如何挖掘网络资源[1]：网站的类型和使用场景

　　首先来介绍一下网站的类型和特点。不同的网站特点将决定你挖掘资源的方式。

★网站内容的指标

　　要挖掘互联网的资源，首先需要关注网站的内容。俺大致总结了几个指标，任何网站的内容，都具有这几个指标。
　　通过这些指标，可以评估某个网站【对你的价值】到底有多大，还可以评估你挖掘其中的内容需要耗费多少时间和精力。

◇内容的信噪比

　　任何一个网站的内容，都会有一些信息是无用的，咱们称之为“噪声”。所谓的【信噪比】，就是是“有用信息”与“垃圾噪声”的比率。显然，信噪比越大越好。
　　提醒一下：信噪比的评价是【主观】滴。因为每个人的关注点（价值取向）不同，所以同样的内容，对不同的人，会有不同的信噪比。

◇内容的可搜索性

　　主要指网站的内容是否容易被搜索引擎检索和收录。
　　这个指标是客观的。

◇内容的生命周期

　　主要指网站内容的生命周期的长短。关于信息的生命周期，稍微解释一下：对于某个信息而言，只有在它的生命周期之内，该信息才有价值；过了生命周期，就没有价值。
　　举例：
　　比如美国大选之前，某人制作了一个分析报告，分析竞选双方的得票率。那么，当大选结果揭晓之后，这个报告的生命周期就结束了。
　　这个指标是半主观半客观的。
　　俺通常关注那些生命周期较长的内容。因为在网上冲浪是需要消耗时间和精力的。如果你关注的都是生命周期很短的信息，从“投资回报率”的角度来看，是不合算滴！

◇内容的组织性

　　指的是网站的不同内容之间，是否具有较好的分类，是否具有较好的层次，是否具有较好的关联。
　　这个指标是客观的。
　　组织性越好，你就越容易找到该网站的其它感兴趣的内容。

★网站的类型

　　互联网上的网站，大致上可以分为“功能型”和“内容型”。如果你要在网上找自己感兴趣的资源，“内容型”网站才是你的最终目标。
　　“内容型”的网站的网站，按照内容创建的方式，大体上可以分为“Web 1.0”和“Web 2.0”两大类。这两类的区别如下：
“Web 1.0”——网站内容由专职的网站编辑创建
“Web 2.0”——网站内容用户创建，洋文叫“UGC”

　　对于 Web 2.0 的网站，还可以再细分为如下几类：
论坛类（BBS、邮件列表）、博客类（包括轻博客）、微博客（Micro Blog）、社交类（SNS）、文件共享类、百科类、问答类、等等。

　　对于上述这些分类，俺来分别介绍一下。

★Web 1.0

　　Web 1.0 的典型代表，包括早期的门户网站、某些专业类网站、某些报考杂志的Web版、等等。

◇内容的可搜索性

　　这类网站通常是“搜索引擎友好”的，甚至还会针对搜索引擎做优化（SEO）。因为这类网站需要利用搜索引擎帮它带来用户流量。

◇内容的组织性

　　这类网站的内容是由专职编辑维护的，所以内容的组织性通常比较好。比如网站通常会有分类导航，相关的网页之间会有超链接。

◇内容的生命周期

　　如果是专业性的网站，内容的生命周期一般比较长；如果是新闻类的，则比较短。

◇内容的信噪比

　　对于新闻类的网站，信噪比通常不会太好。对于专业类的网站，则视具体情况而定。

◇俺的使用场景

　　俺平常【不】主动去逛那些 Web 1.0 的网站。
　　通常是在搜索引擎中找某关键字，然后跳转到该网站的某篇文章。
　　如果俺觉得这篇文章的质量差，直接关掉。
　　如果俺觉得这篇文章的质量好，会顺便浏览该网站相关的文章（根据站内导航、文章的交叉链接）。
　　如果浏览了多篇文章之后，发现总体的质量较好，会把该网站加入自己的收藏或者是订阅该网站的 RSS（如果有的话）。

