“威尔逊公式”——知乎最大的秘密

文章插图
我们都知道，自媒体人通过在平台输出内容，从而吸引用户关注，完成流量变现，因此，很多人认为平台是自媒体人与用户之间沟通的桥梁。
这种观点其实没错，但更准确地说，自媒体人从来不是在和用户交流，而是在和平台博弈。
为什么说博弈呢？
因为任何一个平台都有其固定的机制算法，自媒体人要做的事情，是不断让自己的内容往平台算法上靠近，不断去触发平台的推荐机制。
我以知乎为例，很多人应该听过知乎的“威尔逊公式”，但具体不是特别理解，也不知道这个公式到底是如何计算的。
这里，我为大家详细科普一下，希望对一些从事知乎运营的朋友有所帮助。
首先需要了解，如果我们把运营知乎比喻成一个打怪游戏，那算法就是一份详细的攻略秘籍，它能告诉我们怪兽的要害是什么，以及下一步要如何走，这份攻略能让我们在打怪升级的过程中做到心中有数。
简单说，知乎算法的具象表现形式，就是个人的内容搜索排名。
运营人通过算法得到的数值越大，搜索排名就越靠前，曝光量就越高，相应得到的反馈就越多，而我们运营知乎的本质，就是想发设发的让我们得到的这个数值尽可能的大。
其次，在讨论具体公式之前，我们需要先思考一个问题，假如你是知乎平台的运营人，你会倾向于保留哪些用户呢？
答案很简单，凡是对平台建设能产生积极作用的人，平台自然要给出相应的回报，予以奖励。
这是一个平台想要长远发展的基础要求之一，不需要通过数据来证明。
而对用户而言，输出专业知识、筛选优质内容、提升社区活跃度、增加知乎影响力、维护平台秩序等等，都属于可以落地的平台建设操作。
所以，在我们不断产生这些行为的过程中，就是在为知乎不断赋能，也就理所应当的得到更高的算法数值。
理解这个概念之后，我们再来具体分析一下知乎的官方算法机制，算法中提到的各项数值，以及其执导意义和闭坑指南。
这里给出一个公式，即【威尔逊公式】：

文章插图
其中u为加权赞同票数，v为加权反对票数，za为参数。
下面这张图可以比较直观地显示威尔逊公式的几个重要特性。

文章插图
为了方便谈论，依次称左图中up-vote，down-vote，score对应的轴为x、y、z轴，右图为左图的等高线图。
左图的整体曲面形状，与通常理解中赞同票、反对票和回答质量的对应关系是相符的，这是知乎官方认可的算法机制。
加权赞同票指的是其他人点赞所赋予内容的数值，但要注意，每个人的点赞所带来的影响是不同的，这取决于点赞者在当下领域的权重。
很多人精心写了一篇文章，然后发布在知乎回答里，以为接下来就可以获得千赞、万赞，成为知乎大v，然而过了一段时间后，发现回答点赞数寥寥，甚至连一条反对的评论都没有。
这时，他们开始失望了，认为自己没有所谓的自媒体天赋，甚至不适合知乎运营。
这其实是一个误区，你的回答反馈不足，并不代表你的内容有问题，更不意味着这篇回答会一直无人问津。
事实上，从长远运营经验来看，一篇有价值的文章，就算一开始没什么反馈，也会在未来某一段时间里突然爆发，之所以现在没有造成一定程度的影响力，是因为你的账号目前还存在着一些问题。