文章作者:姚凯飞

内容来源:阅读以明智

导读: Soul作为“灵魂社交”的先行者,这两年发展稳健,不管是用户规模还是产品ROI都有非常不错的表现。一直以来,人类底层的社交需求并没有太大变化,但是时代发展,代际更迭为新的产品带来了新机遇。作为非常受95后欢迎的产品, Soul抓住了其中的一些机会点。相较于陌陌和探探两大老玩家,Soul作为新玩家也为陌生人社交领域带来了新的可能。从非官方渠道了解到,目前Soul的DAU在往1000w靠近,并且有非常不错的留存数据 ( 小伙伴可以私下交流 ),目前可能腾讯也应该投资进入 ( 其实前面几轮腾讯也看过,只不过有些犹豫没投 )。

Soul玩法多、互动性强、个性、荷尔蒙弱化 ( 相对陌陌、探探这类陌生人社交产品而言 )、男女比例均衡等都是其比较有特色的点,背后是Soul选择了与重颜值、重地理位置的荷尔蒙社交完全不同路的结果,这也就是Soul从开始就在极力推崇的灵魂社交模式。今天从一个旁观者,通过若干维度来拆解这个产品。如有不足之处,还望大家批评指正,谢谢。

01 背景

首先我们先看陌生人社交场景上有以下三类,脱单&约会、约会&相亲、情绪倾诉与陪伴,Soul的模式是最后一个,探探、陌陌、伊对等偏于前两个;从匹配快慢来说,直接匹配聊天,看脸「左划右划」后直奔交友主题去的为快社交,通过灵魂匹配,逐步交流并积累亲密度为慢社交;在很长一段时间内,快速完成约人功能是主流,而Soul强调情绪倾诉和陪伴延展而来的社交匹配,并且更重慢社交,筛掉了大部分强荷尔蒙用户,并且在产品运营过程中也会压制这部分内容,而突出沉淀关系链为核心。

从跟一些了解或者熟悉Soul的小伙伴交流过程中,Soul相信陌生人社交本质是慢的,需要花时间培养用户的认同感、归属感和互动意愿。Soul逐步积累,并在以下3个方面做了很多事情,心智认知、社区氛围、匹配算法。

核心观点:

  • 去荷尔蒙是定位
  • 稳定关系链数是本质/北极星
  • 半内容半社交是关键
  • 内容提升女性留存,女性提升男性留存
  • 创新玩法带传播
  • 数据&算法提互动&匹配

02 心智认知: 社交效率与社交价值

社交效率和社交价值是陌生人社交的核心,创始团队对效率和价值的认知最终体现在产品形态上。短期荷尔蒙与长期灵魂伴侣(共情社交)相比,前者落地更快数据容易做,后者需要积累内容在进入门槛上就会更高一些。人性使然会让短期擦边球操作有一些机会,但合规和价值观正确,才是长期健康发展的基础。但是从目前的数据来看,天花板也更高,前者商业模式更容易进入做到60分,但是天花板可能在80分,但是后者进入的玩家到60分比较难,但是天花板可能在95分。注册门槛高、内容审核严格(处处可见举报通道,内容审核团队不在少数),用户行为漏斗开口小,但是漏斗中下部更健康。这里面也是产品定位,以及对品牌的追求,让用户形成品牌心智,了解、接受、认可Soul。

核心指标: 留存 ( 非官方了解的数据是次日70%,7日28%,30日15%左右 )。

03 社区氛围: 不荷尔蒙&共情

Soul提供了广场 ( 类微博 ) 的产品形态,并做了内容与人、人与人的分发与匹配,并且创造了一个匿名化的可供用户真实表达想法的环境。不突出用户身份和颜值 ( 不鼓励发颜值相关内容、特别是擦边球内容 ),做去中心化、做信息平权,通过内容—社区—社交的产品逻辑构建用户长期留存。对社交匹配效率有非常强的诉求的用户,Soul可能不是首选。但这背后是对于稳定关系链沉淀的追求,让用户在社交中找到归属感 ( 将消解孤独感作为核心要素 ),并成为其中一个稳定网络节点,从目前数据来看,不失为一种正确思路。

功能与场景: 初期平台在功能和场景上就推崇三观而不是五官交友,沉淀下来的用户慢慢也逐步减少自拍露脸,这非常本质。因为颜值出挑的毕竟少数,如果重五官则极易引发需求供给的不均衡,露脸了就必然引发马太;将引发不均衡的因子剔除,也是Soul在刚开始做选择是非常重要的一个点。因为荷尔蒙社交通过目前国内各个产品数据来看,在做了非常多的保护机制后,女性的逃离还是很难避免,这样就会导致生态体系的缓慢崩塌。

社区运营: 重线上社区运营,通过提升社区的内容质量。功能和产品形态上做了限制后,还需要在一定时间周期内逐步做深度的内容运营,广场不同类型的动态(荷尔蒙-YP、找对象、找souler陪伴、吐槽或分享心情)中,第一种是占比最小的,类似晦涩的内容和人都会被打压和控制;并且广场内容引导的匹配和私信功能会做控制,保护女性用户,避免大量低效、低质的打扰;并且在这个功能上还耦合了变现功能,使用打赏可以打开私信功能,不失为一举两得的手段。

04 关系链: 密友沉淀

对于关系的理解创意、对于关系的运营直接决定一个社交网络生存与演化。关系链沉淀的背后是整个社交产品网络中,单节点稳定连接的数量。动态的看,就是在某个时间节点 ( 比如今天 ),某个时间窗口内 ( 比如15天 ),某个人 ( 比如小明 ) 私信交流的人里面聊天深度大于N ( 比如40条 ) 的关系数有多少;当然交互的频次、时长等都可以被纳入关系链的计算。

