（2) 基于少数专家公信力

专家公信力榜单在榜单具体判定规则上对应评审团机制。

专家定夺的关键不在于专家的数量，在于专家的公信力，对于长尾用户来说，某一垂直领域的专家对其的感知并不强烈（即大部分用户不了解专家本身），更关注专家的头衔信息。所以在资源一定的情况下可以考虑，引入更多看似专业的人对游戏进行评价。同时需具有一定的评价标准。

3. 榜单的价值

我把榜单的价值区分为IP价值和一般价值。

（1) IP价值

判断榜单是否具有IP价值的一个关键点是，是否能同时拉动供给和消费用户两方。同时为两方创造比较大的价值。比如：

①豆瓣的书音影榜单，在其行业具备极大影响力，供给方（电影方）可能会因为瓣榜单的电影排名导致电影票房的大幅度涨跌；消费用户可能会因为豆瓣榜单中的排名而选择是否观看电影。

② 微博热搜，能直接影响某社会事件的舆论发展，进而影响消费用户的心智、以及内容当事人的行为。

（2) 一般价值

一般价值分为两点：

①对IP价值的弱化：对供给双方存在一定的价值，但尚未达成行业共识、形成巨大影响的榜单内容，这是目前大多数产品中榜单的价值，即为供给方提供内容展示的渠道，为消费者提供一定公信力的筛选/排序，但并未上升到对供给双方的强影响；或仅对供给角色中某一方提供一定的价值。

② 竞争关系：在实际榜单的消费环境下，榜单内容的供给双方都会在利益、心理层面产生一定竞争关系。比较典型的比如之前“饭圈”中的打榜机制，榜单的内容主体是明星本人（也就是供给方），其在榜单中的排名数据会直接影响其在粉丝圈的传播度，进而影响利益；而粉丝群体（即内容消费者）会因为所支持的明星进入榜单而产生心理的优越感，进而影响其消费活动。

二、榜单构建流程

以上主要是依据我对榜单产品的自己的理解，对榜单产品进行的形态定义。

我们在实际进行榜单产品建设的时候可以依据之前的形态定义，对榜单建设的流程和相关策略进行参考指导。

虽然榜单在大多数情况下，都只作为产品的子功能出现，但其整体的从0-1的功能建设流程其实和产品设计流程基本可以保持一致。

我把整个榜单的建设流程定义为定义、策略设计、表现设计三个部分：

1. 定义层

我们在对榜单进行设计的时候，首先要明确榜单所依附的主体是什么？如果榜单本身就是主体，那第一步需要明确榜单是要做全品类、还是垂直品类？侧重的垂直品类是哪些？….

其实就是对榜单进行设计前合理的定位分析。

经典商业类书籍《定位》中，对定位分析的进行了概括式的总结，并且从目前主流产品的发展历程来看，在早期定位过程中基本都遵循了该流程：

1. 分析整个外部环境，圈定竞争对手是谁，竞争对手的价值，
2. 避开对手在顾客心中的强势；利用对方的弱势，确定自己的定位（大资本条件下，可以不考虑）,
3. 为定位寻找可靠证明、信任状,
4. 将定位整合至团队的方方面面，将定位植入用户心智。

概括一下，整个流程可以简化看作为：确定市场环境——>寻找价值点——>证明价值点——>落实价值点。

在我们进行榜单设计之前，也可以按照这四个流程对榜单进行合理的定位。

就比如我们要去做一个饮料行业的榜单：

（1）那我们首先要去看，市场上有没有类似垂直于饮料行业的榜单？假如有，它主要偏向于哪个品类；在这个品类中价值如何。

在判断产品当前价值的时候也有一定策略可循（判断价值需要从供给两端进行分析，一般从消费端入手，方便进行数据采集）：

消费端：

① 受众规模预估：这里一般以专业的第三方数据资源为准；其次是专业的数据采集工具；最后是通过其他数据间接进行预估（假如实际采集的数据更多以产品整个流量数据，我们可以通过常见的漏斗数据分析思路对榜单功能模块的流量进行预估）。

