产品在面向用户时，要做好功能的更新迭代，以更好地契合用户体验与实际场景下的用户需求。在本篇文章里，作者便针对抖音的评论「不喜欢」、点赞推荐功能进行了交互拆解，并尝试做了重设计方案，一起来看看吧。

抖音已是世界级的短视频流播放平台，不论TIKTOK还是抖音，它所面向的巨量用户及广泛的用户特征，都要求抖音需要保持高频次的更新迭代，以完善灵活的设计策略和机制。

今次简要剖析抖音中近期新增的两个我个人比较喜欢的功能：评论「不喜欢」、点赞推荐，以窥见抖音的交互与业务设计策略。

一、评论「不喜欢」

在聊评论区之前，不可避免地要聊到社区氛围和治理。

社区氛围对任何内容社区类平台来说都属于老大难，评论区的氛围劣质程度往往与DAU呈正比，这一点在抖音、哔哩哔哩、微博等过亿级社区平台表现得更为明显，这和平台的大用户量以及不可避免的用户下沉化息息相关。‍

1. 社区氛围‍‍

针对社区氛围，在C端设计上一般采取的方式为：

1. 新增默认展示的推荐区Tab，展示筛选后的优质评论，在表现层面营造良社区氛围，以引导用户发表合适恰当的内容；
2. 折叠评论提交入口和展示页，增加用户使用评论功能的成本，降低触及；
3. 排序规则改造，默认以热度或推荐排序，可进行人工干预，引导用户进行良性互动。

以上措施多在可用性上表现得较差，毕竟仅是通过黑盒机制或提升使用成本，来减弱用户对不良社区氛围的感知。

在用户层面而言，与用户期望存在一定的偏差，而且一部分用户仍然需要一窥评论区全貌，难免因以上的措施而受到负面影响。

2. 社区治理

采用产品设计技巧可以低成本呈现比较优质的社区氛围，而氛围好坏的根源还是在发布者身上。

以往的社区治理多是针对是否违法违规展开，在普遍追求优质氛围的竞争环境下，大家开始把目光放在了评论内容本身的质量问题上。

这意味着需要平台有基本的治理能力，也需要有识别内容好坏的能力，随着NLP（自然语言处理Natural Language Processing）或OCR（字符识别 Optical Character Recognition）这类能力的发展，治理手段也高超起来：

1）内容发布治理

1. 评论内容触发本地或服务器端关键词库，转为仅自己可见，严重的直接被删除；
2. 评论内容未通过机器算法NLP审核，转为仅自己可见，严重的直接被删除。

2）内容质量识别：‍‍‍‍

1. 机器算法NLP无法明确判断内容倾向，转入人工审核流程，审核结果未出前保持为仅自己可见，按照审核结果释放展示或自见或删除；
2. 评论内容被机器算法NLP识别为无意义或低质量，被折叠或击沉；
3. 评论内容被「不喜欢」过多，被折叠或击沉。

以上五类方式中，前几种为大多数平台所使用，既可保证发布者最基本的体验，也照顾到平台的安全和观者的清净。

折叠或击沉评论的方法，使用的范围较窄，比较典型的当属知乎，按其本身强调专业性和关心回答价值的角度而言，“折叠”是平台专业态度的体现，用户一定程度上是可以接受的。

3. 评论「不喜欢」

评论区的「不喜欢」功能已几乎成了摆设，一般体现为用户评论在收到一定数量的「不喜欢」后才会被折叠或击沉或转为自见。

这只满足了用户点击「不喜欢」时的投票态度，无法体现用户主动参与氛围治理的姿态，而且这条评论会停留在用户视野内很久，用户不知道它何时被处理、会不会被处理，既不能保证观者的体验，也没有满足“所见即所得”的设计基本法。

在抖音平台而言，尤其是面向大基数的下沉用户时，社区的氛围治理是必须要解决的“硬骨头”。

抖音可能采用了如下的措施（验证与猜测，不代表官方就是这么做的）：

混搭排序规则：以评论点赞数与发布时间轴为基础排序规则，配合NLP质量分，前置部分优质且有一定热度或者新发布的评论，保证用户在评论区前两屏得以查看高热和较新的优质评论；

排序公式模拟：在「混搭排序」中，猜测是采用净正向点赞+NLP质量分的方式进行的排序，或是采用评论质量分公式影响排序，对公式的简单模拟：

xyz分别代表LIKE、DISLIKE、NLP识别分的权重系数，应当由后端控制，可随时进行调整‍。

「不喜欢」交互设计：作为负点赞方式，在用户侧的表现是点击即隐藏该条评论，符合“所见即所得”的交互规则，也满足了用户「杀灭」负面内容的情绪；在排序影响上，应该是抵消了部分的正向点赞，得出评论的实时净点赞分的权重，用以影响排序。

