內(nèi)容提要：數(shù)據(jù)與算法的影響逐步深化到新聞生產(chǎn)的各個核心環(huán)節(jié)——生產(chǎn)、傳播、用戶。本文通過以歐美新聞生產(chǎn)變革為例，觀察了大數(shù)據(jù)時代數(shù)據(jù)與算法對媒體集團新聞生產(chǎn)的影響，數(shù)據(jù)與算法正在重塑新聞業(yè)的整個生態(tài)系統(tǒng)，使得新聞生產(chǎn)模式從單向型新聞生產(chǎn)轉(zhuǎn)化為閉環(huán)式新聞生產(chǎn)。數(shù)據(jù)與算法提升傳統(tǒng)編輯室新聞效率的同時，也帶來諸多行業(yè)難題，最后對這些難題進行了思考。

　　關(guān)鍵詞：數(shù)據(jù)/歐美媒體/算法新聞生產(chǎn)

　　作者：王佳航

　　簡介：中國政法大學(xué)新聞傳播學(xué)院。

　　標(biāo)題注釋：本文為中國政法大學(xué)規(guī)劃項目“媒介融合視閾下的全媒體內(nèi)容生產(chǎn)模式研究”階段性成果

　　數(shù)據(jù)與算法不僅給傳統(tǒng)媒體集團帶來創(chuàng)新的活力，也改變了其新聞生產(chǎn)方式——媒體集團的新聞生產(chǎn)模型正在從單向型新聞生產(chǎn)轉(zhuǎn)向閉環(huán)式新聞生產(chǎn)，數(shù)據(jù)與算法已經(jīng)滲透到閉環(huán)式新聞生產(chǎn)的各個環(huán)節(jié)——人機共同完成新聞生產(chǎn)的時代已經(jīng)到來。

　　這是一場完全無法預(yù)測和預(yù)先張揚的革命，技術(shù)飛速迭代更新，傳媒業(yè)充滿了超越以往邏輯的想象。數(shù)據(jù)科學(xué)家悄然進駐歐美各大媒體集團，除數(shù)據(jù)新聞及可視化設(shè)計以外，數(shù)據(jù)與算法的影響逐步深入到新聞生產(chǎn)的各個核心環(huán)節(jié)——生產(chǎn)、傳播、用戶。從一定意義上說，數(shù)據(jù)與算法正在重塑新聞業(yè)的整個生態(tài)系統(tǒng)，新聞生產(chǎn)模式從單向型新聞生產(chǎn)轉(zhuǎn)化為閉環(huán)式新聞生產(chǎn)。

　　一、數(shù)據(jù)與算法促進歐美媒體革新

　　歐美媒體對技術(shù)的依賴正進一步加深。隨著數(shù)據(jù)成為各行業(yè)的基礎(chǔ)性設(shè)施，新聞生產(chǎn)也被數(shù)據(jù)和算法深刻改變，媒體集團采取了一系列措施應(yīng)對大數(shù)據(jù)時代的來臨。