★论坛类（BBS）

　　论坛类的网站，早在 Web 2.0 概念提出之前，就已经很流行了。

◇内容的可搜索性

　　大部分论坛的内容，是无需登录即可浏览的。所以大部分论坛都是可搜索的；极少数是不开放的，则搜索引擎无法收录论坛内容。

◇内容的组织性

　　论坛里面的帖子，通常会根据类型分在不同的板块。板块内的帖子，通常只提供排序功能（比如 按时间、浏览数、回帖数 等），有些论坛可以按照发帖人来组织帖子。
　　总的来说，论坛类内容的组织性，算中上。

◇内容的生命周期

　　这取决于论坛的定位。不同的论坛，差异较大。
　　比如：一个讨论娱乐圈八卦的论坛，帖子的生命周期就比较短；而一个讨论哲学的论坛，帖子的生命周期相对较长。

◇内容的信噪比

　　大部分论坛的信噪比都不好——灌水的比例居高不下。
　　有些论坛的版主会专门整理一个精华区，那么信噪比会有所改善。

◇俺的使用场景

　　传统的 BBS，俺【从没】注册过帐号；邮件列表倒是注册过几个。
　　平时俺【不】主动去逛论坛类网站。
　　通常是在搜索引擎中找某关键字，然后跳转到某论坛的某帖子。
　　如果俺觉得这篇文章的质量差，直接关掉。
　　如果俺觉得这篇文章的质量好而且是原创，会顺便浏览该发帖人的相关文章（这种情况不多见）。

★博客类（Blog）

◇内容的可搜索性

　　这类网站通常是“搜索引擎友好”的，因为这类网站需要利用搜索引擎帮它带来用户流量。

◇内容的组织性

　　大部分博客都支持分类导航或者是标签（Tag）导航，某些博客之间还会搞交换链接。
　　组织性算是好的。

◇内容的生命周期

　　这个视具体的博客而定。

◇内容的信噪比

　　总的来说，博客的信噪比好于论坛、SNS、微博客。

◇俺的使用场景

　　博客类网站是俺的主要信息来源之一。关于博客类网站的信息获取，俺会在本系列后面专门介绍。

★微博客类（MicroBlog）

　　微博客是最近几年突然火爆起来的。国外首屈一指的当属“Twitter”，国内知名的山寨有“新浪微博”。

◇内容的可搜索性

　　通常情况下，微博客是可搜索的。但是，某些做成长微博的图片，其内容是不可搜索的。

◇内容的组织性

　　内容的组织较差，通常是根据时间轴组织内容。
　　信息的碎片化非常非常严重。

◇内容的生命周期

　　微博客的内容，通常生命周期都很短。你设想一下，你会去看某人在一个月之前发的微博客内容吗？甚至2-3天之前的内容，就已经没人关注了。

◇内容的信噪比

　　在这几种类型的网站中，微博客的信噪比估计是最差的。里面充斥着大量的噪声，还有大量同质化的信息。

◇俺的使用场景

　　俺在开博客前就注册过 Twitter 的帐号，平时几乎【不用】；【从没】注册过国内的微博客。
　　至于俺为啥不用微博客类，请参见《为啥俺不常用微博——兼谈时间管理心得》。

★社交类（SNS）

　　SNS 已经火了好几年了。国外首屈一指的当属“Facebook”，国内知名的山寨有“开心网”和“人人网”。

◇内容的可搜索性

　　有的 SNS 对搜索引擎友好（比如 G+），有些则不友好（比如 Facebook）。

◇内容的组织性

　　通常是按照用户来组织组织；对于具体的用户，再按照时间轴组织内容。
　　信息有不同程度的碎片化（视具体网站的具体用户而定）。总的来说，内容的组织性“中下”。

◇内容的生命周期

　　总的来说，内容的生命周期比博客短，比微博长。

◇内容的信噪比

　　总的来说，SNS的信噪比不如博客，好于微博客。

◇俺的使用场景

　　俺在开博客前就注册过 Facebook，前两年 G+ 推出后也注册了。但平时很少用。
　　通常是在搜索引擎中找某关键字，然后跳转到 SNS 网站的某页面。
　　如果觉得该页面的内容没价值，直接关掉。
　　如果觉得该页面的内容有价值，再去看看该 SNS 用户的其它内容。
　　如果该 SNS 用户的很多内容都不错，看看此人是否有博客，有的话就订阅。

