Pocket Digest: 一款不会信息过载的RSS阅读器
之前给Pocket官方发过邮件，想和他们讨论下这个想法，结果完全没人理，所以就简单记录在这里了，算是对数据产品思路的一点分享吧。
思路也适用于微信公众号。现在微信看一看/一览/轻芒等等背后有一部分应该也是如此。这也算是对两年前的Tech2Pocket的回顾了。本来写的是英文，我直接翻译过来了。
demo: https://productchaseapp.herokuapp.com/pocket_digest
在具体讨论demo前，首先说的是，对于Pocket的vision，我的理解是让文章更容易读，进而帮助人们更好的阅读。
接下来讨论Pocket使用场景中的两个问题，和解决办法（产品机会）。
1. 问题与解决办法
问题 #1
通常来说，博客不太可能每篇内容都值得读。作为一个读者，我只在乎好的内容，而对于一般的内容没啥兴趣。这是以前RSS时代最大的问题——你订阅的源一多，阅读质量就显著下降。内容太多看不过来了，而很多内容质量又一般。
解决办法 #1
不过，有了Pocket的数据，我们能很好的衡量一篇博客相对整体文章的质量[1] (i.e, Peak over theshold 阈值法)。我们可以知道一篇文章是不是这个博客的前40%的好内容。这样一来，使用Pocket来过滤文章，我们能够得到一家博客内容中更好的部分。
这意味着什么呢？我们可以订阅多得多的博客，但是不会有信息过载问题。相反，能读到更多有价值的文章，而且花费更少的时间。
这也就是功能#1: 用户可以用Pocket来follow blogs/topic, 类似一个改进版的RSS reader. 当然实际上完全不会拘泥于RSS了。
问题 #2
大多数时候，使用的Pocket标记的内容是长文章，长文章通常都很难读。可以怎样把长文章变得容易读呢？
解决办法 #2
当人们读文章的时候，他们可以高亮文章（这其实已经在Medium中很好的做到了，Instapaper也刚刚上线相关的功能）。那么，假如我们可以把用户高亮最多的部分展示给大家，那么就能帮助大家更方便的读长文章。
不过简单的抄袭还是太没意思了，可以把这个功能做得更近一步——把Highlight放在文章的顶部。这样子改善阅读的效果就更明显了，其实这就类似我们在Science Direct, Elsevier上读到的论文一样。
这也就是功能#2了: Pocket可以在文章顶部显示Highlight, 帮助人们快速了解一篇文章的大概。我觉得这也更符合Pocket本身的vision, 帮助人们更好的阅读。而不是简单的别人有这个 feature，我也要有。
把这两个功能合在一起，我把这个demo成为Pocket Digest，也就是意味着帮你花更少时间，读更多有价值的内容。
2. 数据产品的思路
通常，我们说产品经理做的事情是画原型图。但是这有点太局限了。
这里，我想讨论的其实是，有的功能，并不是基于交互的。而是基于数据的。当有像Pocket这样极有价值的数据的时候，怎么利用它来创造价值，是一个很有意思的问题。
对于数据的创立和运用，从商业角度上，也具有战略意义。因为功能很容易被抄，但是数据就难抄了。
我这里对于第2个功能点，有更深的想法 —— 给定一篇文章，我们有相应Highlight的数据
那么，有没有可能用监督性学习来做AI呢？—— 自动根据文章内容做出Summary.
这其实就是之前Anrew Ng说的AI产品设计的要点[2]：做出一个Loop出来搜集数据
用户用得多，数据也就多。数据更多，功能也就更强，也就有更多用户用。产品自身就进入良性循环，商业上也更有竞争力
3. 产品的思路
之所以策划Pocket Digest，另一个原因是，希望给Pocket一个和之前相似，但又略有不同的Value proposition.
很简单，因为不同的产品定位，能够带来用户量增长。
一款比较成功的产品，其实做的大部分功能都是针对存量用户了。很多功能只是锦上添花。对于Pocket来说，read later其实已经做得很好了。那么接下来，就是在make content easier to read这上面进一步发展，于是也就有了现在的内容推荐。而Digest也只可以当作一个策略性的试验了。
祝Pocket一切顺利
[1] Peak over threshold method 阈值法说明
Pocket的数据意味着有多少人收藏了这篇文章，准备之后在读。可以看作是一篇文章有多少价值的衡量（否则人们就不会标记它）。就我的观察来说，这个数据比Twitter/Facebook的分享数据要好。可能的原因是，严肃的内容很难像段子那样在社交网络上得到足够多的传播
对文章数据使用阈值法，是基于这两点假设：
1. 作为读者，我并不在乎博客的每篇文章，我只在乎里面有价值的文章
2. 大多数博客，不可能每篇文章都很好。
对于一个博客，其Pocket数据是这样的
也就是这些峰值的文章，可能更有价值。用一种方式来说，文章的价值，遵循的也是2-8法则、或者Power law distribution。我们感兴趣的是尾部、outliers，而不是那些一般的内容。
当然，这里给的只是一个很粗糙的模型，可以拿常用的推荐系统算法来做混合。另外，如果要比较不同来源的帖子，计算分位数就行了。否则浏览量大的博客的数据依然会占据主导。
