1.2 传播方式升级

传播的定义是：“两个相互独立的系统之间，利用一定的媒介和途径所进行的、有目的的信息传递活动。”从图文到音频，再到视频，这些传播介质的升级，体现的是信息载体的变化。除此以外，信息传播方式也在升级和变化。

所有信息传播的过程无非“推”和“拉”两种，它们对应的方式分别是“订阅”和“搜索”。地方官员接受朝廷发布的“邸报”对应的是订阅，学生/徒弟接受老师/师傅传授的知识与技能对应的也是订阅；警察根据线索搜集证据办案的过程是搜索，在图书馆按索引查找想要的图书也是搜索。

从信源的角度来看，当信息匮乏时，订阅是主流的信息传播方式；当信息增加到不再聚焦于少量信源而是分散在各处时，搜索成了信息传播的主要方式；当信息量继续增加，仅靠搜索很难准确地找到有价值的信息，尤其是当图片和视频类内容占据信息的主体时，靠文字定位的方式变得越来越不起作用。当一种能够根据你的个性化信息自动为你匹配、推荐你想要的信息的传播方式出现时， 再多、再复杂的信息已经无法引起你的担忧了，因为你总能看到你想要的信息，这就是个性化推荐。

下面介绍媒介升级的另一个方面：传播方式的升级。

1.2.1 主动订阅时代：内容和口碑是流量的基石

“订阅”这个词应该是在报纸、杂志商业化以后才出现的，它是“预订付款，定时送阅”的简称。订阅行为需要两个基本点：信息接收者对信息的诉求较高，信源有足够的公信力和影响力。

在互联网行业发展早期，订阅行为发挥着重要作用，当时的网民通过RSS^[1]订阅技术接收新闻网站或者博客定期发送的信息。到了互联网社交时代，这个词更多的时候被叫作“关注”，表示你对对方的重视程度：唯恐错过对方发布的任何信息。一旦你做出了“关注”这个动作，就代表你愿意接收对方推送给你的信息。

在信息匮乏时代，只要信源的信息足够丰富，信源就具有影响力 ；但当信息不再匮乏，受众便会变得挑剔，只有那些拥有优质内容、较大影响力的信源才能获得用户的注意力。

在订阅时代，马太效应的作用尤为明显。在订阅模式下，对内容生产方来说，获得流量的唯一方式就是拥有足够大的影响力，让所有可能对你的内容有需求的人知道并订阅。你很难主动与受众产生直接联系，唯一的方式就是让你的内容在受众之间传播，以此为自己积累良好的口碑。所以在订阅时代，“内容为王”这个词得到了广泛的认可。

但是从信息传播的角度来看，订阅终究是一种非常低效的方式，创作者的能动性太低了。尤其是对于在平台成熟期进入的内容创作者而言，仅靠优质的内容很难在信息的海洋中被用户看到。

1.2.2 因需搜索时代：SEO是流量的基石

对用户来说，订阅模式相当于灌溉，当信源的信息不能满足自己的准确需求时，搜索成了获取信息的重要手段。

面对信息的海洋，按图索骥或顺藤摸瓜式的查找方式显然不现实，于是出现了帮助用户对信息做分类的搜索引擎。搜索引擎会对全网的信息进行采集和处理，然后根据用户搜索的关键词把相关的信息按照一定的顺序呈现出来。

与订阅模式不同，用户在这个过程中唯一可以做的就是尽可能地输入正确的关键词，然后从结果中找出自己需要的内容。至于结果从何处来、以何种顺序排列，都不是用户可以控制的。

中国互联网三巨头的英文简称是BAT，既不是ABT，也不是TAB。排在最前面的B则是国内最大的搜索引擎百度的英文首字母。在国内互联网发展的过程中，搜索引擎扮演了非常重要的角色，它在某一段时间内引导着中国互联网的流量走向 。

所以在搜索引擎时代，内容创作者若想让自己生产的内容被用户看到，就要想尽一切办法让搜索引擎收录自己生产的内容并在结果页把这些内容排到最前面。这种做法有一个对应 的专业术语叫作“搜索引擎优化”（Search Engine Optimization，SEO）。

在搜索引擎时代，架构清晰的网站和足够细化、丰富的关键词配置是获得流量的基石。但这有很多弊端，其中之一就是：流量的分发权 限容易被平台方控制。也就是说，当某一家搜索平台一家独大时，你的搜索结果在页面上的排序可能不再是基于内容质量的，而是基于你在搜索引擎平台上投入的广告费用。

从订阅时代到搜索引擎时代，创作者获得流量的多少由“全凭个人本事”决定变成由“与平台关系的好坏”决定。它的 优点是，在已经近乎泛滥的信息海洋中，即使初级创作者创作的内容也有机会被呈现到用户的面前；它的弊端是，太过中心化的信息分发方式容易滋生“有钱能使鬼推磨”的不良竞争。

1.2.3 算法分发时代：“标签”是流量的基石

对信息接收者来说，订阅和搜索都是一种主动获取信息的行为。但人是具有惰性的，能主动获取信息的只是少数人。另外，面对已经过度饱和、质量良莠不齐的信息，不是所有人都有能力找到有价值的信源，或者在排序不那么公正的搜索结果中挑选出自己想要的信息。

在1995年美国人工智能协会上，卡内基梅隆大学的罗伯特·阿姆斯特朗（Robert Armstrong）等人和斯坦福大学的马可·巴拉巴诺维奇（Marko Balabanovic）等人分别提出了个性化导航系统Web Watcher和个性 化推荐系统LIRA，从此开启了个性化推荐的新时代。

所谓个性化推荐，就是对海量的信息和网民打上标签，把标签相似的信息与人通过推荐的方式匹配起来，比如把某篇因为多次提及足球而被打上“足球”标签的文章推荐给一个喜欢足球运动的用户。

简单来说，个性化推荐就是“断物识人”（我们将在第3章详细介绍），整个过程都是通过“标签”联结的：具有相同标签的信息和人会被推荐“相遇”。因为个性化推荐是通过计算机算法实现的，所以它又被称为“算法推荐”。

算法推荐的出现，促使信息与人 相联结的效率大幅提升。以今日头条App为例，一个新用户打开今日头条App后，只需要在自己喜欢的内容下面进行一些互动（如阅读、点赞、评论、转发等），很快地，他在今日头条App上看到的大部分内容就会是他喜欢的内容了。

在这种新的信息分发模式下，人与信息之间的关系出现了反转：由原来的人找信息变成了信息找人。 在这种新的关系下，用户获取信息的效率更高了，甚至一些自己并不知道的喜好会被挖掘出来。但对内容创作者来说，这种新的信息分发模式就不那么利好了，因为订阅行为被弱化后，他们创作的内容能否被算法识别并分发出去在很多时候是要打一个问号的。

内容创作者需要借鉴搜索引擎时代与“机器”斗争的经验，让系统能够更好地识别自己的内容。与之前刻意设置关键词不同，在算法推荐时代，信息匹配的规则更复杂，仅仅依靠设置关键词已经不能让自己的内容被快速、有效地推荐出去。面对海量的信息，即便是计算机，也会有处理能 力不足的问题，所以，越来越多的推荐算法被创造出来。如何让算法理解你的内容、你的内容与受众之间的关系将变得更加重要。