精选推荐网络增长
解决什么问题
平台想做内容/创作者发现(discovery)来驱动网络增长,默认方案是算法推荐("根据你的阅读习惯,平台推荐这些"),但算法推荐会侵蚀创作者对自己受众体验的控制权。有没有既能驱动增长、又不破坏平台核心原则的替代设计?
核心内容
Substack Recommendations 功能的完整设计逻辑与结果:
起点:观察到有机行为。读者本来就在"通过某个作者的视角"发现其他 Substack——客串投稿(guest post)、评论区点开他人主页看 ta 订阅了什么。团队意识到供给侧(作者)已积累到足够规模,跨作者的"交叉授粉"发现循环会非常强大。
关键设计抉择。最显然的方案是学 Facebook 的 PYMK(People You May Know)——那个小组件曾驱动 Facebook 早期非常可观的增长——做算法化的"你可能喜欢的 Substack"。但按"把作者放在掌控位、把读者放在掌控位"的控制原则检验:算法单元插进作者的文章或邮件里,作者就失去了对自己提供给读者的体验的控制。于是回到画板:最大化作者控制权的最简版本是什么?——直接问作者"你推荐谁",把答案放进订阅流程里。读者订阅 A 后,看到 A 亲自挑选的推荐列表,没有算法参与。
CEO 的合理质疑与结果。Chris Best 最初的怀疑不是方向错了,而是链条太长:要作者主动 opt-in、要选出好的推荐对象、要有足够曝光面……每一环都可能掉链子。实际上线后起飞速度远超预期,原因之一是内建了一个**"善意病毒循环(goodwill viral loop)"**:你推荐别人时,对方会收到"Lenny 正在推荐你,他已经给你带来了这些读者"的邮件——被推荐者有强烈动机也来推荐别人。
量化结果(2022 年时点):该功能已带来数百万新订阅,惠及数万作者;全平台超过 1/3 的新订阅来自 Substack 网络,约 1/10 的付费订阅也来自网络;Lenny 本人 70% 的增长来自这一个功能,且新订阅者的质量(打开率)只有轻微下降。
发布方式(build with writers):没有直接全量上线,而是先 mock 原型找 10 个作者聊,再跑小范围 pilot,后来固化成常设的"Product Lab"(邀请制、约百名作者的前沿反馈群)。最终上线的版本往往与最初设想差别很大。
适用边界
这个设计的前提是供给侧(创作者)之间存在真实的互相欣赏与推荐意愿,且平台的订阅是"重决策"(costly signal)而非轻量关注——订阅意味着"授予对方写入你大脑的权限",所以人工策展的信任传递才有效。对以算法分发为核心、关注行为极轻的平台(如短视频流),照搬人工策展未必成立。低意图担忧被实证削弱但并未消失:推荐带来的订阅者意图确实略低,需要后续转化设计(如免费转付费的 upsell)承接。
关键引述 · 原话
"More than one in three new subscriptions across Substack are coming from the Substack network and around one in 10 paid subscriptions now too." — Sachin Monga
"If someone is subscribed to you, they're granting you write access to their brain... What that means is not just 'I'll let you write your one long form thing once a week,' but 'hey, you've got this other person that you think might have something interesting to say? Cool, let me know.'" — Sachin Monga
关联卡片
是《control-principle-prioritization》原则的最佳落地案例;与 Facebook PYMK 形成"算法发现 vs 策展发现"的对照;"build with writers"的 pilot 方法可独立复用为面向高价值用户的功能验证流程。
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2