② 用户心智判断：这里常见且可信度最高的判断方式是进行一定的用户分析（用户分析的路径遵循：简单用户数据采集；目标用户定性访谈；范围内用户定量验证；人群特征总结。在这个过程中如果访谈用户的规模较大的话，可以考虑不去做定量的数据验证，因为我们可以在后期数据量充足的情况下再去功能迭代）。

供给端：

③ 商业价值判断：在这里我们可以仅做简单的采集分析，了解当前功能表现层可以观测到的商业行为即可，比如：观察某一个榜单中是否具有商业广告位，如果已经具有成熟的商业广告位，且广告位存在一定的客户，那么我们可以判断该功能已经有了一定的商业价值，至于商业价值的大小通过流=流量指标简单预估即可。

（2）在充分了解市场之后，我们接着要去做的是寻找我们当前团队/产品能最大输出价值的点是什么，即我们当前的优势。

在判断自己当前优势的时候，我当前尚未总结出很好的方法流程，但我认为在涉及到此类差异价值判断时，对比法可能是比较好用的方法。比如在这里我会首先选品（选品方面不一定要非要带有榜单模块），然后针对目标产品尽可能细的拆分维度进行对比分析（比如：我们是一个饮品社区，从日常调研发现，目前奶茶消费市场的增量规模较大，社区准备新增一个奶茶类榜单，需要了解，哪些产品中已经做了奶茶榜单；从品类本身，选品中涉及到的奶茶品类有多少、奶茶相关的ugc内容量有多少等等）。

（3）第三点其实是为第二点内容在找证据，也就是证明你确实有这样的优势。这部分内容和第二部分内容可以并行去做。

（4）第四点可以理解为功能的目标感。对于平台方来说，之前流程中定义的优势点就是我们需要在后期产品设计、运营中围绕去做的方向，通过核心方向也可以延伸出功能当前的核心指标。

对于消费用户来说，我们定义的核心优势，应该是用户能真正感受到价值的点（比如：体育社区中各队伍的比赛数据榜单，切中的就是用户了解球队当前成绩这样一个刚需，给用户带来了价值）。

案例 ：

在这里以淘票票作为案例对其优势进行简单拆解（需要确定优势的对比维度）：

• 票务业务——价格信息——价格涨跌趋势
• 背靠阿里大量用户——用户数据——销量数据、用户评价数据、用户的消费后评价习惯
• 行业头部——用户心智——用户使用习惯、上下链路数据、专家评价数据、影院相关资源数据
• 大资本——行业资源——上下链路数据、专家评价数据、影院相关资源数据

总结一下，从淘票票本身角度来看，其产品在价格信息、用户、行业、资本方面都具备一定的优势，尤其在用户消费后的评价习惯方面具有历史优势，所以我们在进行榜单设计的时候，可以考虑从这些方面衍生的内容进行入手。

其在票务方面的主要竞品猫眼背靠美团，同样在这些方面具有一定的竞争实力，但猫眼在榜单方面的侧重点十分明确，弱化用户评价相关类型榜单，强化效果数据相关的榜单内容，从而扬长避短形成优势。

2. 策略层

策略层是榜单建设最为重要的一环，直接决定了榜单的公信力和实际效果在完成定义层对产品当前具有的优势进行分析之后，我们大概能了解在我们现有资源下我们能给消费用户提供价值最为有效的方式是哪些。

榜单策略设计流程：

（1）榜单的评价机制

根据之前的定义，我们需要选择榜单的基础评价机制是什么。

在之前榜单的分类中有提到，当前榜单最基础的评价机制包括两类：基于大量一般数据的趋势榜单；基于专家公信力背书的专家榜单。

① 评审团机制

该机制下，内容通常由少数专业性质的人员进行评选审核，得出数据结论，最终形成榜单。

评审过程中大多数消费用户对具体评价人的感知并不强烈，对于大多数消费用户来说，更多的是对评价人自身title的感知（可以理解为，大多数消费用户并不了解行业头部的专业人士，而专业人士的职业标签更能被用户直观的接受）。

