从 4 个角度，聊聊长尾效应是如何帮助产品进行提升的

编者按： 长尾效应不是一个陌生的词汇。长尾效应（The Long Tail）最初是由连线杂志总编 Chris Anderson 在 2004 年发布于连线杂志中。这个词反映的是网站、产品、商业模式中经常被忽略的量小、品类多、但是总量巨大的「被忽略的部分」，而在互联网和数字产品领域，这个现象尤其明显，而且这也正好处于上一篇文章所探讨的「 帕累托原则」所「忽略」的部分。今天这篇文章同样来自著名的 NNGroup，详细探讨一下，在数字产品的领域，如何借助长尾效应发现新的机遇。

在很长一段时间一来，大家在生活中获得信息的渠道是相对固定的。你需要去品牌门店浏览新出的衣服款式，去书店查看新到货的图书。而你了解一个新乐队的方式，则通常是借助广播，去参加演唱会，去买磁带或者CD 的时候听到店员的介绍或者从海报上看到，又或者你会有那么一两个品味不错或者有小众音乐口味的朋友，听他们介绍。大家对于信息的了解方式，渠道，其实总体上是多样，但是相对固定的。而这些也可以很好的反映到销售数据当中。

当你查看销售数据的时候，你会发现它们通常是符合幂律分布的。也就是说，少量处于主导地位的头部产品明显占了大头，而大量的销量较低的产品则占据了长尾。

长尾的定义，通常指的是符合幂律分布靠近尾部的数据总量。长尾效应迷人的地方在于，这些数量庞道销量稀少的产品或者项目，实际累积的总量其实代表着极其巨大的综合收益。

随着时间的推移，一般位于头部的条目或者产品会发生变化，随着新内容的增加，长尾部分的内容和商品也会增加和延伸，而这种延伸通常会让这些销量较少的商品或者内容的总额在总体里占据更大的份额，变的更加重要。

在数字革命到来之前，由于商品在获取、销售、分发等环节都受到严格的物理和经济条件的限制，企业需要在一切开始之前尽可能准确预测哪些商品更好卖，促使企业瞄准更广阔的市场，希望借助更靠近头部、权重更高的商品，来确保整体销量。

流行的商品会随着正反馈循环而更加容易变成爆款（也就是「成功孕育成功」效应），而爆款的诞生相应地会将更多的其他商品推到长尾的位置。社交媒体其实也非常类似，名人会拥有更多更好的人脉，也会比绝大多数用户更容易积攒人脉，更快获得资源，而这些则归功于之前已有的人脉和资源的迭代。

在 2000 年之后，电子商务革命出现，连线杂志记者 Chris Anderson 观察到亚马逊、网飞、iTunes 等数字平台更容易从长尾当中获益……因为他们更不容易受到物理的限制，他由一系列的 案例推导出这样的一个结论：在线渠道可以将长尾内更加晦涩小众的内容和产品推送到全球用户的面前。充分利用长尾的战略就意味着，尽管单个商品和项目覆盖的用户数量不多，但是这类商品的总量非常之大，为广阔的用户群体提供服务是非常可行的。

这种长尾效应在互联网和数字产品领域更加明显：

• 在电子商务和社交媒体领域带来更多收入

• 推动流量发展并且降低 营销成本

• 提升网站和APP的整体影响力

• 提升机器学习的准确率

提升电子商务和社交媒体的收入

在 Anderson 提出长尾效应之后的几十年当中，物流、搜索、网络托管、需求预测、电子商务等领域都有着稳步的增长，并且有所创新。这些领域的改进让很多企业逐渐将对于爆款产品的关注度，一部分转移到对于多样性、定制化和内容的创建。许多网站和 APP 会允许用户对产品本身进行自定义的设置。Youtube 和 Instagram 等社交媒体平台依靠用户来贡献长尾内容，亚马逊、天猫等在线购物平台则通过强大的搜索和过滤功能来汇集上百万不同品类的商品。

不过，长尾策略在电商和社交媒体上仅适用于：

• 帮助用过成功找到、定制、购买相对小众的需求和商品

• 帮助用户更快速、成功地参与到内容创作中

不过，为了对这些需求进行支撑，UX 团队必须监控整个信息架构、搜索结果，做好用户引导，了解自定义工作流的各种可能性，与产品部门合作，调整产品路线图，努力将这些功能融入到产品核心，而不仅仅用于实施新的功能。

让 用户体验设计更好创造收益的要点：

• 增强内容的可检索性和可发现性，并基于此来完善信息架构和导航

• 提高搜索功能的可用性，帮助用户可以筛选到更加适合他们的特定产品

• 对产品定制工作流程进行定性可用性测试，确保用户可以自定义出更加独特有针对性的产品

• 使用定量可用性分析对内容创建流程进行基准测试，以监控效率

• 通过上下文帮助帮助用户更快契合整体用户体验，从而简化用户引导

• 使用「电商最佳实践」来检查现有的设计，按照今天的标准，绝大多数的电商工作流程都有改进的余地

提升流量降低营销成本

绝大多数的网络搜索结果都不成比例的一小部分热门关键词所带来。

长尾效应在 搜索引擎优化（SEO）和搜索引擎音效（SEM）中同样有着不小的影响力。确实会有一部分关键词不成比例地获得大量的查询，而另外一部分大量关键词则共同构成网站搜索结果的长尾。不幸的地方在于，激烈的竞争会导致流行的关键词的广告成本会极具增高，而使用多个长尾关键词能够有效地减少竞争，降低广告成本，并且能够满足用户的特定需求。

