首页 理论教育 数据算法助推欧美媒体创新

数据算法助推欧美媒体创新

时间:2023-11-22 理论教育 版权反馈
【摘要】:欧美媒体对技术的依赖正进一步加深。随着数据成为各行业的基础性设施,新闻生产也被数据和算法深刻改变,媒体集团采取了一系列措施应对大数据时代的来临。由于社交媒体公司多数采用算法推荐的方式推送内容,各媒体集团不得不针对算法做诸多创新。数据科学团队成为传统媒体集团的常规机构之后,对于用户而言,最明显的变化是大量优质数据新闻涌现。

数据算法助推欧美媒体创新

欧美媒体对技术的依赖正进一步加深。随着数据成为各行业的基础性设施,新闻生产也被数据和算法深刻改变,媒体集团采取了一系列措施应对大数据时代的来临。

第一,调整组织架构,数据科学家进驻媒体。数据科学团队对媒体集团的意义不仅在于外界能够看到的数据新闻产制,他们在新闻生产策略、用户增长、个性化服务、广告营销等多个方面对媒体集团进行了全线升级改造。2013年底,《纽约时报》曾设立两个“编辑室创业”团队,其中一个团队是“连接数据和新闻的纽带”[2],生产数据新闻。但是,这只是一个开始。大数据时代来临,数据科学在每一个领域都产生了重要影响。数据新闻仅仅是一种新闻表达形态,而数据科学将可能更深远地影响传统媒体集团转型,因而诸多传统媒体集团调整了组织架构。2014年2月《纽约时报》再开媒体先河,率先设立首席信息科学家,并聘请哥伦比亚大学运用数学副教授克里斯·维金斯(Chris Wiggins)兼任这一职务。维金斯及他领导的小型数据分析团队能够进行算法设计及数据分析,利用专业的数据分析方法帮助解决《纽约时报》的运营问题。例如,“人们为什么订阅《纽约时报》的纸质版或电子版?有什么办法才能留住他们”[3]。很快,横跨各类媒体的多元化媒体集团赫斯特集团也设立首席数据科学家,该科学家同时还担任集团副总裁。《华尔街日报》的数据科学团队也有相似的日常工作,如,帮助《华尔街日报》做更好的新闻策略、个性化用户体验、深度挖掘用户数据,提高报社收入等。“北欧最大媒体集团,挪威老牌家族企业施伯史泰德媒体集团(Schibsted Media Group)的全球产品副总裁Edoardo Jacucci说:‘我们的竞争对手已经从过去的传统媒体转向全球性的新媒体公司。我们必须创立一个强大的领导和管理体系,将数据分析转化为我们的DNA,才能更好地转型为数字媒体。’该集团于2013年建立数据团队,团队人数由最初的1人增加至目前的70人,现在已达到每天搜集6亿个事实数据(events)的能力,并正在将这些数据的分析转化为数据驱动的广告增长、用户增长和有针对性的用户服务。”[4]

第二,传统媒体集团进行一系列内容生产革新,以应对社交媒体平台的算法推荐。社交媒体正在成为受众获取媒体集团新闻的主要渠道。2016年路透数字新闻报告[5]对26个国家50000个在线新闻消费者进行了调查,有一半称曾利用社交媒体获取过新闻,把社交媒体作为主要新闻源的则占12%。美国皮尤研究中心的2016年美国新闻媒体年度报告显示,从整体来看,“62%的用户在社交媒体上阅读过新闻,其中18%的用户将其作为常用新闻渠道”[6]。这一发展趋势使得传统媒体集团纷纷调整策略,面向社交媒体集团生产内容,如何在Facebook、Twitter上获得更多用户成为各媒体集团的重要战略之一。(www.xing528.com)

由于社交媒体公司多数采用算法推荐的方式推送内容,各媒体集团不得不针对算法做诸多创新。皮尤研究中心关注了40家原生数字新闻发行商的内容分发策略。结果显示,“这些发行商都在使用成熟的社交网站,包括Facebook、Twitter和YouTube”[7]。面向多个社交媒体平台分发内容已经成为常态。《华盛顿邮报》开发了很多数据工具,用来实现《华盛顿邮报》控制人杰克·贝索斯的主要目标——扩大受众群。2016年1月,该报月独立访客量达7600万人,较上年同期增长78%,其中移动端的月独立访客增长126%。《纽时时报》数字部门的数据科学团队则研发了一款能够进行文字编辑机器人Blossom。Blossom的后端采用了十分先进的机器学习技术,通过Java、Python和MapReduce等语言和技术的支持,融合了非常前沿和复杂的算法;Blossom通过基于像Facebook这样的社交平台上所推送的海量文章大数据分析,它能够预测哪些内容更具有社交推广效应,以及帮编辑挑选出适合推送的文章和内容,甚至可以独立制定标题、摘要文案、配图等。目前Blossom专门负责从每天超过300篇各式文章当中挑出最火的文章,推荐给各大版面的编辑(Growth Editor)以及社交媒体编辑[8]。事实上,《纽约时报》不仅对应算法调整内容生产以适应社交媒体平台的传播规律,也把算法应用于《纽约时报》自己的网站。纽约时报网站“Recommended for You”栏目使用了《纽约时报》自己研发的使用协同过滤算法与LDA模型建立新的推荐系统,基于读者喜好调整文章布局,能够帮助读者找到与他们相关的内容,比如,在正确的时间推送读者感兴趣的内容、重大事件的个性化补充内容、符合他们偏好的多媒体格式故事等[9]

第三,借助数据分析工具分析用户阅读行为,提升编辑部效率。数据科学团队成为传统媒体集团的常规机构之后,对于用户而言,最明显的变化是大量优质数据新闻涌现。作为全球数据和可视化新闻的领军团队,美国《纽约时报》《华盛顿邮报》和英国《卫报》在数据新闻制作方面均有上佳表现,2016年《华盛顿邮报》凭借用数据解剖美国枪击的痼疾,获得了普利策新闻奖。事实上,除了这些显而易见的大数据应用,近年来各媒体集团都用心研发了用户分析和反馈系统,这些工具使得传统媒体新闻编辑部得以升级改造。《纽约时报》Stela系统于2015年9月向整个新闻编辑室开放,主要聚焦于单篇文章的相关分析。Stela是一款基于“故事与事件分析学”的分析工具,能够帮助记者和编辑获得反馈,Stela也可以实时关注报道的流量变化,通过监测这些流量激增的故事,帮助记者抽取出围绕这一报道的热点话题,进而缩短报道的响应时间。英国《卫报》的编辑室分析神器Ophan也年年升级,功能日趋完善,就像一个数字舆情分析助理。英国《金融时报》开发了Lantern分析平台,记者能够调取整个公司的内部数据,长期追踪他们所写的内容。此外,大量第三方用户数据分析平台也纷纷上线,来自加拿大的社交媒体管理工具HootSuite专门监测社交网站,能够帮助媒体集团在大多数社交平台上写作并安排推送计划,同时追踪推文带来的会话和导流,并且可以提供推送内容的相关数据分析。这些数据分析工具提升了新闻传播效率,也帮助编辑部更好地理解新闻在新媒体的传播规律。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