文章从100篇增加到300篇、1000篇，并不代表媒体体验自然变好了。
最糟糕的情况是：只是仓库变大了。
好文章埋在后面的纸箱里，入口永远摆着同样的热门内容，不主动搜索就几乎无法发现其他文章。
因此，更好的思维模型是：
网站不是存储空间，而是一家商店。
首页是门面，主题是专区，搜索是店员，文章卡片是货架标签，相关文章指向下一排货架。看看客人走到哪里，好的商品没人发现，就换个摆法。
理想的商店不会故意让顾客远离出口。
需要一个答案的人可以马上找到；想逛的人可以继续逛；离开后还有值得回来的理由；系统还能学习哪些内容没有被找到，让货架越来越合理。
这就是 发现 → 阅读 → 产生下一个兴趣 → 再访 → 自动改进 的循环。
1. 比起停留多久，更要看有没有找到想要的
把PV和停留时间直接当成目标很危险。
一个人在30秒内得到一句准确答案然后离开，数字上可能显得“弱”，但体验可能非常成功。
另一个人因为找不到答案在五个页面之间乱转，会贡献五个PV，但实际上只是迷路了五次。
原文章参考的Google HEART方法，也把是否满意、是否常用、有无新用户、是否再回来、是否完成目的分开看。先决定要帮人做到什么，再选择能看出结果的反应和数字。[1]
所以在庆祝“每次访问页数增加”之前，要区分：
- 是否完成目标
- 是否有有趣发现
- 是否找到合理的下一步
- 是否愿意再次使用
真正值得增加的是 有价值的发现次数。
PV作为结果增长很好；如果PV本身变成毒品，最后就会造出一座没有出口的购物中心。
2. 发现——人跟随的不是链接数量，而是信息气味
原文章参考的信息搜索研究认为，人会根据眼前的线索，判断哪里可能有自己想要的信息，再决定往哪里找。[2]
在网页上，这些线索形成“信息气味”。
只写“工作”“AI”“生活”的卡片能告诉你分类，却不能告诉你点进去会得到什么。
“如何在不破坏关系的情况下拒绝请求”就能让用户预测点击后的价值。
因此，发现质量取决于标题、描述、主题、用户当下情境和预期收益是否一致，而不是链接越多越好。
原文章参考的Google指南也建议重要页面应该从站内其他页面获得可抓取链接，并使用具体、相关的锚文本；同时明确表示不存在“每页理想链接数”这样的魔法数字。[3]
想让所有文章都可被发现，不代表要把所有商品堆到收银台前。
3. 阅读——不要把所有文章塞进同一个模板
“5秒给结论”对某些内容很好，对所有内容都这么做则会毁掉阅读体验。
故障排除、手续、价格比较、设置指南通常适合先给答案。
但体验记录、观察、文化、旅行、叙事分析的价值可能就在过程本身。
应按内容类型定义读者任务：
- 找答案：尽早给出答案、条件和做法。
- 做选择：说明区别，以及各自的好处和麻烦。
- 想明白原因：一步步解释为什么会这样。
- 读故事：保留事情经过、意外和发现。
- 错了会出问题：交代依据、适用情况和还不清楚的地方。
原文章参考的Google读者优先指南同样强调面向真实受众、帮助读者实现目标并获得满意体验，而不是为了操纵排名而制造内容。[4]
格式应从人的目的出发，而不是从SEO迷信出发。
4. 下一个兴趣——先回答，再展示一个原本没有意识到的问题
相关推荐最好的工作不是索取“再一个PV”。
它应该在当前问题解决后，让读者看到一个还没来得及表达的问题。
Loewenstein的信息缺口理论认为，当人意识到“自己不知道什么”时，知识缺口可能引发好奇心。[5]
因此不要隐藏当前答案。
先回答。
然后提供三条方向：
- 继续深入
- 准备下一个可能出现的问题
- 去相邻主题绕一下
这与点击诱饵正好相反。
不是“答案在下一页”，而是“答案已经在这里；知道它以后，下一个问题出现了”。
推荐系统研究还指出，如果持续把热门内容推荐给更多人，并把这种行为再次作为训练数据，流行度偏差可能自我放大，整体多样性下降。[6]
所以，除了当前相关的文章，也给新文章、好但少有人看见的文章和邻近主题一点位置，别让同几篇永远占着前排。
从没展示过的文章未必没人喜欢，可能只是没得到过机会。
5. 再访——不要强拉回来，而要留下值得继续的东西
想让读者回来，不必一上来就发通知、弹注册窗口。
原文章参考的自我决定理论认为，自己能选择、觉得能做到、与人有联系，对内心生出的动力很重要。[7] 这并不证明照着做就会增加网站回访，但可以提供一些想法。
- 兴趣由读者自己选，也能修改或删除，不强迫注册。
- 读完以后，真的更明白、更会选择，或能做一件事。
- 看得出谁在写、为什么写，各篇文章的态度不乱变。
回来时，可以看到收藏的文章、最近读过的文章、没读完的地方、所选主题的新文章，以及自然接着以前内容的问题。
理想不是“不回来就亏”，而是回来能从上次读到的地方，再往前走一点。
6. 选择越少并不总是越好
UX领域经常把“选择太多可能困难”说成绝对规律。
研究并没有那么简单。
