用户显式偏好(如标注 “不吃辣”)过滤推荐结果,避免无效推荐。 三、用户交互与推荐展示 个性化推荐页 首页展示 “为你推荐” 列表,按推荐优先级排序,显示美食片、名称、匹配度(如 “98% 的相似用户喜欢”)、用户评分、距离(适用于到店推荐)等。 支持按场景筛选推荐(如 “午餐推荐”“周末聚餐推荐”“性价比推荐”)。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值