1迅办、B站內(nèi)容管理上的放權(quán)和對用戶和妥協(xié)
1.1蛔添、B站的用戶群體和分類
從基本的用戶漏斗（圖1）可以將B站的用戶基本劃分為五個類別放棒，分別是瀏覽用戶姻报，注冊用戶，活躍用戶间螟、UP主/主播吴旋、收益群體损肛。同樣的，針對于這個五個群體活躍度和粘性都是逐級上升的荣瑟，瀏覽用戶的粘性最低治拿，收益群體活躍度最高。
從產(chǎn)品的基本角度來看笆焰，活躍用戶是產(chǎn)品使用者中占比較多劫谅，權(quán)重較高的一個群體，相比與注冊用戶的大體量仙辟，低權(quán)重和有收益群體的低體量同波，高權(quán)重來說，最需要平衡的就是活躍用戶叠国。在產(chǎn)品的用戶群體分類中，按照四象限劃分法戴尸，以權(quán)重和體量為軸粟焊，可以得到用戶群的一些信息。
在用戶群信息圖上就容易看出來孙蒙，活躍用戶是最接近高體量和高權(quán)重象限的一個用戶群體项棠，從產(chǎn)品和運營的策略上來說，保持這個用戶群的活躍和粘度有利于產(chǎn)品更長時間地保持在成熟期挎峦，并能在此基礎(chǔ)上變革進入新的產(chǎn)品周期香追。那活躍用戶的行為特征和在產(chǎn)品中一些使用習(xí)慣的操作就是針對這一群體進行運營和產(chǎn)品迭代的重要依據(jù)。
1.2坦胶、小黑屋和風(fēng)紀(jì)委員會
風(fēng)紀(jì)委員會這個十分中二的名字透典，仿佛就是從家庭教師里面高中直接出來一樣，B站的畫風(fēng)也透露這一股子“云雀風(fēng)”顿苇。
小黑屋是B站在許久之前（久的我忘記有多久）的一個關(guān)于違規(guī)違紀(jì)的一些信息峭咒，UP，用戶處罰的一個地方纪岁。隨著一系列的變化（融資凑队，增長，上市）幔翰，用戶量的增長和用戶群體的擴大漩氨，B站在處理違規(guī)違紀(jì)性內(nèi)容和訊息的能力在逐漸被削弱，整個產(chǎn)品面臨著一些垃圾信息和鍵盤俠的威脅遗增，內(nèi)容質(zhì)量和社區(qū)氛圍會受到影響叫惊，產(chǎn)品的定位和產(chǎn)品價值會由于這些原因縮水，甚至坍塌贡定。二是B站在產(chǎn)品上的一些調(diào)整赋访，讓音頻、動漫、游戲蚓耽、生活成為四大支柱渠牲，且逐漸有影視作品逐漸成長為第五大支柱的趨勢，內(nèi)容的數(shù)量和類型都有了比較大的增長步悠，僅憑B站自己的工作人員根本無法保證社區(qū)的調(diào)性和內(nèi)容的質(zhì)量签杈。
由此，我們可以看到風(fēng)機委員會的誕生鼎兽，這里類似一個投票廳答姥，用戶成為風(fēng)紀(jì)委員之后，參與投訴仲裁谚咬，并發(fā)表自己的仲裁意見和建議鹦付，當(dāng)投票數(shù)和意見屬達到某一閾值之后，觸發(fā)相關(guān)的機制進行處罰择卦。
1.3敲长、對于用戶的妥協(xié)和尊重
上面提到B站內(nèi)容的種類和數(shù)量的增長，一方面這個是資本的作用秉继，另一方面祈噪，也是由用戶決定的。B站正在逐漸脫離原來的單一的二次元標(biāo)簽尚辑，正在變得多元和豐富辑鲤，B站也不僅僅只能看看番劇，鬼畜杠茬，也逐漸有美食博主月褥，美妝UP主，游戲主播澈蝙，娛樂主播吓坚，紀(jì)錄片，個人小視頻出現(xiàn)灯荧。相比與現(xiàn)在還在中二的slagon“嗶哩嗶哩~干杯”礁击，仿佛還停留在站長的那個時代，但內(nèi)容卻極大的豐富了起來逗载。