② 大众评审机制

大众评审机制，主要是通过对大量大众用户产生的行为数据进行汇总，进而形成榜单。

大众评审机制的前提条件是，需要有足够量级的数据样本，不然通过大众评审产出的数据结论存在数据结论失真、可信度不高的情况（主要因为大众用户的行业知识储备参差不齐，无法保证评价数据的真实价值性）。

（2）榜单的主体

在选择完成基础的评价机制之后，我们需要承载这些内容的一个载体，也就是榜单主体。在这个过程中，我们需要确定我们到底设计哪些维度的榜单。当前主流榜单的设计维度，在之前的榜单分类中也有提到。

在进行具体策略设计的时候，其实可以结合具体榜单的内容主体更加细分：比如面向用户的不同使用场景，基于榜单的评价机制等等。

因为各种内容主体榜单的细分维度存在一定程度的差异，所以我们在这里以“淘票票”具体的案例进行讲解：

淘票票：

从图上可以看到，淘票票的评价机制包含了专家评审和大众评审两种方式，其中在榜单类型上，淘票票是比较典型的“基于大量数据”进行排序的榜单，我们可以把这类，当前其榜单类型分为了5大类，分别是：

• 一周票房榜（7日热映电影内地票房降序）
• 新片想看榜（2个月内地定档影片想看人数降序）
• 热映口碑榜（上映30日内电影评分降序）
• 预告片热播榜（7日影片预告播放量降序）
• 热评影片榜（上映30日内影片累计影评降序）
• 影史高分榜（影史电影淘票票评分降序）

所以单从分类中通用的细分维度来看，当前淘票票中榜单的类型对应到之前的分类中，可以看作为：

• 一周票房榜（时间+效果数据）：当前时间段下的大众点评数据榜单
• 新片想看榜（时间+（品类）+效果数据）：未来一段时间内大众期待数据榜单
• 热映口碑榜（时间+（品类）+评价数据）：最近一段时间内用户评价数据榜单
• 预告片热播榜（时间+（品类）+效果数据）：当前时间段下用户预告片播放数据榜单
• 热评影片榜（时间+效果数据）：最近一段时间内影片评价数量榜单
• 影史高分榜（评价数据）：全时间段&全品类影片用户评价数据榜单

比较明显的是：

问题1：“有哪些榜单？”

① 当前淘票票中的榜单大多以时间为主维度去划分榜单，在此之上可能会对某些以时间为主维度的榜单基础上增加一些品类元素（比如：在新片想看榜中，我们其实可以把“新片”看做电影的一种弱品类，但它不像类似“悬疑”“科幻”这样的品类那么直接），所以在具体的榜单划分中，通常不会严格的按照“榜单维度：时间/品类”——“决策数据：评论数据/效果数据”进行划分。

通常会根据实际情况，产品中的“榜单维度”可能会根据实际情况对“时间和品类”取并集，以达到为消费用户提供最好的决策效果的目的；但对于榜单中用于决策的数据指标，在大多数榜单中往往是唯一的，这在实际的榜单设计中是应该特别注意的。

假如你想让用户通过电影的销售数据去了解当前的电影质量，那么榜单中的决策数据指标就应该是直接相关的票房数据，而不是将票房数据、评价数据同时展示在一个榜单中，这样会引起用户的歧义（到底是以哪个数据指标进行排序的）。

② 在榜单的具体类型上，一些面向全品类&全时间段的榜单，可以直接确定其“决策数据指标”，比如淘票票中的“影史高分榜”、猫眼中的“电影票房榜”。

问题2：“为什么会有这些榜单？”

