Context Builder

我们的 mission 之一是熵减, 在目前这个 stage 我们能做的是

  1. Context builder (最好的呈现有用的信息)
  2. Filter (最大程度的过滤掉无用的信息)

以下是 F搜团队对于 Context builder 的一些思考, 有兴趣的F友可以参与下讨论!

用户想要什么

当用户完成搜索以后, 一个高效检索的注意力区域应该是这个 “Golden Triangle”.

那我们需要有一个高效的 context builder (上下文建立器) 帮助用户更快速的找到自己想要的, 用户的需求可以简化为下面两类问题

  1. 用户知道自己想要找什么 (有目的检索与匹配信息)
  2. 用户不知道自己想要什么 (有方向获取与拓宽信息)

抽象一下变成

  1. 知识/信息检索 (Indexing knowledge)
  2. 知识/信息探索 (Exploring knowledge)

问题拆解

因此 context builder (上下文建立器) 需要专注在人体的感官摄入来最高效的完成上述两件事情. 在这个方面, 让我们专注视觉和听觉 (暂时忽略触觉, 味觉和嗅觉, we’re not metaverse ready yet LOL)

听觉 + 视觉 = 视频

视频适用于什么呢?

  1. 无目的的信息获取 (娱乐)
  2. 复杂的信息获取 (教程)

:point_up_2:不是我们专注的方向, 所以可以忽略这个部分 (不是排除视频结果, 而是排除直接播放视频)

视觉 = 文字 + 图片

20年前搜索引擎刚刚起步的时候, 大家都在谈论 ranking, 但是如果你是一个经常搜索的用户, 你会发现 ranking 在 2010 年左右就已经非常成熟了, 后续在这方面都是 marginal improvement (与其说在改进 ranking , 不如说是在和 SEO 在斗智斗勇).

所以一个更加现代的问题是信息的组织 + Ranking, 后者是可以通过低成本的方式去 bootstrap 的, 前者是我们想发力的地方.

解决方法

在讨论解决方法前, 让我来分享一下我们观察到的一个有趣的现象.

任何平台都需要内容和用户的积累 (网络效应 & 鸡与蛋的问题). 在这个问题上, 我们认为鸡是无法永久保存的 (有寿命的), 但是蛋可以 (无寿命的). 所以一个比较好的做法是找一个累积了很多蛋的领域 (冷启动), 让鸡可以高效高质的产蛋 (差异化).

:point_down: 以下是累积了很多蛋的领域的例子

3500年的文字积累 (first appearance circa 3500 BC) → Google
180年的图片积累 (first appearance circa 1826) → Facebook & Instagram
130年的视频积累 (first appearance circa 1889 AD) → YouTube

:point_down: 以下是累积了很多蛋的领域 + 让鸡可以高效高质的产蛋的例子

16年的长视频积累 (YouTube and etc.) → TikTok
22年的长文积累 (Blogger and etc.) → Twitter

不难看到, 所有上述的蛋都是视觉和听觉 (所以现在Meta Facebook 要突破), 但所有这些都会汇总到搜索引擎这边进行检索. 这样看来, 现在的搜索不是单单是准确排名的问题 (Ranking), 而是在如此多的信息输入中能否高效建立认知并且找到答案的问题 (↓ Entropy).

比如说我搜索一个我不熟悉的领域 - “高能物理”

解决方案 1

解决方案 2

实现方式 - Context Builder

Maybe 我们能做些什么? 回到最初我们提到的 “Golden Triangle” - 那一个好的实现方式就是在那个区域内, 通过文本和图片帮助用户快速建立认知和选择最相关的信息. 我们想做一个 Context Builder 帮助用户 :point_down:

建立上下文 → 判断信息相关度 → 消费信息

抽象的说 - “Answers instead of lists”. 这里所说的 “Answers” 不是Quora和知乎那种的问答, 而是第一页的搜索结果自身是个 answer.

那这个 Context Builder 正是这个如何通过文本 + 图片(包括视频缩略图) 去完成上述的一个"how to".

5 Likes