原文作者：Chloe，IOSG Ventures

前言

2019 年爆發的新冠疫情讓原本連接的世界隔絕了起來，人們減少了不必要的出行，選擇居家辦公。新冠疫情似乎是對社會連接的一次公測，在這場測試中，人與人之間連接的必要性和價值被重新評估。人們逐漸意識到，酒吧聚會、看電影、KTV 等等原本已經成為生活中重要組成部分的活動原來可以不存在。網絡的連接性彌補了物理空間的隔離，微信等社交平台成為了人們聯繫和消遣的主要載體。

隨着大數據和算法的蓬勃發展，在線社交越來越成為人和機器融合的產物。諸如微信、微博這樣的社交平台並不只是給人們提供一個社交的雲場所，還方方面麵塑造着人們的社交方式、思維習慣、甚至重新定義人和人之間的好友關係。本文將社交媒體對於人們的反作用稱之為社交媒體的工程社會性。社交媒體的工程社會性帶來的諸多負面影響，例如社交媒體對人類思維、認知和行為的負面影響和錯誤塑造等等。近年來，對於 Web2.0 平台帶來的負面影響的討論越來越多，不少地區和國家採取了限制社交媒體的行動，例如最近的美國提議禁止 Tiktok。反觀Web3.0，絕大部分對於社交的探討還局限在抗審查、所有權、創作者經濟等等老生常談卻又無法引起大眾共鳴的問題上。因此，筆者想通過不同的視角，探討傳統社交媒體的負面影響以及對 Web3.0 的啟示，同時結合實際的項目展開論述。

Web3.0 社交項目在開拓着不同的路徑，比如將加密通訊、引入 ZK技術以保護用戶隱私，將數據和平台解耦的數據主權運動等等。其中筆者最感興趣的，也是想在本文重點討論的，是社交圖譜。網絡上已經有了許多關於社交圖譜的探討，主流的視角聚焦在社交圖譜如何賦能開發者和提升用戶體驗的層面，但對社交圖譜的工程社會性並無太多討論。因此筆者將以此為本文的中心，結合目前發展的較好的三個項目，CyberConnect，Lens 和 Farcaster(Warpcast)，分析社交圖譜存在的意義以及面臨的挑戰，希望能夠引發讀者的一些思考。

社交圖譜

社交圖譜彙集了社交平台上的人際關係，如今網絡上最普遍的關係就是互相關注的「好友」。這裏的「好友」已經不等同於好友原本的意思，社交媒體將「好友」一詞的含義進行了延伸。人類最原始的社交因為地理時空的限制只局限於身邊的小圈子內，我們同身邊人所建立的關係是強關係，這種強關係結構是非常緊密的。比如我們和多年好友交流，並不需要好友定期給我提供多麼有趣的話題，更多的是一種點對點的信息交換。這裏的多年「好友」和社交媒體創造出來的「好友」有本質區別。靠算法推薦撮合在一起的關係很弱，所以需要藉助「內容」來加固這段關係。因此，弱關係的好友進行社交，溝通的意味減少了，更多的是內容消費。

在 Web2.0，關係的劃分已經體現在了各大社交軟件上。微信沉澱的是強關係，而其他社交媒體諸如微博、豆瓣、陌陌等沉澱的是弱關係。實際上微信已經不再是社交平台，而更像是通訊錄，用戶加上好友之後第一件事情就是聊天，不需要進行任何的內容生產或者消費。然而在其他社交軟件上，人們一定會先上傳頭像、填寫資料、發幾條動態，進行內容的創作再建立和其他人的連接。這樣做最主要的目的是降低人和人之間的信任成本。因為沒有人會願意跟一個沒有頭像資料空白不發動態的陌生人社交。

從強關係到弱關係，對內容消費動機是逐漸減弱的。比如我們在微信朋友圈給朋友發的無聊日常點贊，但很少有人會對陌生人的碎碎念感興趣。為了彌補弱關係的不穩定性和消費動機的欠缺，社交媒體普遍採用了兩種路徑，第一種是依賴優質內容，第二種是增強算法帶來的連接性（在下一小節展開論述）。而選擇兩種不同路徑的社交媒體的發展卻是南轅北轍。依靠優質內容和社區運營的 BBS 如貼吧、天涯、豆瓣等等已經成為了「時代的眼淚」。而 SNS 平台如Facebook、Twitter、Instagram 等霸佔了社交媒體排行的榜單。從社區視頻起家的 YouTube，也在中後期快速淡化了社區的概念，利用算法和推薦機制急速擴張，在社交媒體中站穩了腳跟。