Soul用内容和各种玩法(灵魂匹配、群聊派对、语音匹配、视频匹配、恋爱铃等,不同玩法每天DAU中有比较多的人在使用)在不同场景下满足用户社交需求,构建情感联结、共同兴趣等“共情社交”,可能不是“刚需”;但背后引导的匹配与交流,继而沉淀下来的关系链反而带来更稳固的留存。当然玩法创新也很重要,好的玩法可以带来很强的自传播。从首次内容互动好感度刺激,到话题切入增加好感度,再到多次互动与沟通,形成深度关系。

关注指标: 发消息率、消息回复率、消息条数、聊天时长、次月的深度关系留存等。比如平均用户聊天消息轮数,soul已经超越微信和QQ。

05 内容&互动

半内容和半社交模式可能是拉高留存天花板的一个思路。广场(背后是树洞+瞬间,以及基于瞬间的推荐、互动逻辑)是Soul的基石,文字聊天和广场消费和发布内容是用户最常用的功能。从交友效率角度,灵魂交友也比不上颜值,毕竟先需要一个了解灵魂的过程。当这些用户达到一定密度后就可以通过网络效应实现用户规模的快速扩大。为了弥补抑制荷尔蒙带来的问题,从用户粘性的角度,UGC内容可以作为过渡的小船,使其到达彼岸。长期来看还是内容会拉升用户的留存,直观上一个用户陌生人社交产品更多的是希望匹配到合适的人,而不是来看内容的;尽量保证高质量UGC内容的产出,并且带动内容社交。社交过程中,表达及被关注是普遍的诉求。希望在用户使用产品过程中,可以时刻有这样的感知;社区作为介于媒体和社交之间的产品形态,以广场(大型匿名朋友圈信息流)的形态被引入,通过内容连接人,要让连接更有效率。用户之间通过Soul可以持续产生互动,通过互动间接促进关系连接与沉淀,并且关系链沉淀带来更多的留存与互动。形态上类微博,但是不推大V和KOL的背后,是因为本身双边网络下就是做信息平权与去中心化。通过图像、NLP、推荐算法,将不同内容&背后的人分配给感兴趣的用户。内容与情感社区形态的建立,也让Soul的月人均使用时长是探探的1.5倍+。

用户分阶段运营:社区启动冷启动初期,用户引入非常关键,需要有价值和定位导向强相关的内容发布者(早期投放豆瓣、知乎等文艺、年轻的社区);中期需要引导互动和产生有价值的连接(soul通过数据监测传播热度高的优质帖子进行人工筛查和干预,比如置顶);后期则是社区秩序、价值观传递(需要长期教育)与内容分发的配合比较关键,因为这一阶段内容数量和多样性都在快速增长,稳定的人与内容及关系匹配&强化非常重要,而这背后就是数据和算法的发力点。在算法配合下的分发内容,通过持续激励和社区治理塑造社区氛围。

内容运营上,需要注意内容风向的引导,比如话题置顶、人工筛选高热话题推送,分圈层干预内容等。从看脸和不看脸社交产品的数据上来看,内容对女性的留存拉升明显,再通过女性拉升男性留存,这个一个目前来看非常不错的思路。通过数据分析发现圈层,并做差异化有圈层区隔的内容展现(比如同城、学生群体内容)。内容互动上也可以做错位信息展现,比如对男女分级,某个等级的女性匹配和展现高一等级的男性内容等等。对于匹配和聊天深度上,如何进行引导也是一个方向。

关注指标: 广场人均使用时长、人均帖子浏览数;生产、每日人均发帖数、发帖用户占比、发帖被曝光比例(去中心化)、人均点赞数、发帖用户被点赞的比例、每个帖子平均互动次数、广场出发发起的私聊比例等。

06 技术赋能

Soul的CEO张璐在公开场合表达:“AI 这块机器学习,可能是 Soul 目前唯一遇到的红利。”Soul热度较高的内容基本上是,比较详尽介绍自己的相亲动态、各种感情经历、各类故事。如果能够被总结,既然有模式存在,说明算法就有学习的空间。随着用户数据的积累和收集,算法可以提升匹配精准性,避免效率低下。在基础的测试和数据收集 ( 注册 Soul需要通过答题测试,然后被划分到所属星球 ) 后,通过简单模型,将用户、内容进行分类和匹配,接着通过实时的用户行为和互动反馈 ( 兴趣爱好或行为习惯 ) 修正匹配模型,找到同类用户或内容,提升共情体验;通过高效的社交匹配、有趣的社交体验,获得共鸣和回应,以此消解自身的孤独感。用户在产品内也可以自己创建标签,收集越多的信息,推荐系统将会做更精准的匹配。“降噪”除了去除垃圾信息、反对骚扰,也能帮助更好地匹配。基于用户相似性连接彼此,通过精准匹配的方式让用户快速找到同类。相关算法策略可见下图,不过多展开 ( 部分论述可参看前文 )。

基于原有关系链强度,需要引入关系链稳固指数,通过算法让关系链的持续强化。现实生活中我们对一个人的好感除了第一次见面以外,其余的都是逐步了解过程中慢慢加深的,所以弱关系链的持续强化也是一个考虑点,更丰富的人设迎来私聊机会。当然对于历史有过互动或深度交流的人的数据,抽象建模后也会为推荐带来更多高效匹配。这背后是基