第七十三章 Robin的Quora初體驗

請關閉瀏覽器的閱讀/暢讀/小說模式並且關閉廣告遮蔽過濾功能，避免出現內容無法顯示或者段落錯亂。

“感謝@Jimmy Wales的邀請，作為Quora的創始人，我想我有必要來回答一下這個問題。

人們獲取知識的渠道在不斷地增加，最早是從老師那裡得到知識，後來是從書籍中獲取知識，到了現代，我們越來越多地依賴從網際網路上獲取知識，比如搜尋引擎。

在創辦拳頭電子社群後，我在上面看到大量的帖子都是玩家們關於遊戲的各類疑問，比如星際爭霸板塊經久不衰的帖子要屬於哪個種族強，以及各個種族如何開局是最佳開局。

包括我們推出的《植物大戰殭屍》裡也經常有新人提問，希望知道一些比較難的關卡要如何配置植物才能順利過關。

於是我萌發了一個想法，那就是能不能做一個專注於回答問題的社群，讓大家的知識在這裡交匯。

當我萌生這個想法後，我要挑選合作伙伴，我還有其他的公司，沒有這個精力來做這件事。當時我聽說矽谷有人和我有相似的想法，這個人就是@Jimmy Wales和@Lawrence Sanger。

他們試圖打造一個線上百科全書Nupedia來解決這個問題，但是Nupedia的進展緩慢，當我找到他們之後，他們在聽到我的想法後，認為知識問答社群是一個比線上百科全書能夠更好解決這個問題的方案。

於是在兩位加入後，Quora的開發進入到一個快車道。

使用者可以在Quora上提出問題、回答問題、編輯和評價問題和答案，也可以關注特定主題或其他使用者。

我們的特色是使用者可以對答案進行投票、評論和編輯，以確保高質量的內容被更多人看到。

並且Quora有嚴格的社群準則和管理措施來防止濫用和垃圾資訊。有拳頭電子社群的例子在前面，大家可以充分相信我們管理一個高素質社群的能力。

最後希望大家能夠在這裡玩得愉快。”

周新的回答獲得了數百個點贊，是該問題下面獲得贊同數最多的回答。

Robin覺得很有創意，“又是Newman的創意，在問題的下方可以選擇按照贊同數排序或者回答時間排序，既讓使用者看到高質量的回答，又能夠讓使用者看到最新的回答。

同時兼顧了二者的設計足夠巧妙。”

周新在回答裡提到的Jimmy Wales和Lawrence Sanger本來應該是wiki百科的創始人。

他們在搞wiki的前身，Nupedia百科，這是一個純粹以學術為導向的線上百科全書，全部由專家和學者來進行編寫，編寫後要經過嚴格的稽核和審校。

Nupedia可以看做是門檻沒那麼高的期刊，也正因如此，這項工作進展非常緩慢。

吉米威爾斯和拉里桑格二人感到挫敗感和懷疑，周新在找到他們之後，三人一拍即合，知識問答社群不僅能夠實現他們想做的事情，而且也有更高的商業價值。

至於二人知道周新的創意，會扔下週新自己搞，且不說Quora的網站框架和測試版都已經做出來了，他們另外單幹從時間上就落後了不少。

光是周新在矽谷的名望，從開始創業以來從來沒有失敗過，而且估值全都是以十億美元為單位。而且周新在矽谷的名聲很好，樂於分享股份，不管是最早的阿什利、斯蒂芬還是NewPay的馮路易斯、沃倫·詹森，可都分到了股份。

加上Quora的方向和線上百科全書重疊度很高，因此吉米·威爾斯和拉里·桑格幾乎沒有猶豫，當下就答應加入Quora。

對周新來說，二人創辦wiki百科就不說了，從能夠把wiki百科搞起來已經充分證明了他們的管理能力。

本來周新也打算把線上百科和Quora打包，做成一家企業，這兩者的使用者就是線上百科的免費勞動力。

更重要的在於，二人之前搞Nupedia，手上積累了大量學術界人脈關係。

周新認識的學術大佬全集中在積體電路領域，他們二人不同，認識的學術大佬遍佈所有領域。

加上拉里·桑格大學期間搞過一個郵件列表伺服器，為有輔導需求的學生與導師建立溝通平臺，以此建立論壇，用來提供個性化輔導課程、個性化輔導的方式。

透過這個服務他在大學生群體裡也有一定的影響力。

周新對Quora的規劃，就是初期使用者以學生群體和大學教授群體為主，其次是矽谷的網際網路從業人員和網際網路大佬們。

視角回到Robin身上，作為紐約州立大學的計算機碩士，早期的Robin對技術很關注，他進入計算機這個細分領域下之後發現，裡面的問題五花八門。

“DSL服務模式為什麼會比傳統的撥號連線方式更快？”

“我是一名計算機專業的大一學生，但是我絲毫沒有從計算機學習中體會到樂趣，我該怎麼辦？”

當然也有很專業的問題，比如“PageRank演算法的優勢在哪裡？”

“PageRank演算法為搜尋引擎的排名演算法提供了一種全新的思路。

我們在設計這個演算法的時候主要考慮了連結的質量和數量，並利用這些連結之間的關係構建了網頁之間的連結圖譜，從而對網頁進行排序。

我們為超連結文件集的每個元素分配一個數值權重，目的是“衡量”其在集合中的相對重要性。該演算法可以應用於任何具有相互引用和引用的實體集合。它分配給任何給定元素E的數值權重稱為E的PageRank，表示為PR（E）。

PageRank源自基於webgraph的數學演算法，該演算法由所有全球資訊網頁面作為節點和超連結作為邊建立，並考慮了cnn.com或mayoclinic.org等權威中心。排名值指示特定頁面的重要性。指向頁面的超連結算作支援票。頁面的PageRank是遞迴定義的，取決於連結到它的所有頁面（“傳入連結”）的數量和PageRank指標。由許多具有高PageRank的頁面連結到的頁面本身會獲得高排名……”

這篇回答就相當專業，Robin看了眼回答者的ID，謝爾蓋·布林。

同行是冤家，Robin知道對方，大家都是搞搜尋引擎的，而且他們的PageRank演算法和他發明的演算法非常相似。

Robin為IDD做的站點評分演算法是最早利用超連結衡量搜尋質量的演算法。

Robin忍不住也在下面寫起了回答：“PageRank有借鑑Rankdex站點評分演算法的地方……”