• 媒体品牌
    爱范儿
    关注明日产品的数字潮牌
    APPSO
    先进工具,先知先行,AIGC 的灵感指南
    董车会
    造车新时代,明日出行家
    玩物志
    探索城市新生活方式,做你的明日生活指南
  • 知晓云
  • 制糖工厂
    扫描小程序码,了解更多

用户习惯猜不透?《纽约时报》搬来 “机器学习 ”

公司

2014-06-20 16:22

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

登录,参与讨论前请先登录

评论在审核通过后将对所有人可见

正在加载中