停止擴張、收縮戰線，無疑是2022年下半年網際網路行業的基調，就連曾經的APP工廠也已逐漸”停工“，各大網際網路廠商在今年幾乎就沒有幾款新品問世。甚至對於已上線的新產品，相關廠商也似乎越來越缺乏耐心了。
日前，位元組跳動旗下閱讀工具APP“識區”釋出停止運營公告，宣佈將於2022年12月12日起停止運營及相關服務，而此時距離這款APP的上線僅僅只過去了不到8個月。
要知道，此前在今年春季位元組跳動方面推出識區這款產品時，還可謂是鮮花著錦。據悉，識區是一款兼具RSS閱讀器與內容社群的“智慧閱讀宇宙”，使用者可透過關鍵詞規則、資訊訂閱源維度來訂閱所需要的資訊。在當時“演算法推薦”逐漸進入強監管的市場環境下，識區也是一款拋棄位元組跳動最知名的演算法、轉而採用人工決定內容的產品。
在識區這款APP裡，唯一有演算法痕跡的是位元組跳動為不同“區長”配備的自動抓取內容機器人，其可以在“區長”設定的規則下從位元組跳動旗下產品中抓取內容，還能夠透過新增RSS來擴寬內容的訂閱範圍。融合了貼吧、即刻、Clubhouse、豆瓣小組、微信公眾號等不同產品的長板於一爐，這也是當時識區給外界的初印象。
更妙的是，位元組跳動還為識區設計了邀請製作為冷啟動的策略之一，每位使用者當時只能生成3個邀請碼。彼時在諸多網路平臺上，識區確實曾出現了僅比Clubhouse稍遜一籌的“一碼難求”現象。但由此就有不少觀點認為，邀請制或許是識區最終關停的禍根之一。
但事實上，將邀請碼發放給核心的種子使用者，是有利於促進產生更多優質內容、並純化社群氛圍的，並且這也是在知乎已經得到驗證的事情。並且由於受限註冊模式的特殊性，推薦使用者與被邀請使用者之間的使用者畫像是較為重疊的，這也會使得增量使用者的轉化率和質量相對可控。
最為關鍵的是，透過人為製造的稀缺性，在網路中製造話題、勾起網友的好奇心，只要產品本身有一定的亮點，邀請制反而會成為一個相對較低成本的宣發方式。
當然，邀請制也並非沒有弊端，畢竟主動抬高門檻也不利於使用者的大規模增長。所以在通常情況下，除了某一些小眾產品外，大眾化平臺會在完成了一定的使用者積累後迅速開放註冊。特別是對於主打內容的產品來說，光靠少數精英的內容生產是很難支撐一個面向消費級市場的商業化產品的，其中典型的例子無疑就是Clubhouse。但在某種程度上，識區當時也犯了與Clubhouse一樣的錯誤。
早在2021年2月，Clubhouse迅速在全網走紅，但其直到同年7月末才開放註冊。同理，識區的問題也是邀請制持續的時間過長，導致了其除了一部分熱門區塊外，其他的冷門小眾區塊完全可以用門可羅雀來形容。但這對於一個主打興趣類閱讀，結合了社交與內容的產品來說，寥寥無幾的熱門區塊顯然無法支援RSS訂閱模式的穩定執行。
當然，邀請碼或許只是導致識區失敗的誘因，更深層的原因在於其完全放棄了演算法推薦機制。作為位元組跳動的底色，演算法推薦機制在圖文賽道鑄就了今日頭條，在短影片領域則成就了抖音。事實上，網際網路廠商基於大資料拿出的推薦演算法可以做到“比你還懂你自己”，也能夠讓使用者一直處於被自己感興趣的內容包裹的狀態、直到沉溺其中，並最終成為吞噬使用者時間的“黑洞”。
在《網際網路資訊服務演算法推薦管理規定》落地後，識區成為了位元組跳動打破此前內容推薦機制的一種嘗試，而內容篩選從演算法到人工，無疑走的是復古風。其中，演算法推薦的問題，就在於會基於使用者的個人興趣、社交關係、地理位置等資料，推薦與使用者偏好高度匹配的個性化內容，但長期處於單一資訊來源的情況下則會形成迴音室效應，並將自己桎梏於資訊繭房。
隨著時間的推移，使用者逐漸發現自己的每一次點選、每一次點贊，都反過來讓自己陷入了一葉障目不見泰山的境地，因此使用者群體的“覺醒”也導致演算法推薦在道德層面受到了一定的質疑。而響應使用者的這一呼聲，有許多網際網路廠商反過來將人工推薦重新拿了出來，選擇用專業人士來進行內容篩選工作。所以從某種意義上來說，識區真正的目標其實瞄準的可能是微信公眾號。
如今微信強推影片號、冷落影響力逐步下降的公眾號，已經成為了許多業內人士的觀點，以至於微信公眾號也不再被認為是適合內容創作者掘金的地方。而百家號、今日頭條等基於推薦演算法的平臺則缺乏私域能力，所以識區的出現，也被認為是直指微信在押注影片號的大方針下，被忽視的公眾號創作者群體。
然而遺憾的是，識區這一嘗試現在看來是已經失敗了。那麼問題出在哪呢？最初的邀請制在一定程度上限制了使用者規模的增長，而缺乏足夠的使用者基數、創作者當然無法棲息，而優質創作者的匱乏又導致了使用者沒有足夠的內容可供消費。畢竟現在已經不是十年前了，使用者面對的誘惑是巨大的，短影片、手遊、社交平臺等等，可供消磨時間的選擇實在太多。
究其原因，演算法推薦反映的是使用者的潛意識，但在相當多的時候大眾是庸俗的。演算法推薦幫助使用者解決了資訊過載問題，是一種資訊發現工具。對於網際網路廠商來說，推薦演算法實現了挖掘使用者需求並投其所好的作用，它的引入是以內容推送代替使用者的尋找，設計目的也是為了增加使用者尋找目標內容的效率。
因此識區的失敗從某種意義上來說，儼然證明了即便有部分使用者不滿推薦演算法，但沉默的大多數已經用實際行動選擇了演算法，而討好使用者、滿足使用者的演算法推薦，或許是比人工推薦更契合當下網際網路的內容篩選機制。
開啟App看更多精彩內容