Scheibehenne等人汇总了50项研究、63个条件、5036名参与者的结果。选择变多后更难做决定的影响，平均接近零，但各研究结果差异很大。[8]
所以研究并没有给出“相关推荐只能3个”“分类最多7个”这样的万能数字。
真正重要的是：差异是否看得懂，是否分组，是否有符合目的的入口，比较维度是否明确，以及用户是否必须现在就做选择。
100篇文章平铺会像地狱；按意图组织则可能成为资产。
7. 自动改进——只学习点击，会让货架越来越单调
自动改进之前，先说清楚每个数字到底数的是什么。加入AI是后面的事。
每篇文章分别记录：展示了什么、放在哪里、是否点击、读完后是否继续、是否收藏或标记有用、是否再回来。一次都没展示的文章也要找出来。
文章ID、语言、正文版本、推荐方式的版本要一起留着。昨天旧文章的反应和今天修改后文章的反应混在一起，就不知道哪里变好了。
发布 → 展示 → 看反应 → 汇总 → 想原因 → 改一点 → 再确认。
别只追求点击率。耸动标题、极端话题和本来就热门的文章，很容易在这场比赛里获胜。
也要看读者是否完成目的、喜欢推荐、再次回来；埋在后面的文章有没有机会，话题是否太单一，页面是否快速、好读。
自动化不能停在“点击多了，我们赢了”。要边改边看，店里是不是永远只展示同一排货架。
8. SEO与UX不是敌人，但如果Google是唯一顾客，商店会坏掉
原文章参考的Google指南，也以有用的原创内容、读者实际使用的词，以及搜索引擎能沿着走的链接为基础。[4][3]
页面打开快、操作顺手很重要，但速度本身不能决定搜索排名。[9] 当时参考的web.dev指南给出的良好标准，按第75百分位来看如下：不是只挑几个很快的访问，而是至少75%的访问应在范围内。
- LCP：主要内容出现不超过2.5秒。
- INP：操作后页面回应不超过200毫秒。
- CLS：表示页面意外移位程度的值不超过0.1。[9]
多语言网站要说明哪些页面是彼此的语言或地区版本。原指南介绍了用hreflang指定这种关系的方法。[10]
原文章参考的AI搜索指南也重视原创、有用的内容，而非到处都有的翻版。[11]
好标题、文章之间有意义的链接、快速显示、来源、清楚的更新、合适的语言URL，以及自己的体验或分析，不仅方便搜索引擎，也方便读者。
9. 用商店来理解，整个系统会突然清晰
把网站当成商店，各部分的工作就看得清楚了。
- 首页：店面，告诉人现在有什么有趣的。
- 主题：专区，把目的相近的文章放一起。
- 搜索：店员，听读者的话找目的地。
- 文章：商品，单独阅读也有价值。
- 相关文章：下一排货架，带人深入、解决下个问题或逛别处。
- 收藏和历史：留好的东西与购物笔记。
- 热门排行：销售记录，但展示次数不等于被选次数。
- 访问记录：看看客人走过哪里。
- 制作文章：后场。
- 检查文章错误：验货。
- 发布：上架。
- 更新推荐：重新摆货。
- 让搜索者找到网站：招牌和地图。
- 多语言：不是另开一家店，而是能用不同语言逛同一家店。
这样，就不用每天手动移动每篇文章了。决定要开怎样的店，再检查自动摆货有没有出怪事，才是经营者的工作。
10. 最终形态不是困住用户，而是让网站自己学习
理想循环如下：
- 从搜索、主题、外部链接或推荐进入时都能理解价值。
- 一篇文章本身就能解决当前问题。
- 回答之后出现自然的下一个问题。
- 只有想继续的人继续。
- 回来的读者能快速续上。
- 记录哪些文章展示过、被点击、读后继续看、再次访问，以及哪些从没展示过。
- 慢慢调整推荐和货架，别只偏向已经热门的文章。
- 每次变化后重新检查质量、速度、搜索、语言和发布状态。
- 变差时就恢复之前的摆法。
- 不只改善文章，也提高好文章被发现的概率。
强大的网站不是把人困得更久，而是让人更快找到需要的东西，顺便遇见原本不知道自己会感兴趣的内容，并在下一次回来时变得更聪明一点。
别只扩仓库了。
开始建设会学习的货架。
原文参考资料
参考资料（11条）
- 衡量网站好不好用的研究 research.google
- 寻找信息的行为研究 doi.org
- 可访问链接指南 developers.google.com
- 有用内容指南 developers.google.com
- 好奇心研究 cmu.edu
- 推荐放大热门偏向的研究 arxiv.org
- 自主选择与动力的研究 selfdeterminationtheory.org
- 选项数量与选择困难的研究 scheibehenne.com
- 页面体验与加载速度指南: ; https://web.dev/articles/vitals developers.google.com
- 不同语言页面指南 developers.google.com
- 原文引用的AI搜索资料 developers.google.com