UX 和营销团队可以共同努力来挖掘长尾关键词的价值，来吸引和留下用户。通过研究用户习惯和个性化的需求，和市场部门协同，对用户提供量身定制的内容，控制成本也更加精准。

• 通过分析站点的搜索日志来获取用户的长尾关键词

• 通过用户做定性研究，揭示企业如何针对拥有特定兴趣的用户进行研究

• 使用更优质的内容策略来贴合搜索引擎，从而获得更高的排名

降低网站延迟的影响

大多数的页面请求和页面加载时间有直接的关联，当整个网站流量非常大的时候，相对较慢的长尾请求会增加用户流失，会减少收入。

网站的延迟状况也同样会呈现出长尾的模式，尽管网站的响应时长和请求数量有直接的关联，但是性能不佳的页面积累的长尾，会转化成大量的用户损失，会直接影响到网站的收益。

建议设计团队和 IT 部门合作，优先考虑降低整体的延迟。通过服务器优化或者服务器升级的方式来提升网站的整体响应能力，这可能比起实验性的设计方案，能带来更多的收益。

解决延迟提升UX的策略：

• 借助网站分析工具，检查网站的响应速度，并且注意到页面加载中的速率的异常值

• 监控用户的信息反馈渠道，搜集整理各种问题的报告。请记住，反馈并不代表着只有这几个问题，因为有大量的用户面对糟糕的体验的时候，会选择直接离开，而不是反馈。

提高机器学习的准确性

降低算法的错误率，既需要常见的范例，也需要罕见的案例，并且两者构成的训练集要尽可能多。

长尾数据在机器学习的训练集当中有着重要的作用。机器学习需要大量的数据来培训 AI，并且在这些数据的基础上构建出更加准确的模型，来预测未来。项目早期，公司可以使用公开的数据集来培训 AI，这种数据容易获得，也足够经济。但是随着准确度要求的提升，想要继续减少 AI 失误的概率，就涉及到越来越多的罕见和不寻常的案例，而这些就属于长尾的数据了。

不够准确的 AI 是会逐步遭到用户拒绝抵触的。这种情况下，长尾数据的重要性就不言而喻了。但是，想要获得长尾数据是一项重要的挑战。这个时候， UX 设计师需要和数据科学部门的同事通力合作，共同部署和设计出优质的测试环境——尽量减少用户提供训练数据时候的不佳状态，让用户信任，不被无关因素影响，更加专注于提供帮助 AI 提升的数据，而不是被咄咄逼人的数据搜集需求而影响。实际上，设计师是需要提醒数据专家们，用户始终的需求核心是达成目标，而不是为他们训练模型——非入侵式的数据搜集就是关键。

• 这个时候，用户体验设计的价值主要体现在：

• 遵循推荐系统的最佳实践，推动平台的长尾内容的发现和用户参与度

• 随着时间推移，尽可能和用户之间建立起信任，以合适的方式提升搜集数据的准确度，在新用户引导阶段，尽量不要提出请求获取个人数据的需求。

• 当机器学习的准确度因为数据不足而无法做得足够好的时候，尽量借助设计和文案来维持和用户之间的信任感。

• 参与定性研究，了解用户对于机器学习的实用性的看法。

• 通过降低用户向系统提交反馈的交互成本，来更快更好获得有效的用户反馈。

• 用户完成任务的时候，通过更优秀的识别机制来进行判断，跟踪用户行为，来增强隐式的数据搜集。

帕累托原则和长尾效应有矛盾吗？

关于帕累托原则，这篇文章有足够详细深入的探讨。一般而言，帕累托原则关注的是结果当中80%的部分，而非额外的 20%，这主要是因为它的使用场景是时间紧迫和资源稀缺的时候。

这两个概念和功能是完全不冲突的，两者可以协同共同制定短期和长期的策略。而主要的区别在于，两者能够帮你筛选出你当前需要关注的不同类型的项目类型，到底是影响大局的少数几个，还是大量的长尾部分。相比之下，大量的长尾小项目确实能够带来足够大的影响，但是其中的单个个体其实并不那么重要，所以它们需要视作为一个整体来进行处理。

结论

长尾理论对于对于业务、营销、落地实施以及机器学习人工智能而言，都是不可或缺的重要组成部分和战略契机。但是值得注意的是，单个设计师和 UX 团队是无法单独处理长尾问题的，需要抓住契机和其他的部门通力合作，才能制作出经济且极具延展性的解决方案。