下载客户端
下载客户端
关于我们 寻求报道 加入我们
公司 2014-6-20 16:22

用户习惯猜不透?《纽约时报》搬来“机器学习 ”

传统媒体如何转型?这似乎已经成为无论媒体圈内还是圈外的人都能聊上几句的话题。技术的变化让几乎所有“傲娇”的媒体都不得不探索新的方式来留住他们的用户。

为了更好地“读懂”他们的用户,《纽约时报》正打算尝试一个热门的新方法——用机器学习,来“读懂”用户的世界。而在几天前,微软公司也曾宣布要推出机器学习服务,旨在将机器学习技术进行更广泛的应用。

二战前,受众是“中弹即倒的靶子“,媒体有着强大的威力;二战后,传播研究进入了“有限效果论”,受众从“有什么看什么”转入主动的“看什么选什么”。至此,大众传播的研究开始了以“受众为中心”,也就有了后来著名的“使用与满足”理论。

在这些研究中,先驱们用过实证研究、变量分析,也用过访谈和田野调查……想要弄清楚受众到底喜欢看什么,习惯怎么看,从来都不是一个简单的事情,尤其是在有了互联网和各种新技术的“搅局”之后,受众习惯的变化之快,有时候他们自己都“猜不透”。

或许从其他领域借鉴来的方法可以提供一些帮助?Chris Wiggins,一个从事过生物学、理论物理学研究的数学家,现任《纽约时报》数字科技团队负责人,为这家百年老报引进了“机器学习”,他说生物学研究中用来处理数据的机器学习同样可以用到传媒领域。

运用机器学习,像受众在看什么,会花多久时间看,在看这篇文章之前和之后他们会点击什么,以及这些习惯与广告、内容订阅等有什么关系等问题,都能形成特定的数据从而进行更客观全面的分析。除了报纸、网页,用户使用《纽约时报》APP 的习惯,也可以用机器学习来分析。

通过大量的数据收集和分析,《纽约时报》能够据此做出一定的预测:要对哪些选题进行报道;一篇报道是通过网页展示,还是在 APP 上推送效果会更好……Chris Wiggins 说,机器学习的分析更够帮助媒体做出更明智的选择。

《纽约时报》科技与商业版专栏作家尼克·比尔顿(Nick Bilton),曾在他的《翻转世界》一书中“抱怨”过自己的东家:“《纽约时报》聚集了众编辑认为合适的内容,但却并不是为了我、为了我的偏好、为了我的喜恶而设计的。”到底如何才能服务好“众口难调”的用户?机器学习是《纽约时报》的又一个新的探索。

 

题图来自 flickr

有好的产品或者项目希望我们报道,猛戳这里 寻求报道

文章评论(-)
后参与讨论
正在加载中

进军博物馆,Google Glass 变身导游

2014-6-20 16:28下一篇

你想要步入“被新闻追着跑”的未来吗?

2014-6-20 14:20上一篇