為什麼越依賴優質內容，社交平台所獲得的價值就越低？首先，社交媒體需要從用戶數據里挖掘價值，人們產生越多的連接，平台就可以產生更多的經濟價值。因此，社群或者小圈子文化並不是最利於平台變現的一種社交形式。其次，用戶依賴內容的程度越高，對平台的內容發現機制的要求就越高。而在大數據的時代背景之下，內容的精準傳輸是一件成本極高的事情。因此，算法會像病毒式的吸睛內容傾斜，而不是推送優質內容。最後，內容消費最終會流向強關係網絡，例如我們在微博上看到一條好玩的內容，普遍操作是一鍵分享到微信給好友進行內容消費，導致依賴內容的平台產出的價值在其他平台上被消費。或者在微博上認識的新朋友，熟悉之後也會添加微信，沉澱到強關係網絡平台上。因此，弱關係的社交平台傾向於忽略優質內容和人的真實社交體驗。

那麼上述 Web2.0 社交媒體的現象對 Web3.0 有什麼啟示呢？首先，不同場景下的「好友關係」是有區別的。關係的形成是根植於場景的。其次，內容分發機制，也就是算法，應該得到創新。接下來筆者將從這兩方面進行論述，對比介紹新一代的去中心化社交協議再這兩個方向的不同路徑。

社交圖譜場景化

前文提到，社交圖譜是根植於場景的，人們在陌陌上的好友和在釘釘上的好友大概率不是一個性質。如果未來社交圖譜不對所有的「connection」進行場景的區分，想進行社交關係網絡的遷移是極其困難的。這不乏實例證明，騰訊當年想憑藉 QQ 空間積累的用戶建立騰訊微博。用戶在 QQ 空間發的動態會被自動同步到騰訊微博上。但騰訊沒有考慮到的是，QQ 空間里沉澱的是熟人社交關係。網友的「黑歷史」給家人朋友等熟悉的人看不會有多麼尷尬，但要是拿到微博上推送給陌生人，可謂是「大型社死現場」。最終的結果可想而之，騰訊微博被新浪微博斬於馬下。

因此，社交圖譜需要場景化，如果想要賦能開發者，僅提供一個錢包的關注列表是遠遠不夠的。這要求數據的顆粒度要小，包含的信息要更豐富。CyberConnect、Lens 和 Farcaster 對這個問題有着不同維度的解決方式。CyberConnect 不會將場景局限在傳統社交媒體這一個方面上，而是同時擁抱了「social +」的模式，希望將社交圖譜融入各個領域的應用當中，比如DeFi，GameFi，Credit，餐飲，音樂創作等等。因此 CyberConnect 多與第三方項目展開合作，而不是完全依賴自己孵化生態項目。同時，CyberConnect 還將 Web2.0 場景中積累的社交資產帶入到 Web3.0，通過 Link3 將 Web2.0 和 Web3.0 兩個場景連接起來。因此，從數據的深度和廣度來看，CyberConnect 是三者中表現較好的。

Lens 的場景化是基於內容的，因為 Lens 將 follow 關係和內容都模塊化成NFT存儲在鏈上，因此人的關係並沒有脫離內容，通過所發的內容可以推斷出一個人在什麼樣的場景下關注了另一個人。模塊化的內容和關係更方便建立場景。並且 Lens 主要聚焦在社交領域，在 Lens 上建立的各種生態項目也多是社交相關的。Farcaster 因為有非常具體的場景（Twitter-like application），因此在這個平台上產生的社交圖譜的豐富程度和普世性也是有局限的，筆者認為這是 Farcaster 生態的一個很大的問題。

基於社交圖譜的算法

算法是促成連接性的最重要的組成部分，而連接性是 Web2.0 社交媒體蓬勃發展的基石，能幫助社交媒體最大化網絡效應。算法對我們的改變是悄無聲息的。在社交平台上，用戶自主性變成一個極為複雜的概念。自主性包含有意識的人類活動和「技術無意識」。我們在社交平台上創造的社交關係究竟多大程度基於有意識的人類活動，又有多大程度是因為人們的「技術無意識」而潛移默化地被算法創造出來的連接性？這個問題在今天已經很難回答。因為社交媒體會盡可能助長「技術無意識」，它們首先會扭曲「分享」的概念，將「侵犯用戶隱私」和「開放透明的世界」等同起來，然後通過一系列編碼行為增加用戶停留在社交平台上的時間，大量搜集用戶數據，最後「投其所好」地引導用戶從社交網絡走向商業活動。