★百科类

　　百科类网站，全球首屈一指的当然是“维基百科”，国内有山寨的“百度百科”和“互动百科”。

◇内容的可搜索性

　　这类网站通常是“搜索引擎友好”滴，甚至还会针对搜索引擎做优化（SEO）。因为这类网站需要利用搜索引擎帮它带来用户流量。

◇内容的组织性

　　通常会有良好的分类组织，词条之间会有很多交叉连接。
　　总的来说，内容组织性较好。

◇内容的生命周期

　　百科类网站的内容，通常生命周期很长。

◇内容的信噪比

　　百科类网站的词条，通常是以多人协作的方式维护的，一般不会有垃圾信息。
　　总的来说，信噪比很好。

◇俺的使用场景

　　俺通常只用维基百科。因为维基百科的词条最多，支持多种语言（可惜俺只看懂中文和英文），而且【不】存在“和谐”的问题。国内的百科类网站，政治敏感内容是查不到滴。
　　当俺接触到一个不熟悉的词汇，通常会先用搜索引擎搜该词条的维基百科。
　　看完维基百科对该词条的解释之后，如果意犹未尽，就再看看跟该词条相关的其它词条。
　　维基百科包含大多数主流的语言。所以有时候看完中文的词条，再去看看对应的英文词条。

★文件共享类

　　文件共享类的网站，有时候又称为“网盘”。不同的文件共享网站，内容和功能差异较大。

◇内容的可搜索性

　　在文件共享类网站中，有的是提供 Web 界面的——这类网站通常是搜索引擎友好的；还有一些是通过专门的 P2P 软件进行文件分享和下载的，搜索引擎未必能收录其内容。
　　即使是 Web 界面的文件共享，搜索引擎通常只能收录文件名，无法抓取文件内容。

◇内容的组织性

　　有些网站会根据文件上传者进行分类组织（比如新浪爱问），有些会根据文件内容所属领域进行分类（比如百度文库）。还有些网站会提供相关性推荐——列出下载该文件的网友同时也下载其它哪些文件。
　　总的来说，组织性中等。

◇内容的生命周期

　　被分享的文件，生命周期通常不会短。

◇内容的信噪比

　　信噪比因上传者而异，有的好有的差。

◇俺的使用场景

　　电子书是俺获取信息的主要途径之一，所以俺经常会去网上找电子书。
　　通常是在搜索引擎中找某电子书（搜索书名），然后跳转到某文件共享网站，下载之。
　　如果文件共享类网站提供相关性推荐，偶尔也会根据“相关性”的推荐，下载另外的电子书。

　　顺便插播一个通告：
俺在自己的网盘上分享了不少电子书，感兴趣的同学请用鼠标猛击"电子书清单"（需翻墙），就可以看到下载链接

★问答类

　　问答类是最近几年兴起的，国外的代表是“Quora”和“Stack Overflow”，国内的山寨是“知乎”。

◇内容的可搜索性

　　这类网站通常是"搜索引擎友好"的，甚至还会针对搜索引擎做优化（SEO）。因为这类网站需要利用搜索引擎帮它带来用户流量。

◇内容的组织性

　　通常会根据问题领域做分类，某些较好的问答类网站支持标签（Tag）功能。
　　总的来说，内容组织性较好。

◇内容的生命周期

　　这类内容的生命周期，通常较长。

◇内容的信噪比

　　信噪比中上，至少比论坛好。

◇俺的使用场景

　　俺【从没】注册过问答类网站的帐号，平时也【不】主动去逛问答类网站。
　　通常是碰到某技术问题，在搜索引擎中找相关的关键字，然后跳转到某问答类网站的某话题。
　　如果觉得这篇文章没帮助，直接关掉。
　　如果觉得这篇文章有帮助，看完，关掉。

★结尾

　　通过上述对比，你应该大致看出来，哪些类型的网站比较可能找到高价值的内容。
　　本系列的下一篇，俺介绍一下搜索引擎的基本技巧。


回到本系列的目录

版权声明
本博客所有的原创文章，作者皆保留版权。转载必须包含本声明，保持本文完整，并以超链接形式注明作者编程随想和本文原始地址：
https://program-think.blogspot.com/2013/03/internet-resource-discovery-1.html