B站可能對于部分用戶來說哆窿，不是一個視頻站那么簡單，可能在某一個節(jié)點厉斟，B站給了用戶一些完全不一樣的心理感受挚躯，比如玩黑魂看隨義，聽故事看keng叔等等擦秽，同樣的码荔，B站誕生了許許多多的梗漩勤，比如“變態(tài)奇拉美”，“火爐旁最好的妹子總是留給說書人”等等缩搅，對于這些用戶來說越败，B站更像一種情懷。而情懷的作用會讓用戶下意識的維護這個產(chǎn)品的氛圍硼瓣，這其實對于風(fēng)紀(jì)委員會來說是一種前奏究飞。有情懷的用戶不會樂意看到B站充斥著鍵盤俠和各種違紀(jì)違規(guī)言論，但是他們的反饋很多時候沒有確實的效果和實際回復(fù)堂鲤，這會讓這一波產(chǎn)品的核心用戶流失亿傅。風(fēng)紀(jì)委員會的監(jiān)督和仲裁讓這些用戶的實際意愿得到了實現(xiàn)。
風(fēng)紀(jì)委員會從產(chǎn)品的角度來說是把審核維護的一部分工作交給用戶瘟栖，一方面增加用戶粘性和活躍葵擎，一方面保證內(nèi)容質(zhì)量和社區(qū)氛圍。同時還能得一個用戶好口碑慢宗，還是非常不錯的坪蚁。
2、風(fēng)紀(jì)委員會的風(fēng)險
2.1镜沽、風(fēng)紀(jì)委員會仲裁的本質(zhì)
風(fēng)紀(jì)委員會仲裁的實際流程如下：
從圖片可以看到，仲裁實際上是一張變形的投票表決法贱田，有具備資格（風(fēng)紀(jì)委員）的成員投票缅茉，按照大多數(shù)人的意見決策。但實際上投票表決法的一個重要前提是每一個投票人的意見獨立性和保密性男摧，仲裁中的投票有小集團的性質(zhì)蔬墩，具體在投票前能夠瀏覽已投票委員的判定意見，容易在此影響委員的判斷耗拓，促使形成拍戲拇颅，會影響決議的質(zhì)量。
其次乔询，在判定是否違規(guī)的執(zhí)行上樟插，委員沒有相關(guān)的操作權(quán)力，同時針對于每一個舉報類型竿刁，沒有設(shè)置相關(guān)的浮動標(biāo)準(zhǔn)黄锤。基本的投票表決法中針對于不同影響度的問題食拜，投票的占比和決策方式都會有所不同鸵熟，總結(jié)起來就是越為重要的問題，需要的贊同票數(shù)越多负甸，投票意見越集中才可能驚醒決策流强。
2.2痹届、推送陷阱
自從頭條打響新聞推薦算法之后，一夜之間打月，內(nèi)容平臺都開始進行個性化推薦了队腐。從實質(zhì)上來看，目前個性化推薦一般使用的算法是協(xié)同過濾僵控，其核心就是發(fā)現(xiàn)與你類似的用戶香到，進而將這些用戶喜歡的東子組織成目錄作為推薦。具體過程中的一些細節(jié)和難點不在這里考慮报破。具體說這個東西對于內(nèi)容自治的危險和可能的規(guī)避方案悠就。
一、風(fēng)險
上面說到仲裁廳中每一個委員充易，假如都保持相對獨立的保密梗脾。那每一個委員所參與的仲裁均不可能是他經(jīng)常瀏覽的內(nèi)容的仲裁。拿LOL這一款游戲來說盹靴，世界賽每一年都要有非常多的選手因為成績不夠理想被逼離開這個舞臺炸茧，而逼這些人離開的正是那些鍵盤俠和噴子，對于這個類型的內(nèi)容來說稿静，可能經(jīng)常瀏覽這個類型的內(nèi)容有較大概率是某隊吹或者某隊黑梭冠，但問題同樣在于，不經(jīng)常瀏覽這個類型的內(nèi)容的用戶可能就是一個噴子和鍵盤俠改备。
那么矛盾就出現(xiàn)了控漠，經(jīng)常瀏覽這個類型的內(nèi)容的用戶，可能做出不公平判斷悬钳，不經(jīng)常瀏覽這個類型內(nèi)容的用戶可能無腦噴盐捷，偏激言論等等。那么這個仲裁廳這樣看起來就沒有意義了默勾，沒有合適的委員來參與仲裁啊碉渡。
