Zite:Flipboard的替代者,阅读的新未来!
2012-03-06 00:49

 

Zite是个和Flipboard神似,有着杂志版面的iPad内容阅读软件。我的重点放在Zite和Flipboard的两种不同模式:「兴趣内容」和「社群内容」的差异。

社群内容vs 兴趣内容

有用过Flipboard的朋友,都知道Flipboard的内容来源有两种:除了Flipboard去谈来的大手head content提供者(例如Forbes、Business Insider、The Guardian、BBC World News等等)外,就是使用者自己在Twitter、Facebook上订阅,或两个SNS上朋友贴上的推荐内容。Flipboard会把所有这些内容都用杂志版面来呈现,让使用者能轻松阅读。

Zite 走的是另一种模式,我称之为「兴趣内容」。在你第一次使用Zite 时,Zite 尽管也会要你连结Google Reader 与Twitter 帐号,但Zite 并不像Flipboard 一样,直接把两个网站上的内容拿来秀;相对的,Zite 是从这些内容中分析你的兴趣,然后回头从网路上一堆内容来源之中,根据分析结果挑出你可能感兴趣的内容,再以杂志版面秀出来让你阅读。

当然,只从Twitter 和Google Reader 来猜你的兴趣,猜错机率想必不低,特别是当你交了一堆会乱推一堆怪怪文章的「损友」,以致涂鸦墙上什么死人骨头都有时,分析出来的多半不会是你真正的兴趣。为此,Zite 还设计了很多机制,以便在一次又一次的阅读中,更精准地猜中你的喜好。比如说在每篇文章旁边都有回馈栏位,你可以针对该篇文章按赞或按烂,也可以针对文章来源、作者、文章对应到的兴趣类别等按赞。你也可以用关键字在Zite 中搜寻,Zite 会列出相关的兴趣类别供你勾选;甚至于你开了哪几篇文章来读,哪几篇又被你跳过没读,也都是Zite 会参考的指标。凡此种种,都可以让Zite 更加精准地掌握你的兴趣,每次都能递送出更加符合你兴趣的文章。

再也没有「订阅媒体」这回事

我用Zite两三个月以来,确实感受到Zite强大的威力:最让我觉得了不起的是,Flipborad给我的多半只是我本来就在看的内容;但Zite甚至还给我更多我先前不曾订阅或从未看过的内容来源,因为Zite是根据兴趣来帮我们找出内容,因此我们不需自行订阅内容来源。这就解决了一个很大的问题:订阅。

所谓订阅,存在一个先决条件:读者必须先知道有谁提供想看的内容,然后才能向它订阅。如果你不知道某本杂志、某个网站有你想看的内容,你根本无法订阅或购买。在实体世界中,我们用书店和便利商店的杂志陈列架、各种DM、广告或展览等等,来解决读者「不知道哪里有内容可看」的问题,但对读者来说仍有不少限制,比如你只能买或订一本杂志的全部内容,不能只看你真正想看的部分内容。

网络上也存在类似的问题。例如你很喜欢本站的文章,常常想看到的话,多半也只能订阅:要嘛把本站加进你的书签,没事常点进来看一下,要嘛订RSS;但你得先知道有本站的存在,才能做前面两个订阅的动作。搜寻引擎尽管可以帮你用关键字在茫茫网海找到我的文章,可是搜寻结果总不是那么纯净,充斥着大量你觉得并不相关的网站,还有广告;你得越过这些重重障碍和险阻,才能从搜寻引擎找到内容,但这并不保证你看到的内容就是你想看的内容。更糟的是,要是你不喜欢这篇文章,你也无法在搜寻结果上按个「差」,下次它还是会把我的文章搜给你看。你唯一能做的事,就是凭经验跳过某些文章,但这也可能让你错失更多你想看的好文。

相对的,Zite 颠覆了「订阅媒体」这回事。你在Zite 上订阅的不是媒体,而是兴趣。透过这样的机制,你就可以避开订阅特定媒体和筛选文章会遇到的所有困难。Zite 根据你的兴趣把来自各媒体的文章递送给你,你根本无需知道这些文章的来源,也能开心享用;透过按赞与按烂??等机制,Zite 一次又一次学习并贴近你的需求,帮你跨越不同媒体间的藩篱,愈来愈精准地递送你真正想看的文章。

这才是真正的个人化媒体!

尽管Zite目前面临不少挑战:大型内容提供者的联合抵制、目前只有英文内容等等,但我相信对使用者来说,Zite的出现绝对是个革命性的福音。事实上,在我安装Zite之后,Flipboard基本上就很少再碰了,因为光是要去读Zite给的文章,就会耗掉不少时间--至于RSS Reader,很久都没再开过了!

@i黑马和本文作者Tenz有着共同的感受。先是在Google Reader里乐此不疲的阅读海量信息,直到Flipboard出现之后就彻底的把Reader当成了垃圾,但Zite出现之后,Flipboard也被我扔进了回收站。确实如Tenz所感受到的那样,我们正在从一个自己的Search(大量劳动的搜索)时代进化到一个充满乐趣的Discovery(发现和探索)时代,但现在又进入了一个个性化推荐的机器智能学习(Machine Learning)时代。如果作为创业者的您也有志于在社会化阅读甚至更大的社会化的功能领域做些文章,那就要好好考虑一下这个趋势的演进,这三个时代的区隔和关联了。千万注意,一着走错满盘皆输啊!

本文由@i黑马作者吾初摘编自Tenz's Blog,点此查看原文如果您对i黑马其他精彩内容也感兴趣请通过RSS订阅,或者关注@i黑马微博接受我们精心准备的全球最新动态。