#交互设计#03 社交计算

社交计算的挑战

1.投入和收益的不对称（Disparity of Work and Benefit）

团队协作类应用，如BI系统，项目管理软件：个体的工作量加大，但是管理者效率提高；不同角色需要的界面不一样；每个人的项目管理工具不一样很难打通；

维基百科：少数人编辑，多数人收益

2.如何处理“特例”（exception handling）

组织协作类应用很难把所有业务场景考虑进去，“自由度”没有那么高

一个正面的例子是twitter和微博，轻量的开放式的结构，通过“标签”可以让用户自由发挥，能很好地承载各种场景和需求

众包（crowdsourcing）是一种特定的获取资源的模式，这种模式下，个人或组织可以利用大量的网络用户来获取需要的服务和想法。“众包”（crowdsourcing）是在2005年混合群众（crowd）和外包（outsourcing）词义而产生的混成词。

协同过滤（英语：Collaborative Filtering），简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息，个人透过合作的机制给予信息相当程度的回应（如评分）并记录下来以达到过滤的目的进而帮助别人筛选信息，回应不一定局限于特别感兴趣的，特别不感兴趣信息的纪录也相当重要。协同过滤又可分为评比（rating）或者群体过滤（social filtering）。其后成为电子商务当中很重要的一环，即根据某顾客以往的购买行为以及从具有相似购买行为的顾客群的购买行为去推荐这个顾客其“可能喜欢的品项”，也就是借由社群的喜好提供个人化的信息、商品等的推荐服务。

UX相关的众包网站：usertesting/try my ui/crowflower/mechanical turk

如何打造优秀的社交媒体？

1.内在动机还是外在动机？（需求分析）

2.如何提供社交“证据”？（点赞、收藏、评分）

3.“强关系”还是“弱关系”？（linkedin、微信）

4.提供创造的空间（微博的标签）

5.好的用户行为-奖励；坏的用户行为-Plausible Deniability（知乎）