　　第一，調(diào)整組織架構(gòu)，數(shù)據(jù)科學(xué)家進駐媒體。數(shù)據(jù)科學(xué)團隊對媒體集團的意義不僅在于外界能夠看到的數(shù)據(jù)新聞生產(chǎn)機制，他們在新聞生產(chǎn)策略、用戶增長、個性化服務(wù)、廣告營銷等多個方面對媒體集團進行了全線升級改造。2013年底，紐約時報曾設(shè)立兩個“編輯室創(chuàng)業(yè)”團隊，其中一個團隊是“連接數(shù)據(jù)和新聞的紐帶”①，生產(chǎn)數(shù)據(jù)新聞。但是，這只是一個開始。大數(shù)據(jù)時代來臨，數(shù)據(jù)科學(xué)將可能更深遠地影響傳統(tǒng)媒體集團轉(zhuǎn)型，諸多傳統(tǒng)媒體集團調(diào)整了組織架構(gòu)。2014年2月紐約時報再開媒體先河，率先設(shè)立首席信息科學(xué)家，并聘請哥倫比亞大學(xué)運用數(shù)學(xué)副教授克里斯·維金斯(Chris Wiggins)兼任這一職務(wù)。維金斯及他領(lǐng)導(dǎo)的小型數(shù)據(jù)分析團隊能夠進行算法設(shè)計及數(shù)據(jù)分析，利用專業(yè)的數(shù)據(jù)分析方法幫助解決紐約時報的運營問題。例如，“人們?yōu)槭裁从嗛喖~約時報的紙質(zhì)版或電子版？有什么辦法才能留住他們②”。很快，這一高級職位成為歐美媒體集團的普遍設(shè)置，例如，橫跨各類媒體的多元化媒體集團赫斯特集團也設(shè)立首席數(shù)據(jù)科學(xué)家，該科學(xué)家同時還擔(dān)任集團副總裁。華爾街日報的數(shù)據(jù)科學(xué)團隊也有相似的日常工作，如幫助華爾街日報做更好的新聞策略，個性化用戶體驗，深度挖掘用戶數(shù)據(jù)，提高報社收入等?！氨睔W最大媒體集團，挪威老牌家族企業(yè)施伯史泰德媒體集團(Schibsted Media Group)的全球產(chǎn)品副總裁Edoardo Jacucci說：‘我們的競爭對手已經(jīng)從過去的傳統(tǒng)媒體轉(zhuǎn)向全球性的新媒體公司。我們必須創(chuàng)立一個強大的領(lǐng)導(dǎo)和管理體系，將數(shù)據(jù)分析轉(zhuǎn)化為我們的DNA，才能更好地轉(zhuǎn)型為數(shù)字媒體?！摷瘓F于2013年建立數(shù)據(jù)團隊，團隊人數(shù)由最初的1人增加至目前的70人，現(xiàn)在已達到每天搜集6億個事實數(shù)據(jù)(events)的能力，并正在將這些數(shù)據(jù)的分析轉(zhuǎn)化為數(shù)據(jù)驅(qū)動的廣告增長、用戶增長和有針對性的用戶服務(wù)。”③

　　第二，媒體進行一系列內(nèi)容生產(chǎn)革新，以應(yīng)對社交媒體平臺的算法推薦。社交媒體正在成為受眾獲取媒體集團新聞的主要渠道。路透社《2016數(shù)字新聞報告》④對26個國家50000個在線新聞消費者進行了調(diào)查，有一半稱曾利用社交媒體獲取過新聞，把社交媒體作為主要新聞源的則占12％。美國皮尤研究中心的2016年美國新聞媒體年度報告顯示，“62％的用戶在社交媒體上閱讀過新聞，其中18％的用戶將其作為常用新聞渠道”⑤。這一發(fā)展趨勢使得傳統(tǒng)媒體集團紛紛調(diào)整策略，面向社交媒體平臺生產(chǎn)內(nèi)容，如何在Facebook、Twitter上獲得更多用戶成為各媒體集團的重要戰(zhàn)略之一。皮尤研究中心關(guān)注了40家原生數(shù)字新聞發(fā)行商的內(nèi)容分發(fā)策略。結(jié)果顯示，這些發(fā)行商都在使用成熟的社交網(wǎng)站，包括Facebook、Twitter和YouTube?！雹?。面向多個社交媒體平臺分發(fā)內(nèi)容已經(jīng)成為常態(tài)。

