演算法!演算法!個性化推薦的新聞到底有這麼大需求嗎?
作者: Max Willens
來源:Digiday
編譯:汪堯
「紐約時報」準備開始一個雄心勃勃的變革行動來個性化其網站和手機應用,但讀者對此並不看好。 本周六公布的編輯計劃在兩天內收到近300條評論意見,其中絕大多數讀者認為紐約時報這一舉動是在模仿社交軟體Facebook,投機讀者的喜好,而不是告訴他們應該要知道的新聞內容。
的確,沒有人喜歡新聞產品改版,現在要求新聞媒體去探究定製化的內容可能時機不太合適。儘管建議中大多是都是在談論定製的新聞報道,但還是有網站和手機App上的用戶認為「定製化」的新聞就是一種潛在的「內容濾泡」,它會培養出一種惡劣的政治環境,影響公共話語發揮作用。
即便有這麼多的負面評論,新聞媒體也不一定就會放棄定製化。可即使新聞機構正在向受眾展示他們想要看到的內容而非重要的觀點,媒體篩選內容的範圍有多大、受眾應該如何透明地了解媒體的篩選行為、這些技術在更寬廣的媒體商業領域可以發揮什麼作用,這些問題的答案仍然是模糊的。
而能夠看到的影響有以下幾個方面:
妨礙新聞使命
去年多次修改了個性化頁面的「每日野獸」雜誌總裁邁克·戴爾(Mike Dyer)認為:「新聞媒體有一個公共的使命就是儘可能地讓受眾直面以事實為基礎的新聞報道,無論他們是否喜歡這則新聞。太多的個性化和內容匹配文章會妨礙媒體的這一使命。
《每日野獸》雜誌網
缺少技術力量
多年來,個性化已經被認為是一種成功的秘訣,它可以幫助媒體從中受益,並不斷細分受眾。傑夫·貝佐斯(Jeff Bezos)購買《華盛頓郵報》不到一年的時間,就聘請了一個完整的個性化團隊,其重點不僅僅是向讀者推薦新聞內容,而是建立基於優化內容的閱讀產品。對於產品推薦類媒體而言,很多年前,個性化技術就已經成為其業務核心,它引導著從編輯出版到產品制定各個方面的運作,媒體行業因定製化這一技術增加了10%~30%的收益。
亞馬遜CEO傑夫·貝佐斯
但是很多媒體才剛剛開始定製化的嘗試。《紐約時報》表示其定製化處於早期階段,並拒絕對它接下來的策略發表評論。還有很多的媒體在第三方供應商或幾個小型實驗中剛剛勉強試水,其配置規模遠遠達不到數據科學團隊機器驅動分類,以及文章分析、真實個性化數據挖掘的要求。
格雷格?梅森(Greg Mason)認為許多媒體真的只給了個性化定製內容的口頭承諾,以此來吸引儘可能多的眼球。
廣告商受益度不高
梅森認為,個性化可以幫助贊助媒體的廣告商迎合特定的受眾需求,增加與受眾的接觸和聯繫。事實上,在尋求直接聯繫的同時,媒體紛紛把新聞內容和策略投向細分後的受眾,儘可能地為他們提供細緻的服務,因而廣告商的受眾範圍實際上是被縮小了。另外,單純從驅動點擊量來看,個性化的吸引力十分有限。Playine的首席產品官Phillip Morelock表示:「個性化對於高管來說總是聽起來不錯,但是影響往往很低。」
受眾對定製化的需求
除了有效性之外,還有一個問題是讀者是否總是希望他們的新聞個性化。對於不銷售訂閱的媒體而言,他們對定製體驗的需求並不大。美聯社全球移動產品總監Michael Boord表示:「我們在手機應用程序中提供了個性化選項,但實際上我們的用戶並不會經常使用定製化功能。」
美聯社app store個性化選項介紹
事實上,在接下來的幾個月中,美聯社手機應用程序的更新將集中在如何將這些不在受眾興趣範圍內但十分重要的內容推向受眾。Boord說:「我們並不想只推送受眾想要看的內容,我們想推送我們認為具有新聞價值的內容。」
美聯社目前已經對它的網站進行了個性化定製,因為每天出產的信息量十分龐大,所以個性化是組織其合理分發的有效方式。
定製化的內容主要取決於受眾在媒體產品的行為,這也使得定製化本身變得複雜。隨著幾年前用戶開始使用Cookie作為網站喜好的快捷登陸,媒體可能必須得向用戶解釋即將到來的變化:告訴你的目標用戶,他被瞄準了。
當然也有人會認為其實新聞的定製化和個性化早在新聞內容發布的時候就已經進行了。這就像一個具有政治右傾的人會看《紐約時報》,並說這些報道已經被過濾過了。
點下方【寫留言】表達您的觀點和態度
歡迎將此文章轉發到朋友圈


※B站投稿將需實名認證
※「智慧融媒體系列研討活動之融媒體營銷」在中國傳媒大學舉辦
※事實核查新聞興起,你必須知道這些——歐洲媒體觀察系列之四
※歐洲廣電人笑出聲:比起新媒體,歐盟受眾更信任廣播電視——歐洲媒體觀察系列之三
※媒體手機新聞推送策略——紐時、CNN、BuzzFeed告訴你如何推送新聞?
TAG:德外5號 |
※「推薦演算法」是什麼?
※「婚姻最好的演算法是什麼?」
※你應該了解的AI演算法,樹搜索和演化演算法
※抖音的演算法推薦,果蠅也做得到!
※婚姻里最好演算法是什麼?
※馬云:婚姻最好的演算法是「算了吧」
※演算法餘暉
※深度策略梯度演算法是真正的策略梯度演算法嗎?
※八字算命的核心演算法是什麼?
※大數據聚類演算法知多少?如何無需編程快速實踐?演算法乾貨
※你真正懂搜索引擎演算法嗎?
※我們創造了演算法,還是演算法創造了我們?
※推薦演算法有倫理責任嗎?
※不想硬啃理論和演算法,我還能入門深度學習嗎?
※如何為你的產品選擇合適的推薦演算法?
※矛盾著的演算法,演算法中的矛盾
※讓一些演算法向另一些演算法低頭
※婚姻能依靠AI和演算法嗎?
※演算法與數據結構?看這篇就夠了
※演算法有偏見?比人強就行!