例如馬克·扎克伯格「讓網絡更具社交性」的承諾與他自稱「讓世界變得更加透明」的願望微妙地模糊了開放互聯網和用戶隱私的界限。NetFlix 此前推出了一部紀錄片，名為《監視資本主義：智能陷阱》。該紀錄片邀請了 Google、Facebook、Twitter 等公司的高管，向觀眾拆解利用網絡科技構建的一系列「致癮性」設計，包括：內容推薦、點贊、「正在輸入…」等操作。而在這一系列設計背後唯一的目的就是增加用戶停留在平台的時間，盡可能多地採集用戶行為。而用戶行為的背後都有類似的社會規範和文化邏輯。例如「點贊」背後的算法會衡量人們對事物的慾望，或者對某些想法的認同。而這種被量化的慾望可以推動潛在的消費趨勢。同時，消費的推動過程是十分隱形的，例如用戶進入從好友分享的鏈接進入抖音，點擊屏幕下方的商品鏈接，通過支付寶進行產品購買，只需要經過三次點擊就能把分享行為導向消費。

由此可見，算法對於人的影響是潛移默化的，用戶很難有所察覺。既然將賺取注意力作為算法的第一要義，那麼優質內容是否得到分發就無足輕重了。算法會將流量傾斜給病毒式的吸睛內容。通過這些吸睛的碎片化內容，盡可能讓用戶長時間停留在平台上，從而壓榨注意力（例如抖音）。此外，算法的個性化推薦和定製可能導致人們陷入信息「過濾泡沫」中，只接收與自己已有立場相符的信息，缺乏不同觀點的刺激和挑戰，從而導致認知偏差、信息焦慮和盲目從眾（信息繭房效應）。Web2.0 時代的社交媒體利用了算法達到快速擴張的目的，卻忽視了算法對人的負面影響。

在 Web3.0，除了長尾內容的推薦外，基於社交圖譜的算法應該是多元的。Vitalik在 Decentralized Society 一文中提出了 Plural Intelligence 的概念，相比於人工智能，多元智能下的算法機制主要有幾個方面的改進。首先，數據採集應該根植於社會背景之中，而並不是基於用戶在某一個平台上的行為特徵；其次，數據創造者，也就是用戶們應該保留對其數據的治理權，這一定程度上是對「技術無意識」的對抗。換句話說，多元的算法並不是讓算法變得更加智能，而是讓算法更加人文。社交圖譜實際上為多元算法提供了土壤，在有了豐富的身份信息后，算法可以追蹤用戶的各種特徵和社會背景，而不是基於一個平台上的特定行為進行分析。同時，如果用戶選擇公開或者隱藏某些身份信息或人際關係，模型則不能採用這些數據點來定製算法。

從算法的角度上看，僅憑社交圖譜很難從根本上解決上述問題，因為問題的根本在於 Web2.0 社交網站的經濟模型，廣告收入，或者從本質上來講就是注意力經濟。因此，Web3.0 社交平台需要利用 token 等媒介探索更加多元的變現方式，才可能根本上扭轉這一局面。而社交圖譜可能可以從其他層面改善這一現狀。比如算法長尾內容推送的精準性，以及用戶對於算法的掌控性等。

CyberConnect 的基礎設施里有算法引擎的構建。因為數據庫里有關於用戶在不同應用和不同場景下的用戶行為的信息，這個引擎是更高維度的。比如在構建一個社交的項目的推薦引擎時，也可以在算法里分析用戶在 DeFi 平台的信用、遊戲平台的表現等等，這是在 Web2.0 封閉的背景下難以實現的。而 Lens Protocol 目前沒有關於算法方面的設計，但是也提供了 API，開發者可以通過數據庫訓練自己的模型。Farcaster 推出的 Warpcast 作為一個具體的產品擁有推薦機制，但這種推薦機制也只是基於自身產品上的用戶行為。因此，雖然 Warpcast 擁有一個直接與用戶交互的界面可以作為獲客和用戶增長的抓手，但是也是因為太過具體的產品形態，其靈活性和想象空間也受到了限制。

結語

如今，每個人的生活都被社交媒體所侵蝕。人們究竟是為了享受社交媒體的便利而甘願當被操縱的楚門，還是想做身處原始世界卻思想自由的魯濱遜？或許每個人有自己的偏好，但現實中卻沒有做選擇的餘地。Web3.0 社交是不僅是一個有想象空間的話題，更是一個極具現實意義的話題。新一代社交圖譜協議邁出了實驗性的第一步，想要真正發展壯大還會面臨很多阻礙。比如如何將社交圖譜變成從「用戶所有的」變為「用戶可控的」；社交圖譜上的應用如何提升用戶體驗，如何創造更加有趣的互動方式，才能閉合「社交圖譜賦能應用，應用反哺社交圖譜」這個飛輪；如何構建最具可擴展性的基礎設施，在效率、去中心化程度和安全之間找到一個平衡點等等。社交圖譜協議還有方方面面可以被探索完善，但是所有的嘗試都有一個共同的前提和歸宿：人類獨立且自由的思想。