最近几天很火的一个问题，先回答我的结论，再写点思考，抛砖引玉：

还没到终局，或者说社交领域永远都不会有终局，除非人类停止了前进；

至于发展和创新，我觉得可以从以下几个方面发散思考和前进：

1、维持原有关系链；2、拓展新的关系链；3、价值交换。

以下展开说说其中部分想法和举个例子，点赞和评论、分享多了我再补充：

一、什么是社交：

我的定义：人在一定场景和需求下，与综合或部分价值相匹配的他人，基于价值交换，而产生的行为；为了可能的价值交换，人平时需要维护关系链和新增关系链。

二、什么是场景：

人的价值、需求不能单独存在，必须跟具体场景结合，并会随场景变化；

所谓的场景就是一人千面，同一个人，在不同时间、空间下，需求甚至价值都会变化；

如女生张三，在铁岭的场景下叫阿花，穿红绿棉袄，需求是陪伴爸妈，天伦之乐；在北京三里屯场景下则叫Jessica，穿低胸性感小短裙，需求是成为夜店女王，众人焦点；

三、什么是价值：

一个人的价值包括以下三部分：

1、外形价值：如身高、样貌等外在条件；

2、经济价值：如家境、收入、职业、社会地位、有车有房等经济条件，硬价值；

3、生活价值：如风趣幽默、会冲浪、会弹琴等软素质；

一个人的综合价值包括以上3部分，并且每一部分均能延伸出大量标签，确定参考系后，可以为每个标签打分，0-10分，分值越高则该人该项价值越高，举例如下；

李四：经济价值：

1、收入：5分；2、家境：2分；3、房子：0分；4、车子：0分；5、股票：6分；等。

据此，在信息量足够大和参考系及计算体系完善下，可计算某人，在一定场景下，在某人群中的价值细分标签分数；

但注意，每个人的分数，都是会动态变化的，变量间的关系需要细化；（可类比足球经理、实况里面球员的数值体系和变化）

四、社交的两大要素：

综上，社交的两大要素为：

4.1、一定场景下，综合或部分价值相匹配；（维持和新增关系链前提也是你认可对方的价值，否则你往往会删好友或者不回复）

4.2、一定场景下，能产生或潜在产生价值交换行为；

4.1、综合或部分价值相匹配：

有以下两种情况：

A、社交的双方综合价值相似，较为平等的；显性的价值相似如腾讯的产品经理和阿里的运营经理；隐性的价值相似如马云和周星驰（双方均为各自领域中全国前5的存在）；

B、部分价值相匹配：如所谓的老夫少妻---男方的经济价值与女方的外形价值相匹配，其他价值可能差距悬殊；

4.2、在一定场景下能产生或潜在产生价值交换行为：

仅有价值是没有意义的，只有在一定场景下可以或可能产生价值交换，才能达成社交行为；

如一个马云和哈佛校长产生社交，可能会发生于哈佛校长邀请马云来演讲或者马云捐赠哈佛以让其儿子入学（双方交换经济价值）；

五、社交的用户痛点：

从人性本质而言，几乎全部人都有社交需求；需求主要包括三大块：1、维持原有关系链；2、新增关系链，拓展社交圈子（因为社交圈越大，越有可能满足自己在不同的场景下进行价值交换的需求）；3、进行价值交换（与社交圈子中的人进行信息交换、交流以确认价值情况并进行交换）。

在这三大块需求下，延伸出以下四大痛点：

1、维持原有关系链费劲，响应未必及时，多样化不足（没时间维系、差异越来越大不知道聊啥、找不到合适的人聊等，本质还是价值不相匹配或者找不到价值交换的点）

2、拓展社交圈子难（如何拓展？如所谓的社交恐惧症，其实不是真正的恐惧，是因为对这部分人而言，拓展社交圈子成本很高，收益不明确，导致恐惧）；

3、社交筛选成本高（社交前进行价值确定并交换是漫长的过程；如女生A问男生B平时上班堵不堵，实际上是要确认这个男生有没有车，经济价值如何）；

4、社交圈子中价值交换（信息获取）不及时（可能双方价值相似也有交换需求，但因信息获取不及时，不在“同一场景下”；如你想去看周杰伦演唱会，你有朋友要出让周杰伦演唱会的门票，你们也各自都发了朋友圈，但刚好都没看到对方发布的那条）；

六、当前社交软件的局限（主要针对新增关系链和价值交换，对维持原有关系链后面另外写）：

当前绝大部分社交软件的基本逻辑，都像城市广场一样。软件负责搭建这个广场，并且拉一群人到这个广场，可能放置些娱乐设施，然后就不管了，用户自己在上面找人；

比如探探陌陌搭建了一个基于外形价值交换的广场，领英脉脉搭建基于经济价值交换的广场，豆瓣搭建基于生活价值交换的广场，有不少用户在用，但都遇到了增长的瓶颈（陌陌DAU稳定在3千万，探探DAU稳定在600-700万，脉脉DAU900万左右），原因在于：大部分人在大部分场景里，并不是很清楚自己应该去哪个广场逛，TA只知道自己当下闲着，去广场逛逛聊聊天也行，看剧也行，打游戏也行。

而相对于看剧和打游戏这些成本和收益都较为明确的行为而言，“去广场逛逛”这个行为成本和收益都不可预估。广场上茫茫人海，拓展圈子不容易；筛选出合适的人，获取及时的信息就更难了，你在广场上最多只能看到离自己最近的告示（信息）、离自己最近的人。

