买卖知识这事到底靠不靠谱?

摘要: 对在行、分答、知乎Live以及付费知识产品的一些看法。

在keso 老湿、阿禅大湿和霍炬老爷都已撰文之后,我再跟进这个话题显然是不明智的。

但我还是想写写,因为对这个话题,实在太感兴趣。

从认知盈余说起

克莱·舍基认为,二战以来,一个新的社会性问题出现了,那就是大量受教育人群可支配的自由时间激增——全球受教育人口累积起来每年有超过一万亿小时的自由时间。

听上去是一个好事,问题是,怎么用掉这些时间?

大多数时候,人们用来看书、听广播和看电视,比如,美国人一年花在电视上的时间就有2000亿小时。这似乎并没有什么不妥,但互联网的出现,改变了一切。

互联网这个新的神奇工具赋予了人们无穷的可能,更重要的是,给了大范围认知盈余一个输出的空间。你可以单打独斗的在Blog写字,在BBS灌水,也可以一起创造奇迹,比如维基百科。

胡泳老师说,微小的选择是一种个人行为,然而数以百万计的微小选择的集合最终可能导致庞大的集体行为。全世界的认知盈余太多了,多到即使微小的变化都能累积为巨大的结果。

正是基于这个理念,「豆瓣」「果壳」和「知乎」等知识型UGC社区诞生了。

知识共享,从免费开始

一个有意思的现象是,初期的知识社区,大多都是免费的。

2011年,我在分析刚刚创办不久的「知乎」时,就提到过一个现象,那就是几乎在零激励的情况下,用户的参与热情却相当高。

Keso说他之所以在「知乎」上如此活跃是因为“中国互联网在满足像我一样的人的需求方面,做得太少”,我将其归结于精神驱动。    

后来,我读《认知盈余》一书,从德西的索玛解密实验中得知,人类的动机并不纯粹是附加性的,为了兴趣而做事和为了报酬而做事是截然不同的。

TED 演讲《令人惊讶的动机科学》表达了同样的观点,尤其是维基百科的例子更具说服力——微软花重金聘请专家编写电子Encarta收效甚微,最终无疾而终,但维基百科却在几乎不花钱的情况下,由志愿者自发做到了更好。

一部分用户免费贡献自己的认知盈余,收获名声和满足感,另一部分用户免费获取这些内容,提升自己或者解决问题,一切看上去都很美好,直到,付费知识产品的出现。

付费知识产品开始出现

仿佛一夜之间,「在行」、「大弓」和「知乎Live」等付费知识产品纷纷出现,更不用说为数众多的模仿他们的产品。

为什么知识要收费了?

我认为有三方面的可能:

一是在内容创业如此火爆的情况下,一部分人希望能通过自己的认知盈余获得收入;

二是用户希望获得更加直接、及时和深入的知识,哪怕通过付费的方式;

三是有交易的话,知识产品抑或平台想收点费盈点利啥的似乎也要容易些。

但知识这东西,是很难被量化的。「在行」刚上线时,对每位导师的建议价格大概是三五百元。有人调侃这比小姐上个钟还便宜。前些天我在写苹果10亿美元入股滴滴的文章时,设置的赞赏语是“不要10亿,只要10元“,就有读者愤愤然——“我买一本杂志才10元,看你一篇文章就要10块”?

再者,按照keso的观点,一旦分享平台变成新的谋生平台,那么成本收益就必然成为从业者首要考虑因素,服务品质将趋于平均化。认知盈余的行家往往不能保证时间,而可以批量提供时间盈余的“行家”,可能在认知上并不那么“盈余”。

就平台本身而言,一开始想盈利似乎并不容易,「知乎Live」在内测期间免费,而在行一开始不但不收费,还要给行家每单补贴60元的咖啡钱。

我和魏武挥老师曾偷偷算过一笔账,光是这个咖啡补贴就很烧钱。看上去,喝咖啡要比喝茶贵,而且,「在行」并没有公款报销,得花自己的钱。

买卖知识这事儿到底靠不靠谱

我不是说不看好付费知识产品,至少,对于「在行」的新功能“分答”,我就是很喜欢的。

不得不说,“分答”的设计很巧妙,答主编辑自己的资料、设置提问价格,在微信分享中寻找提问者,这和之前的「大弓」以及「值乎」在功能上没有多大差异,关键的地方在于“偷偷听”功能。

当提问者将答案分享时,其他人花1元就可以偷偷听,而这个收益将由提问者和回答者各分一半。

这不仅给了提问者分享回答的动力,更重要的是,能让好的回答得到更广的传播称为可能,这也是「大弓」和「值乎」火两天就销声匿迹,而“分答”还在长尾传播的原因。

在“分答”的排行榜上,排名第一的鹦鹉史航回答了700个问题,收益37000多元。如果只是为了收入,我觉得他不会这么勤奋;他更看重的,恐怕是对好的问题的期待,对好的问答得以传播的一种满足,也就是说,“分答”在某种程度上扮演了一个筛选者的角色。

「知乎Live」其实也有同样的作用。

报名Live需要经过审核,通过查看平时的回答来看TA是否在某个行业或者领域有充分的认知盈余,这是对发起人的筛选。进入Live群听课和问问题是需要付费的,这会让用户考虑这场Live是否对自己有相应的价值,实际上是对用户的一次筛选。

搜狗小川总转给我一篇文章,讲的是自然语言处理技术(NLP)是如何被用来处理Quora上海量信息,从而保持社区的信息质量和文明程度的。这是一个维度,我觉得「在行」、「知乎Live」这类付费知识产品其实是从另一个维度对信息进行筛选处理,从而让认知盈余实现更好的对接。

至于赚钱,其实只是一个附带的功能罢了。

本文系作者 望月 授权钛媒体发表,并经钛媒体编辑,转载请注明出处、作者和本文链接
分享到:

第一时间获取TMT行业新鲜资讯和深度商业分析,请在微信公众账号中搜索「钛媒体」或者「taimeiti」,或用手机扫描左方二维码,即可获得钛媒体每日精华内容推送和最优搜索体验,并参与编辑活动。

望月
望月

科技博客作者,自媒体人,自由撰稿人。

评论(0

Oh! no

您是否确认要删除该条评论吗?

分享到微信朋友圈