这里需要重点说明的，其模块的关联与产品的关联，产品经理往往一个人没办法全局打量，建议和几个产品经理或LEADER一起脑暴一次，将所有可能会存在的关联点进行列举，这样才能保证FEED流能够流到各个地方。

每一个路径就是FEED流可能流动的地方，其能流动的地方都会有用户存在，仅能可能满足用户的所有对FEED的需求，除了依靠算法，其产品的关联与生态尤为重要。

FEED的功能关联，这里说一下，如果有数据体系支撑，建议通过将模块、产品建立在数据漏斗、热力图进行分析，用数据驱动，会帮助产品人少走一些弯路。

03 FEED流算法与设计

这里就是本次分享的重点，FEED流的算法和设计落地，在这里首先抛出几个FEED流典型的产品体系和算法以及2个关键词

UGC产品体系：强社交体系、弱社交体系

算法：重力排序法、时间排序法、智能推荐排序法（概述）

关键词：未读池、FEED存储区

（1）强社交体系

强社交体系的UGC社区，就是目前最典型的以微信朋友圈为代表，其微信的社交关系建立在用户与朋友之间的链接，因此微信的内容为UGC的代表，微信的FEED方法就是以时间排序法，并且微信将每时每刻中，自己的好友圈所生成的FEED，都将刷新出来。关注的好友没有权重，时间线成了唯一标准。

（2）弱社交体系

弱社交体系的UGC社区，这里我们以微博来举例。微博因内容涵盖好友与非好友，在此对于用户的社交圈中，就属于若社交体系。并不强调用户与好友之间的关系，而是强调用户与用户的关系，微博这里就涉及用了FEED存储区、FEED未读池，并且微博的UGC经历了重力排序法到目前的智能推荐排序法的一个过渡过程。

（3）时间排序法外的2个算法

1）重力排序法

重力排序法，在做公司UGC模块中，我在网上查了不少相关的文档，其中网上对于这一块的算法参考资料较少，因此在学习以及自我建立过程中，我将重力排序法以案例的方式进行讲解。

重力排序法

首先重力排序法还是依靠时间进行FEED拉去，在这里根据时间的从近到远，依次将FEED进行拉去展示，这就是重力；权重标签，这里可以是指的是FEED的权重标签，可以是内容的、也可以是针对产生FEED的对象；

比如针对内容：点赞、阅读、转发…

比如针对对象：关注好友、好友活跃度、好友粉丝度排序

重力排序法的意义：

因此重力排序法是基于时间的算法，尽可能的将有效的内容展现给予用户，让用户能够去得到需求或平台高质量的内容，并且还是依据时间流的顺序，不会让用户产生无厘头的感觉，并且不是全是系统消息、无效的消息。但重力排序法需要给予一个时间存储段，为什么要这样做？这里在下面FEED存储区我会说明。

2）智能推荐系统（概述）

针对于智能推荐，可以说是目前每个高用户UGC社区都想做的一块算法，其解决的核心问题是：在平台中将用户所需要的内容推荐给予用户。

基础信息的采集

智能推荐系统通常会有一个智能推荐引擎，j2直播，其中引擎就是各种算法的结合，系统将基础的信息采集后会分别进入相应的采集库，通过引擎将平台中的内容推荐给与相应的用户，这一点在行业中今日头条一直处于领先。

推荐引擎

智能推荐系统，增加了用户停留在FEED的时间长度变长的可能性，但智能推荐系统仍然是目前中小型企业所必须要去以后过渡的一种算法，比如智能推荐系统在FEED中，给予用户的就是非线性时间轴，用户会有一种，昨天球赛比赛完了，但今天刷新出FEED说，“球赛开始了”这种FEED错觉。

当然算法的精度与过滤，也是PM需要去考虑的，这里简单说明下推荐系统的大概。

（4）高并发量与高用户UGC社区中，FEED的算法设计