社区研究之网站的三种黏度

原文链接:http://yokanta.blog.techweb.com.cn/archives/2006/2006112155015.shtml


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...

原文链接:http://yokanta.blog.techweb.com.cn/archives/2006/2006112155015.shtml

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。