　　由于社交媒體平臺多數(shù)采用算法推薦的方式推送內(nèi)容，各媒體不得不針對算法做諸多創(chuàng)新。華盛頓郵報開發(fā)了很多數(shù)據(jù)工具，用來實現(xiàn)華盛頓郵報控制人杰克·貝索斯的主要目標(biāo)——擴大受眾群。2016年1月，該報月獨立訪客量達7600萬，較上年同期增長78％，其中移動端的月獨立訪客增長126％⑦紐時時報數(shù)字部門的數(shù)據(jù)科學(xué)團隊則研發(fā)了一款能夠進行文字編輯的機器人Blossom。Blossom的后端采用了十分先進的機器學(xué)習(xí)技術(shù)，通過Java、Python和HapReduce等語言和技術(shù)的支持，融合了非常前沿和復(fù)雜的算法；Blossom通過基于像Facebook這樣的社交平臺上所推送的海量文章大數(shù)據(jù)分析，它能夠預(yù)測哪些內(nèi)容更具有社交推廣效應(yīng)，以及幫編輯挑選出適合推送的文章和內(nèi)容，甚至可以獨立制定標(biāo)題、摘要文案、配圖等。目前Blossom專門負責(zé)從每天超過300篇各式文章當(dāng)中挑出最火的文章，推薦給各大版面的增長編輯(Growth Editor)以及社交媒體編輯⑧。事實上，紐約時報不僅對應(yīng)算法調(diào)整內(nèi)容生產(chǎn)以適應(yīng)社交媒體平臺的傳播規(guī)律，也把算法應(yīng)用于紐約時報自己的網(wǎng)站。紐約時報網(wǎng)站“Recommended for You”欄目使用了紐約時報自己研發(fā)的使用協(xié)同過濾算法與LDA模型建立新的推薦系統(tǒng)，基于讀者喜好調(diào)整文章布局，能夠幫助讀者找到與他們相關(guān)的內(nèi)容，比如在正確的時間推送讀者感興趣的內(nèi)容、重大事件的個性化補充內(nèi)容、符合他們偏好的多媒體格式故事等⑨。

　　第三，借助數(shù)據(jù)分析工具分析用戶閱讀行為，提升編輯部效率。數(shù)據(jù)科學(xué)團隊成為傳統(tǒng)媒體集團的常規(guī)機構(gòu)之后，對于用戶而言，最明顯的變化是大量優(yōu)質(zhì)數(shù)據(jù)新聞涌現(xiàn)。作為全球數(shù)據(jù)和可視化新聞的領(lǐng)軍團隊，紐約時報、英國衛(wèi)報、華盛頓郵報在數(shù)據(jù)新聞制作方面均有上佳表現(xiàn)，2016年華盛頓郵報憑借用數(shù)據(jù)解剖美國槍擊的痼疾，獲得了普利策新聞獎。事實上，除了這些顯而易見的大數(shù)據(jù)應(yīng)用，近年來各媒體集團還用心研發(fā)了用戶分析和反饋系統(tǒng)，這些工具使得傳統(tǒng)媒體新聞編輯部得以升級改造。紐約時報Stela系統(tǒng)于2015年9月向整個新聞編輯室開放，主要聚焦于單篇文章的相關(guān)分析。Stela是一款基于“故事與事件分析學(xué)”的分析工具，能夠幫助記者和編輯獲得反饋，Stela也可以實時關(guān)注報道的流量變化，通過監(jiān)測這些流量激增的故事，幫助記者抽取出圍繞這一報道的熱點話題，進而縮短報道的響應(yīng)時間。英國衛(wèi)報的編輯室分析神器Ophan年年升級，功能日趨完善，可以擔(dān)任數(shù)字輿情分析助理的工作。英國金融時報開發(fā)了Lantern分析平臺，記者能夠調(diào)取整個公司的內(nèi)部數(shù)據(jù)，長期追蹤他們所寫的內(nèi)容。此外，大量第三方用戶數(shù)據(jù)分析平臺也紛紛上線，如來自加拿大的社交媒體管理工具HootSuite專門監(jiān)測社交網(wǎng)站，能夠幫助媒體在大多數(shù)社交平臺上寫作并安排推送計劃，追蹤推文帶來的會話和導(dǎo)流，并且可以提供推送內(nèi)容的相關(guān)數(shù)據(jù)分析。這些數(shù)據(jù)分析工具提升了新聞傳播效率，也幫助編輯部更好理解新聞在新媒體平臺的傳播規(guī)律。