微商宝妈自我介绍范文:若邻网络：发掘网上的真实人脉

我们并不需要认识布什，我们要的是展现和管理自己的价值，即所谓的社会资本。显然，2004年我加入的那些SNS网站并没有意识到这一点，它们为我开了很多支票，却无法解决我的下一顿晚餐

当大部分社会化网站都在追求更高的访问量、更大的用户群和更多的连接数时，“若邻网络”却在反其道而行之，鼓励用户勇敢拒绝来自陌生人的连接。这样做，只是为了让用户更好地发现志同道合的人。

在若邻上，用户很难用搜索的功能来找到人。首先，真实有效的商务联系不可能像商品搜索或者基于内容的过滤机制那样，在发现结果之后就网上付费完成交易。无论在现实还是虚拟世界中，人脉都无法被“强买强卖”。

其次，因为用户可以对自己资料中可能被搜索到的内容进行严格的控制，包括姓名、邮箱、职务、工作单位和履历在内的所有东西，都可以设置为不被好友网络之外的用户看见。任何建立“连接”的请求，都必须经过审核。所以，在若邻上，要拓展自己的人脉，只能通过朋友推荐朋友的协同过滤方式进行。

相对应地，现实好友之间的引荐在若邻上就变成了“邀请链接”，但是其中的每一环都必须得到双方的同意。“六度分隔”(Six Degrees of Separation) 理论认为，在这个社会中，任何两个人之间建立一种联系，最多需要六个人。也就是说，无论这两个人是否认识，生活在地球的任何一个地方，他们之间只有六度分割。在若邻网络中，你同样可以通过口口相传认识一个六度之外的陌生人，但是需要其间五个人的同意，一旦有人在请求中选择了“拒绝”，那么发现之旅就宣告中断。

若邻网络高级副总裁潘剑峰曾经在一则公告中这样写道：“我想呼吁一下，大家一起来大大方方地使用‘拒绝’功能。若邻的目的和意义是帮助大家进行有效的人脉管理，不是为了一个单纯的连接这么简单。如果一个陌生连接过来，你不拒绝，那么就认真对待他。假如你不想认真对待，若邻建议要大方地使用拒绝，因为拒绝是你的权力。”

他认为，许多门户网站提供低俗内容是因为他们只看到访问量，而若邻更看中发掘真实的人和现实的人脉——这才是社会化网络的价值所在。“我们的主攻方向是人脉管家和人脉顾问，希望成为帮助用户管理人脉资产和社会资本的专业服务平台。从这个意义上看，若邻不等于交友网站，甚至不等于社交网站。”潘剑峰说。

在互联网上发起“多背一公斤”活动的“安猪”余志海写过一篇《我为什么没能在 SNS认识布什》，被若邻的用户广为传阅。他在文章里说：“ 我们并不需要认识布什，我们要的是展现和管理自己的价值，即所谓的社会资本。显然，2004年我加入的那些SNS网站并没有意识到这一点，它们为我开了很多支票，却无法解决我的下一顿晚餐。”

两年后，余志海的需求在若邻上得到了满足，找到了能够共创事业的伙伴，因为他觉得“若邻更关注于如何为用户提供更多的安全感和信任”。这个特点，在若邻刚刚上线的时候就已经被确立。从2006年初建站至今，若邻的线上推广主要依靠口碑传播，因此，首批用户的背景和偏好决定了整个站点在相当长一段时间内的气质。

毛向辉是维众创业投资集团的副总裁，因为参与了若邻的资本支持和创意实现，他一直在自己的blog里和朋友圈中推荐这个社会化网站。现在，他在若邻上拥有568个连接，算得上站内的“人脉大户”。

在互联网上提起毛向辉，人们脑中多会浮现出一个“学派商人”的形象。他在blog形态初入国内的时候做了大量的概念推广工作，并凭借扎实的学术和英文功底撰写了《中英文blog界的交流失衡》等论文，在投资行业内，又能将工作与社会性事务相结合。在他的影响下，许多30岁上下、偏重商务联络的用户被不断吸引到若邻网络，而对社会化网络有着不同需求和使用习惯的用户则会自然而然地绕道远行。

每个若邻网络的用户都可以发放“个人公告”，成为一连串推荐行为的发起点。因为风气已经形成，所有人都会重视规范，并且自动摒弃那些规则破坏者。若邻上曾经出现过乱贴网络广告的行为，但因为老用户的积极抵制，最终形成“良币驱逐劣币”的状态。

若邻网络也在网站设计上尽力维护着这种真实可靠的用户体验。在若邻的用户资料页面上，个人信息显示完全由用户决定。用户可以选择只显示用户名，也可以选择显示所有真实信息——因为每个若邻用户对人际交往的期望都不同，有的人期望认识更多的新朋友，而有的仅仅期望用一个方便的工具管理现有的人脉资源。让用户去决定，更能获得用户的尊重和信任。

同样是在用户的资料页面上，若邻鼓励用户对自己的朋友进行评价。只要是在若邻中活动过一段时间的人，通常都能得到来自同事、上司、下属、客户和合作伙伴等各种社会关系的评论。“在同一个公司不同部门工作”、“上司，但不是直接领导”、“合作，但是并不属于同一个公司”等字眼在潜移默化间树立起基于实名的氛围。许多用户在加入若邻时并不使用真名，但在一段时间后大部分人都会改回实名。

潘剑峰介绍，若邻希望在未来加强网站系统的自动推荐功能：“在用户样本达到足够规模之后，我们希望能够学习用户行为和偏好，然后向每个人推荐一些线上和现实中的合作项目。这些项目一定会是这些用户所喜欢的。”