社交圖譜：社交關係再定義？

Web3.0 社交是不僅是一個有想像空間的話題，更是一個極具現實意義的話題。

作者： Chloe，IOSG Ventures

原用標題： IOSG Weekly Brief：社交圖譜 – 社交關係再定義？

封面： Photo by Pawel Czerwinski on Unsplash

對比 CyberConnect， Lens 與 Farcaster

本文為 IOSG 原創內容，僅做行業學習交流之用，不構成任何投資參考。 如需引用，請註明來源，轉載請聯繫 IOSG 團隊獲取授權及轉載須知。 特別感謝 IOSG Ventures 投研和投後團隊的辛苦協作！

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。 網路的連接性彌補了物理空間的隔離，微信等社交平臺成為了人們聯繫和消遣的主要載體。

隨著大數據和演算法的蓬勃發展，在線社交越來越成為人和機器融合的產物。 諸如微信、微博這樣的社交平臺並不只是給人們提供一個社交的雲場所，還方方面面塑造著人們的社交方式、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 平臺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、擁有權、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，同時結合實際的專案展開論述。

Web3.0 社交專案在開拓著不同的路徑，比如將加密通訊、引入 ZK 技術以保護用戶隱私，將數據和平臺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。 網路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專案，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臺上的人際關係，如今網路上最普遍的關係就是互相關注的 “ 好友 ”。 這裡的「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。 這裡的多年「好友」和社交媒體創造出來的「好友」有本質區別。  靠演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，关系的划分已经体现在了各大社交软件上。微信沉淀的是强关系，而其他社交媒体诸如微博、豆瓣、陌陌等沉淀的是弱关系。实际上微信已经不再是社交平台，而更像是通讯录，用户加上好友之后第一件事情就是聊天，不需要进行任何的内容生产或者消费。然而在其他社交软件上，人们一定会先上传头像、填写资料、发几条动态，进行内容的创作再建立和其他人的连接。这样做最主要的目的是降低人和人之间的信任成本。因为没有人会愿意跟一个没有头像资料空白不发动态的陌生人社交。

从强关系到弱关系，对内容消费动机是逐渐减弱的。比如我们在微信朋友圈给朋友发的无聊日常点赞，但很少有人会对陌生人的碎碎念感兴趣。为了弥补弱关系的不稳定性和消费动机的欠缺，社交媒体普遍采用了两种路径，第一种是依赖优质内容，第二种是增强算法带来的连接性（在下一小节展开论述）。而选择两种不同路径的社交媒体的发展却是南辕北辙。依靠优质内容和社区运营的 BBS 如贴吧、天涯、豆瓣等等已经成为了 “时代的眼泪”。而 SNS 平台如 Facebook、Twitter、Instagram 等霸占了社交媒体排行的榜单。从社区视频起家的 YouTube，也在中后期快速淡化了社区的概念，利用算法和推荐机制急速扩张，在社交媒体中站稳了脚跟。

为什么越依赖优质内容，社交平台所获得的价值就越低？首先，社交媒体需要从用户数据里挖掘价值，人们产生越多的连接，平台就可以产生更多的经济价值。因此，社群或者小圈子文化并不是最利于平台变现的一种社交形式。其次，用户依赖内容的程度越高，对平台的内容发现机制的要求就越高。而在大数据的时代背景之下，内容的精准传输是一件成本极高的事情。因此，算法会像病毒式的吸睛内容倾斜，而不是推送优质内容。最后，内容消费最终会流向强关系网络，例如我们在微博上看到一条好玩的内容，普遍操作是一键分享到微信给好友进行内容消费，导致依赖内容的平台产出的价值在其他平台上被消费。或者在微博上认识的新朋友，熟悉之后也会添加微信，沉淀到强关系网络平台上。因此，弱关系的社交平台倾向于忽略优质内容和人的真实社交体验。

那么上述 Web2.0 社交媒体的现象对 Web3.0 有什么启示呢？首先，不同场景下的 “好友关系” 是有区别的。关系的形成是根植于场景的。其次，内容分发机制，也就是算法，应该得到创新。接下来笔者将从这两方面进行论述，对比介绍新一代的去中心化社交协议再这两个方向的不同路径。

社交图谱场景化

前文提到，社交图谱是根植于场景的，人们在陌陌上的好友和在钉钉上的好友大概率不是一个性质。如果未来社交图谱不对所有的 “connection” 进行场景的区分，想进行社交关系网络的迁移是极其困难的。这不乏实例证明，腾讯当年想凭借 QQ 空间积累的用户建立腾讯微博。用户在 QQ 空间发的动态会被自动同步到腾讯微博上。但腾讯没有考虑到的是，QQ 空间里沉淀的是熟人社交关系。网友的 “黑历史” 给家人朋友等熟悉的人看不会有多么尴尬，但要是拿到微博上推送给陌生人，可谓是 “大型社死现场”。最终的结果可想而之，腾讯微博被新浪微博斩于马下。

因此，社交图谱需要场景化，如果想要赋能开发者，仅提供一个钱包的关注列表是远远不够的。这要求数据的颗粒度要小，包含的信息要更丰富。CyberConnect、Lens 和 Farcaster 对这个问题有着不同维度的解决方式。CyberConnect 不会将场景局限在传统社交媒体这一个方面上，而是同时拥抱了 “social +” 的模式，希望将社交图谱融入各个领域的应用当中，比如 DeFi，GameFi，Credit，餐饮，音乐创作等等。因此 CyberConnect 多与第三方项目展开合作，而不是完全依赖自己孵化生态项目。同时，CyberConnect 还将 Web2.0 场景中积累的社交资产带入到 Web3.0，通过 Link3 将 Web2.0 和 Web3.0 两个场景连接起来。因此，从数据的深度和广度来看，CyberConnect 是三者中表现较好的。