③ 以上总结的内容其实更多的是淘票票目前用到了哪些分类榜单。但至于产品为什么会有这些榜单其实并没能体现。

解决这个问题我们可以从“电影的上映状态”角度去看，我们可以把电影的上映状态分为三个阶段“上映前”“上映中”“上映后”。

那么很明显的是，上映前的榜单主要通过“用户想看”“预告片观看数据”两个大众观影前期待数据指标去进行榜单建设，对应的需求就是满足消费用户提前发现好的线下电影。

上映中榜单主要通过“电影的实时销量”“电影的实时口碑”“电影的实时评价数量”这些大众观影后数据去进行榜单建设。其对应的需求场景就是通过数据去协助用户决策选择哪个线下电影。

上映后榜单，主要面向的需求场景就是通过用户评价数据去协助用户决策选择哪个线上电影。

在实际的产品榜单设计中，对于类似电影这样的“内容消费品”大多可以根据用户的消费阶段去确定具体的榜单类型，但同时也需要确定当前产品的核心业务到底偏向于哪个场景。

在以上三种场景中，淘票票的榜单无论是在榜单数量，还是在榜单的交互优先级上都偏向于“电影上映中”这个状态，这和淘票票本身以“票务服务”为核心业务的产品策略有关，榜单主要希望达成的目的也是协助用户进行消费决策，促进用户在产品中的消费行为。

（3）榜单内容的分发策略

关于榜单的分发策略，可以通俗的定义为消费用户可以在产品哪些地方看到榜单相关信息，也就是用户接触榜单的触点。

对于用户来说，在不同的场景下，用户触达榜单的流程也会有相应的不同，所以我们可以从用户实际使用榜单的场景出发去设计分发策略，通常情况下用户使用榜单包括三种场景：

① 直接访问榜单

在该场景下，用户的核心目的就是访问榜单、在榜单中筛选寻找合适的内容。那我们可以对该场景下用户的核心业务流程进行提炼（目的：寻找合适的内容；流程起点：榜单页；流程终点：寻找到合适的内容/放弃寻找内容）。

② 间接访问榜单

该场景下，榜单对消费用户的作用更多的是安利向。即消费用户在完成核心业务过程中的某个节点，被动发现了榜单模块，然后被榜单模块相关的数据信息所吸引，从而中断之前的业务流程，开始新的业务流程。

怎么理解？比如：消费用户在使用淘宝，他此时的核心目的是为女朋友选择一件合适的礼物（那么这个流程的一般路径为“自己在大脑中产生需求模型——>点击搜索区域——>输出目标检索词——>点击搜索——>展示结果——>主观筛选——>产生购买结果”），此时他发现了平台在其搜索节点页面展示的一个“精品生日礼物榜单”，用户被榜单中相关的内容所吸引，便停止搜索内容，点击并进入榜单详情。

③ 交易决策场景

在该场景下，用户的消费主体往往不是榜单本身，榜单内容此时更多的作为内容主体的关键信息字段出现。此时榜单主体对于消费内容主体来说，可以看做为类似中台性质的信息数据支撑。

比如：用户在美团中进行外卖的选择，其此时消费的内容主体是商铺本身，那用户从浏览商铺信息，到完成决策点击进入商铺，这整个过程其实就是用户对于商铺内容信息的甄选过程。

在这个过程中单纯的商铺名称肯定不足以让大多数用户很好的完成决策，那此时平台就会提供更多的商品信息以帮助用户进行更好的消费决策，这其中就会包括，商铺的销量信息、商品内的商品信息、用户的精选评价、商铺是否进入某榜单等等。

在这个过程中，内容主体就可能会从榜单数据库中拿出相应的榜单信息，以作为用户进行决策的依据。所以对应到榜单内容的分发策略上，通常也有：

• 作为业务（内容）的入口：给用户提供筛选后的高能量密度内容的入口。
• 作为安利墙：为用户提供一个被动发现精品内容的入口。
• 作为内容主体的信息支撑：帮助用户进行决策，作为协助用户进行决策的一个触点出现（这个触点不等同于榜单入口，此时更偏向于主体内容的一个关键字段）。