事實如此，但是我們需要記住是可能是噴子母剥，可能是某吹滞诺。這個就需要我們在這個內(nèi)容類型上進行顆粒度更細小的劃分，同時保證內(nèi)容的實際包含的關(guān)鍵點劃分到這些顆粒度夠細的類型上媳搪。那么也就是在后臺中需要進行無數(shù)的歐幾里得距離的運算铭段，來判斷一個內(nèi)容和其他內(nèi)容的相關(guān)性，同時在輔助于相似度門檻和范圍界定秦爆，可以將用戶進一步的細分序愚，在一定程度上可以解決第一個問題。
針對第二個問題等限，也就是這個用戶是不是噴子爸吮，目前B站的辦法是節(jié)操值芬膝，類似于信用，來對一個用戶在平臺的上一些操作進行評定形娇。其中模型未知锰霜。但這個節(jié)操值屬于劃定委員入門門檻的操作，也就是在進入仲裁庭之前桐早，先保證能夠篩掉一部分噴子癣缅。其次是針對參議委員的投票意見進行點贊或者踩的操作，利用委員之間的關(guān)系來進行垃圾投票刪除的操作哄酝，但是這個也存在上面的問題友存，即小集團，且存在第二個問題陶衅，一個議題的參與者隨機的問題屡立，在一定概率上可能造成仲裁流產(chǎn)。
針對上面的委員小集團問題搀军，現(xiàn)在沒有一個比較OK的想法膨俐，假如以后有了想法，會補充
3罩句、風(fēng)紀(jì)委員會這種內(nèi)容自治的模式
B站的風(fēng)紀(jì)委員會從某種程度上來說焚刺，像是一種社區(qū)中自我治理和社區(qū)用戶自我進步的一個產(chǎn)品。首先门烂，他帶來一個靠社區(qū)用戶參與自我社區(qū)維護的方案檩坚，把用戶直接帶入社區(qū)維護的行動，而不是簡單的一些標(biāo)語和準(zhǔn)則诅福；其次，在目前的基礎(chǔ)上拖叙，解決了一些沒有資源和能力進行高負載量的機器識別和深度學(xué)習(xí)的問題氓润，同時保證社區(qū)質(zhì)量；第三薯鳍，用戶的參與咖气，帶來了參與度和榮譽感；第四挖滤，帶有人情溫度的判定崩溪。
其實說到底，內(nèi)容自治是建立在用戶理解內(nèi)容的基礎(chǔ)上的斩松。這樣的理解其實是帶有價值觀判斷的伶唯，有人情溫度的。在短視頻爆發(fā)的這一年多的時間里惧盹，算法被提及了無數(shù)次床佳，算法是什么恢准，我自己的看法就是讓計算機去理解一個人的偏好暮蹂，文化屬性，去理解每一個內(nèi)容中的特點符欠，情感，里面的人物關(guān)系和事件瓶埋。但實際上希柿，計算機能夠做到非常多的事情，比如剛剛講到的理解养筒，但是這個理解其實是有問題的曾撤，在對抗算法之前，機器學(xué)習(xí)和深度學(xué)習(xí)都需要給算法喂海量的數(shù)據(jù)和資源闽颇，讓其逐漸地學(xué)會已經(jīng)設(shè)定好的價值觀（再次解釋以下盾戴，這個價值觀是由數(shù)據(jù)標(biāo)注帶來的），隨著算法的逐漸擴展兵多，其價值觀并不會改變尖啡，就像宿華說的算法背后蘊含的其實是團隊的價值觀。而機器能夠理解的僅僅有人和內(nèi)容的互動剩膘，他不知道如何區(qū)判斷這個內(nèi)容還有這個互動的價值趨向，也就是說一個人在一個不合規(guī)的視頻上點了贊怠褐，而與這個人相似的人都有可能收到相關(guān)與這個視頻的推薦畏梆。而當(dāng)其中一個舉報的時候，也是靠算法來進行相關(guān)的處罰操作奈懒，的確在一定程度上可能會有效奠涌，但實際上用戶點擊了舉報，如何查看舉報的效果磷杏，如何知道這個內(nèi)容被處罰的依據(jù)溜畅，這個是沒有人考慮的呀。
寫不動了极祸。
北京慈格，小產(chǎn)品找坑，求大佬收留遥金。