（不少现有玩法局限性也很明显：探探的推荐算法主要是基于用户过往的浏览行为以及是否会员和被其他人右滑数决定，用户自身的价值并没有过多的标签，对匹配也局限于外形价值匹配，导致用户关注点高度集中于少部分外形价值高的用户上，用户间没有形成平等的网状结构，社交效率低；soul则是通过简单的测试来得出少量的兴趣标签，匹配并不精准，如一个投资经理可能跟一个农民工一样都喜欢周杰伦，都是孤独星球上的一员，但他们能聊得来，交朋友吗？）

七、满足社交领域痛点的另一种思路（抛砖引玉，社交还有很多路子可以摸索）：

大部分社交软件的交互主体是两类：用户本人和其他用户；即用户A发出的状态、内容，均主要供遇到自己的其他用户看，并引发社交。

我们可以在广场的基础上，增加一个导游/媒人的角色从而更好地满足用户社交需求。

八、怎么做：

以上说的匹配方法，核心在于两点：1、给人的价值打标签并评分；2、基于两个人价值和一定场景的三者综合匹配。

8.1给人的价值打标签并评分：

在软件上线前，可以先导入一批目标种子用户的资料（如果是腾讯、头条这些做就更容易了，大量的用户数据可以建立很好的模型），并对这批用户进行三大价值以及三大价值下细分标签标注以及打分；此处关键在于以下几点：

A、高价值种子用户：人的社交渴望为与自己价值相似或价值高于自己的人社交，因此高价值的种子用户十分重要；而且高价值的种子用户标签较多，分值较高，可以作为很好的参考；

B、较为丰富的信息：个人特征信息、社会属性背景信息等越丰富越好，即使没有足够的信息，也至少需要用户3张以上的个人照片或生活、工作场景照片；

C、由对人有深入洞察和研究的人来打标签、评分，并逐渐训练机器学习：阅人无数的高手能通过朋友圈扫一眼就迅速判断这个人大概的情况；因此前期打标签和评分必须由一批精于社交，洞察人性的专家团进行贴标签和打分的工作；（其实这个也是可以批量训练运营人员的）

产品上线后，前期用户进来时，给每个用户先赋值为全体用户的标签与均值，然后专家团对每个用户的资料进行分析，进行标签删减或者增加以及数值的调整；然后逐渐通过机器学习，把人打标签和分数的能力赋能给机器（这是一个大的技术难点）；

8.2基于双方价值和一定场景的三者综合匹配：

仅有每个用户的标签和价值还不足以完成满足用户此刻的社交需求，还需要有用户场景或其他触成价值交换的手段；这样除了用户双方的标签和价值组成了矩阵（x，y轴），还可以加入场景或其他手段作为z轴，让推荐的矩阵更加精确。

有两种方式：

A、把用户发布的信息流内容，也用于优化推荐：

如用户在下午5点在软件上发状态为：今晚求约饭；那么软件可以这样给他推荐：

先判断用户的标签和相应价值，假设这是一个单身的，腾讯的女设计师，综合价值为7分；

推荐1：附近公司的某猎头；基于该设计师曾经发过想换工作的状态以及经济价值上多个标签和分数的相似进行推荐；

推荐2：另一个也在约饭的平面广告行业的设计妹子，但发现她们在美妆、在职业等多个标签上分数相近，因此也推给她；

推荐3：附近某大学大学女生：因为她们在二次元、穿着、饮食、参与的活动等生活价值上的标签和分数比较相近；

推荐4：阿里某单身产品经理，基于他们经济价值、外形价值上多个标签和价值相似，而进行推荐；

推荐5：四川火锅走起群；基于该女设计师四川这个标签，以及该区域同时有一个活跃的四川火锅群，进行的推荐；

如果以上不满意，可以选择换一批；

前期先通过人工匹配，逐渐由推荐算法匹配；

用户很多时候并没有特别明确的社交需求，对TA而言，只要是对方价值相近，在某些方面存在价值交换的可能，即可在特定的场景下达成社交；

B、用户主动寻找发起社交：

先给用户提供一个三大价值相似、并且在此刻下按过去用户行为可能合适的用户候选集和增加筛选条件选项，让用户在其中寻找合适的人，发起社交。（相比现有的社交软件，优点在于后台标签颗粒度更细，涵盖更广，候选集更精准，用户即使主动寻找，筛选成本也优于其他现有社交软件。）

九、核心难点：

产品和技术：

1、不是腾讯和头条这样的大厂，如何引导用户提供更多资料；

前期通过种子用户激励及有趣的引导方式引导种子用户完善信息；

绑定微博、微信获取社交信息；

设计一些简单的测试引导用户提供资料；

也会询问用户是否允许其个人主页公开访问，其他用户访问时也可以在TA主页中添加标签（类似积目）；

以及会注册多个VIP客服反馈微信机器人，通过加用户微信再爬虫用户朋友圈收集标签；

后续平台有一定口碑后可以影响新增用户提供更多资料；

2、如何引导新用户发状态；

先激励种子用户发状态，体验到马上匹配的***和惊喜；

后续通过新手引导和口碑传播激励；

3、如何把被动推荐和主动发现做得很好，怎么组织信息呈现；

详情见产品交互，本文尚未附上，待点好看和评论、分享的人多了再附；

4、如何把人工贴标签和打分赋能给机器；

计算公式本文尚未附上，待点好看和评论、分享的人多了再附；；

5、如何把人工匹配赋能给推荐算法；

初期先用简单的推荐算法，后续数据量逐步提升后再优化推荐算法；

运营：

1、种子用户怎么来；

需要高价值人群作为种子用户；

如目前个人手上的资源：

成都2000名高颜值女性+北上广深1000名高颜值女性+5000名各互联网公司、猎头等精英+主要以大学生为主有十万粉丝的公众号+5000名白领粉丝的公众号

2、种子用户留存怎么做；

3、种子用户如何激励；