3. 表现层

（1）标品与非标品类榜单

目前榜单在内容表现上有两个大的类比，标品榜单和非标榜单，其区别在于是否对榜单中的内容进行具体的数字排序。

①标品榜单

何为标品榜单？我把带有具体排名数据的榜单定义为标品榜单，例如猫眼、豆瓣、大麦等等。

这类产品的特点是消费主体选择决策差距不大，比如电影的价格浮动区间就是那个范围，非极端情况下，用户不太会因为商品的价格而影响用户的决策。

此时对商品按照某些维度进行价值排序，促进用户进行消费决策的积极作用是大于消极作用的。

②非标类榜单

非标类榜单指的就是未对榜单中内容进行排名的榜单，例如米其林榜单、大众点评的必吃榜等等。

这类榜单的她点是入选内容受时间，空间，价格的限制，强化排名概念会反噬用户，用户使用场景受限，榜单在用户价值降低。

比如，大众点评中的榜单，假如单纯的对某一大地区的榜单进行标准排名，用户在实际选择的时候，可能会出现类似榜单中内容全部都是距离比较远的店铺，而附近的店铺都未能排在榜单靠前的位置，从而导致用户失去消费的兴趣。所以在这种大地缘范围场景下，非标类榜单就更能为供给双方带来价值。

同时评审团机制下的榜单，大多采用非标类榜单的设计，这其中存在的原因有几点：评审团机制下筛选出来的内容大多质量偏高；同时评审团的评价量级不大，对评审团取综合分数，可能会受到其中极值的影响。所以评审团机制下的榜单更多的采用分层式的设计，即给某一评分区间的内容划分至同一评价层。

（2）榜单的表现形式

对于一般榜单表现层相关的内容，在这里不做详细的拆分，仅对相关页面的关键信息内容进行描述，先通过消费用户使用榜单的流程来看看用户在相关流程中需要访问的层级页面。

一般消费用户榜单最长使用流程：

在消费榜单内容过程中，一般情况下流程中涉及到交互的页面有三个：榜单入口、榜单列表页、榜单详情页。

所以对应到榜单表现层设计，需要去进行设计考虑一般有着三个页面。

部分产品在进行产品设计时，会在对以上流程根据产品自身的条件进行一定的优化（体现在流程上可能是增加、也可能是减少），这也导致实际产品中榜单的表现层会有所不同。

① 榜单入口

产品中常见的榜单入口有两种，一种是常规在某一级页面提供榜单功能入口；另一种是将榜单信息依附于其主体内容，同时提供榜单入口。

主要说第二种入口，第二种入口主要服务于之前说到的用户决策场景，将榜单信息作为主体内容的一信息字段进行展示。该类入口在信息表现上注重于简短，直接体现关键信息即可，一般为“榜单名称+排名”，某些品类比较细分的榜单可能会提供如“地区/时间..+榜单名称+排名”的情况。

② 榜单列表页

榜单列表页的主要作用是为消费用户提供榜单的品类筛选。目前较为常见的榜单列表以卡片式设计为主，同时在卡片基础之上提供“微榜单”内容的展示。

此处“微榜单”相关设计实际是对用户行为的一种引导，通过部分榜单数据的展示提起用户的浏览兴趣，进而更好地促进用户进入榜单详情页。

该页面展示的关键信息主要分为两大块：榜单的品类；微榜单相关的数据字段。

③ 榜单详情页

这里需要注意的是，目前大多数品类产品的榜单模块未设计专门的榜单列表页，更多的是在榜单详情页中增加条件筛选功能。

相关关键信息字段：

三、小结

从榜单本身的性质来看，榜单在产品展现层面的可设计性并不强，只要结合实际使用场景将关键信息准确的展出即可（其他的交给快乐的UI、UE0.0）。

榜单的本质还是其内容，其产品层面的设计性主要集中在“定义”和“策略设计”两个过程中：如何去定义自身产品的优劣势？选择什么样的评价机制最合适当前产品？

怎么结合产品自身发展的优劣势去确定榜单的品类？怎么对内容恰当的分发进而产出榜单内容最大的价值？ 这些才是在进行榜单产品可设计性的体现，也是应该深度思考的内容。

作者：柏林；公众号：浅入深处