抖音采取这种排序逻辑和设计策略的优势在于：

1. 可以提升高热、高质量的评论的触及和展示效率；
2. 社区治理上，可规避质量较差的评论呈现，抬升评论区氛围；
3. 用户体验上，既保证了社区氛围的舒适感，也在交互层面上做到所见即所得；
4. 体现用户DISLIKE的投票权，点击即对用户隐藏的方式，一定程度上满足了用户对评论区定制的期望，也体现了用户操作是有权威性的这一安慰剂式的设计理念。

二、点赞推荐

「点赞推荐」的功能释义为：用户可以通过打开功能，使自己的朋友或粉丝看到自己所点赞的视频。

我见之熟悉的原因是之前在Soul时设计但未落地的“转播”功能有异曲同工之处。

本义都是为了促进内容在用户侧的自然分发，提升优质内容的传播性。

也就是说，点赞推荐功能，其实是Twitter和微博“转推”功能的翻版，微信的「在看」功能亦属同样的业务逻辑。

在业务价值上，用户侧内容的自然分发，更易于产生社交互动，也有助于用户之间突破推荐机制带来的信息茧房影响。当关闭朋友可见时，推荐则成了一种低权重的流量推荐手段。

在功能设计层面上，它是个比较有趣的功能，既增加了用户之间互相窥探对方喜好的途径，也有助于用户之间社交关系的加固。

但在交互设计上，我更倾向于抖音在实验试错，因为该功能的交互设计方案是失败的，原因有以下几点：

1）它在信息设计上的门槛过高，使用户无法快速的理解这个功能的影响

“点赞作品不会推荐给朋友”&“点赞作品会推荐给朋友”，很难相信，涉及状态开关提醒的文案只有这么弱的差异。如果是有意为之，便有刻意降低用户感知和认知的嫌疑；如果是无意为之，那这个方案真的让人大跌眼镜。

2）推荐给朋友后的呈现方式，需要用户适当关注和付出一定的学习成本

点击推荐后的样式变更，即是告知用户「推荐」是会这样展示给用户；同时在设置拉起的浮层有种动图以演示该效果。表意太弱了。

3）功能开关的说明信息比较复杂，无形中抬升了用户的使用门槛

总的来说，功能是好的，但使用门槛和学习成本过高，对大龄用户或轻中度用户而言，功能触及可能仅仅会停留在“点赞之后有新的东西出来了，看一看”而已。

而且在用户侧会出于私密性的原因，并不会愿意保持恒打开「推荐」。因此推荐开关需要考虑临时开关和总开关两个状态。

好的功能，需要好的设计。好的设计，必定是使用门槛和学习成本比较低的。

可以适当教育用户，但不能自说自话地教育用户。

以下按照VADU的设计理论对这个功能进行Redesign的尝试。

三、方案重设计

在重新设计之前，需要深入了解业务构成。

线上版本的「点赞推荐」中涉及到的开关过多，功能入口表现又稍显含蓄，在文案的信息设计上拔高了使用门槛，重新设计将以重点解决这些问题为目标。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

1. 「点赞推荐」线上业务构成

业务的起点，实是增加推荐手段，引导用户推荐内容给其他用户。‍‍‍‍

在这个基础上“增加”了用户可进一步选择将点赞的内容推荐给朋友。只是这一步增加，将「点赞推荐」的流程复杂化。开关逻辑见下图：‍‍‍‍‍‍‍‍‍‍‍‍‍

2. 「点赞推荐」拆解与重设计‍‍‍‍‍‍

在了解了基础的业务逻辑后开始着手。

1）功能入口强化‍‍‍‍‍‍（价值强化）

将功能价值点表现在入口上，增加用户决策因子，也使用户能一眼了解功能含义。

2）功能说明浮层信息强化（抵达性强化）‍‍‍‍

点赞作品和推荐作品实是两件事，需要在表意上明确区分，不要给用户留任何含糊的余地。适当情况下可以增加Icon辅助表意。‍‍

3）浮层中的功能开关交互合理化（抵达性、可用性强化）‍‍‍‍

线上的 保持关闭/开启 & 保持开启/关闭 的按钮互斥状态，完全不合乎交互设计的任何规则。既不明确，也没有体现开关状态。可以适当增加说明，并采用开关形式解决。‍

4）总开关表意和交互合理化（可用性强化）

原本的浮层说明和开关示意，均存在表意不清的情况。改造原浮层交互为新启页面，在页面内详细释义功能。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

5）改造总览

四、综上所述

从上述案例，我们得以窥见抖音在业务细节上的打磨，同时在交互细节上的瑕疵点。但这种细节的把控和尝试，都应当是IT行业万马齐喑的今天应该去做的，这也是最原本IT公司做过的事情。‍‍‍‍‍‍‍‍‍‍‍‍‍

作为设计师，能跳脱出来审视自己，以理论来作为工作方法论的基底，都是难能可贵的品质。

这也正是我回答面试问题“你觉得你比同样十年经验的设计师的优势在哪里”的答案。

跳出设计者思维，以普通观者的视角反观自己的方法和输出，以学术理论来指导自己，进行适当的反思和纠正，这很重要。