I AM FANGKE

Some thoughts and works from a china designer, photography lover and occasional thinker.
Works atDribbble, photo atLento.
The best way to contact me is on Twitter. Follow me if you like design and photography.
@Mobfrank

发现丰富的应用世界

描述:智能手机的普及,App走进并改变我们的生活。现在每天都有一大堆新的应用出来,涉及生活工作的方方面面,对于大部分用户,如何发现更适合自己的App不是一件容易的事情,无论现有平台的官方App Store,还是各种App分发市场,都做的是同一件事情,打个比方就是Web 1.0时代的门户网站,那么有没有更人性化的App推荐机制?我们从一下几个方面来考虑。

主要几个界面
随便YY了几个主要界面

1、数据无处不在,如何利用数据

如今的数据产生量惊人,几乎不需要你再做一个产品去产生数据,如何利用现有的数据给己用才是关键。
首先是App的数据,我们先为App建立一个数据模型,这个模型由:

  • App Name
  • App Tag (用来建立App与App,App与用户之间的关系)
  • App Price
  • App Description
  • App Like (用来App与用户之间的轻互动) 有了这个最基本的数据模型,我们可以根据这个模型去构建我们的App库,当然内容来自互联网,目前可以想到的是定向抓去微博、微信、twitter这些平台上的App推荐信息,通过App Name与平台市场的App连接,把推荐内容对应到App Description,如果是App团购或者限免,那么格式化这些信息与App Price关联。 最最关键的是Tag,如果多纬度的来打Tag关系到这个App的关联能力。

其次是用户的数据,用户数据关键是两点:
用户自身的描述:以现在互联网上的公开信息,完全可以挖掘到用户的兴趣、身份、基本的人口学信息,这些信息非常关键。
用户的关系链:通过使用社交平台的账户互通,可以顺便的利用甚至移植用户的关系链,在发展用户上也能起到非常大的作用,参考:啪啪、知乎、蘑菇街等产品的用户发展模式。

当我们准备好了App与用户这两端的信息整合,我们只做最轻量的。

2、基于App的特征数据与用户的特征数据进行匹配

我们看到在很多领域都在做个性化推荐,个性化的前提是用户个性数据与App的个性数据,我们在第一步中已经整合了这部分的数据,基于此,我们可以做到最基础的个性化匹配:

  • 基于App的协同推荐,关注的分类、兴趣
  • 基于用户的协同推荐,关注的人 这些全部通过Tag和用户关系来建立联系。

当然仅仅到这一步只是最基础了,我们还需要做基于此的扩散,通过大数据基于细分用户的潜在趋势。只有这样,用户的视野才会不断扩大,用户的对发现App兴趣才会不断的激起。

3、基于App形成的话题讨论

App的价值在于如何使用它,于是基于才衍生出了很多可以讨论的话题,比如:

  • 同类App中哪个最适合自己?
  • App使用中的经验分享交流?
  • App的推荐理由? 甚至,用户对App建议反馈都可以在这里完成,一个新的App邀请前期用户可以在这里获得。 如此多的讨论点对App的流转与参考起到非常重要的作用,特别是细化到一个人自己的专业或兴趣领域,对App的选择更会精益求精。

我们要做的一点就是基于此的信息聚合和流转。

4、一切皆Tag

我们可以把很多信息聚合点归为Tag,它可以是一个分类,一个群体,一个话题,一个公共账号,一切可以订阅。
这些订阅都以Tag形式存在,用户只需要管理他的Tag就可以对他的信息进行管理,在用户阅读信息过程中,这些都是隐藏不干扰的。

以上形成了一个非常简单的产品模型,有一组核心的信息结构,有方便的关系导入,有简单的信息互动过程。

对于用户,可以浏览到个性化的推荐信息,可以对这组信息进行简单的Like和RT互动,可以不断的关系自己的订阅Tag。

我们的推荐机制除了最初的Tag,还对用户的行为进行监控不断的加入到推荐算法中。

这个产品的最终目的是让用户可以获得到优质的、感兴趣的、不断扩充视野的、同行中广泛关注的、最新的App以及它们的玩法。