Lens 的场景化是基于内容的，因为 Lens 将 follow 关系和内容都模块化成 NFT 存储在链上，因此人的关系并没有脱离内容，通过所发的内容可以推断出一个人在什么样的场景下关注了另一个人。模块化的内容和关系更方便建立场景。并且 Lens 主要聚焦在社交领域，在 Lens 上建立的各种生态项目也多是社交相关的。Farcaster 因为有非常具体的场景（Twitter-like application），因此在这个平台上产生的社交图谱的丰富程度和普世性也是有局限的，笔者认为这是 Farcaster 生态的一个很大的问题。

基于社交图谱的算法

算法是促成连接性的最重要的组成部分，而连接性是 Web2.0 社交媒体蓬勃发展的基石，能帮助社交媒体最大化网络效应。算法对我们的改变是悄无声息的。在社交平台上，用户自主性变成一个极为复杂的概念。自主性包含有意识的人类活动和 “技术无意识”。我们在社交平台上创造的社交关系究竟多大程度基于有意识的人类活动，又有多大程度是因为人们的 “技术无意识” 而潜移默化地被算法创造出来的连接性？这个问题在今天已经很难回答。因为社交媒体会尽可能助长 “技术无意识”，它们首先会扭曲 “分享” 的概念，将 “侵犯用户隐私” 和 “开放透明的世界 “等同起来，然后通过一系列编码行为增加用户停留在社交平台上的时间，大量搜集用户数据，最后 “投其所好” 地引导用户从社交网络走向商业活动。

例如马克·扎克伯格 “让网络更具社交性” 的承诺与他自称 “让世界变得更加透明” 的愿望微妙地模糊了开放互联网和用户隐私的界限。NetFlix 此前推出了一部纪录片，名为《监视资本主义：智能陷阱》。该纪录片邀请了 Google、Facebook、Twitter 等公司的高管，向观众拆解利用网络科技构建的一系列 “致瘾性” 设计，包括：内容推荐、点赞、“正在输入…” 等操作。而在这一系列设计背后唯一的目的就是增加用户停留在平台的时间，尽可能多地采集用户行为。而用户行为的背后都有类似的社会规范和文化逻辑。例如 “点赞” 背后的算法会衡量人们对事物的欲望，或者对某些想法的认同。而这种被量化的欲望可以推动潜在的消费趋势。同时，消费的推动过程是十分隐形的，例如用户进入从好友分享的链接进入抖音，点击屏幕下方的商品链接，通过支付宝进行产品购买，只需要经过三次点击就能把分享行为导向消费。

由此可见，算法对于人的影响是潜移默化的，用户很难有所察觉。既然将赚取注意力作为算法的第一要义，那么优质内容是否得到分发就无足轻重了。算法会将流量倾斜给病毒式的吸睛内容。通过这些吸睛的碎片化内容，尽可能让用户长时间停留在平台上，从而压榨注意力（例如抖音）。此外，算法的个性化推荐和定制可能导致人们陷入信息 “过滤泡沫” 中，只接收与自己已有立场相符的信息，缺乏不同观点的刺激和挑战，从而导致认知偏差、信息焦虑和盲目从众（信息茧房效应）。Web2.0 时代的社交媒体利用了算法达到快速扩张的目的，却忽视了算法对人的负面影响。

在 Web3.0，除了长尾内容的推荐外，基于社交图谱的算法应该是多元的。Vitalik 在 Decentralized Society 一文中提出了 Plural Intelligence 的概念，相比于人工智能，多元智能下的算法机制主要有几个方面的改进。首先，数据采集应该根植于社会背景之中，而并不是基于用户在某一个平台上的行为特征；其次，数据创造者，也就是用户们应该保留对其数据的治理权，这一定程度上是对 “技术无意识” 的对抗。换句话说，多元的算法并不是让算法变得更加智能，而是让算法更加人文。社交图谱实际上为多元算法提供了土壤，在有了丰富的身份信息后，算法可以追踪用户的各种特征和社会背景，而不是基于一个平台上的特定行为进行分析。同时，如果用户选择公开或者隐藏某些身份信息或人际关系，模型则不能采用这些数据点来定制算法。

从算法的角度上看，仅凭社交图谱很难从根本上解决上述问题，因为问题的根本在于 Web2.0 社交网站的经济模型，广告收入，或者从本质上来讲就是注意力经济。因此，Web3.0 社交平台需要利用 token 等媒介探索更加多元的变现方式，才可能根本上扭转这一局面。而社交图谱可能可以从其他层面改善这一现状。比如算法长尾内容推送的精准性，以及用户对于算法的掌控性等。

CyberConnect 的基礎設施里有演算法引擎的構建。 因為資料庫里有關於使用者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專案的推薦引擎時，也可以在演算法里分析使用者在 DeFi 平臺的信用、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 目前沒有關於演算法方面的設計，但是也提供了 API，開發者可以通過資料庫訓練自己的模型。 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 擁有一個直接與使用者交互的介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，其靈活性和想像空間也受到了限制。

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像空間的話題，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「使用者所有的」變為「使用者可控的」; 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。

免責聲明：作為區塊鏈資訊平臺，本站所發佈文章僅代表作者及嘉賓個人觀點，與 Web3Caff 立場無關。 本文內容僅用於資訊分享，均不構成任何投資建議及要約，並請您遵守所在國家或地區的相關法律法規。