大数据时代传媒思路的转向_数据分析师

大数据影响媒介生产思路

　　大数据与传媒业的相遇，首先碰撞出的是数据新闻、机器人新闻、预测新闻等全新的报道样态，媒体对来自政府、企业、互联网的大数据加以利用制作出可视化新闻，改变了过去只依赖事实而缺少数据支撑的报道逻辑。除此之外，大数据对传媒业的影响，还体现在媒介内容生产思路的变化上。

　　过去被媒体视作原子化的“大众”的媒介使用者们已转身成为个性化的“用户”。如果说“受众”只是单向传播的被动接受者，那么“用户”对媒介的利用更为主动，选择空间更大，而且能够生产原创的信息回流给传统媒体。他们称得上是传媒业大数据的贡献者，如Facebook每天更新的照片数量达到上千万张，Youtube平均每秒上传一段长度在一小时以上的视频，每天世界各地数以亿计的网民在网络上互动交流……用户留下的网络痕迹，已经成为一种重要的大数据资源。通过挖掘这些数据，传媒可以更好捕捉到用户的个性化需求、潜在的兴趣点，从而主动向用户推荐满足需求的信息，开创一种“按需推荐”的内容生产模式。

　　正如Frog Design咨询公司的观察家所言：“我们正在离开信息时代，迈入推荐时代。”作为移动媒体终端的“今日头条”，就是一个践行“按需推荐”模式的例子。2014年6月，“今日头条”这款号称“不生产新闻，只搬运新闻”的手机客户端完成1亿美金的融资，引发关注。其内容组织方式就是一种大数据分析基础上以用户为中心的模式，以往传统媒体的内容生产主要靠编辑选取新闻，但“今日头条”是靠算法推荐新闻。按照创始人张一鸣的说法，“今日头条”会“根据用户绑定的微博，自动建立一个用户的DNA兴趣图谱，主要根据用户SNS账号上的标签、关注人群、好友、评论或转发、收藏等数据，以及用户的手机、位置、使用时间等数据提取出来……随后系统会自动记录用户的阅读情况，不断摸索用户的兴趣，同时也在不断优化推荐的算法。六七次之后，机器就能基本上判断出用户的兴趣了”。

　　其实，个性化推荐服务在网络电商平台上早已普及，电商通过分析消费者对产品页面的浏览、评论、收藏、添加到购物车等行为，可以向其推荐感兴趣的其他商品，从而实现精准的广告营销。这一思路换至新闻领域，同样适用。从长远看，依照新媒体“按需推荐”的逻辑组织和布局媒介内容，是传统媒体在大数据时代的变革方向。

　　大数据为媒体提供了受众的信息需求

　　“按需推荐”蕴含着有别于以往传者主导传受关系的理念，更加强调用户地位、用户体验、用户评价。传统媒体由于新闻生产周期的固定化，可以在日积月累中塑造忠诚度较高的受众的“新闻期待”意识，但仍无法跟上网络时代全时传播的脚步。与其让受众“期待”媒介等米下锅，不如媒介主动“推介”信息送货上门。

　　落实到具体报道中，则意味着传统媒体更重视新闻价值中的受众效用。作为新闻生产的核心概念，新闻价值对媒体来说，是一套衡量和选择新闻的职业准则，但对受众来说，则集中体现为一种使用价值，即是否有用。如果受众自己对新闻不关心、不感兴趣或不需要，即便传媒把它报道出来了，但站在接受者的角度依然是没有价值的。而如今，受众的信息需求更加分化和多元，面对“分众”和“小众”的现实，传媒与其调整新闻价值的标准，不如根据受众看重的使用价值，将新闻重新分类打包再分派推送出去，以实现效用的最大化。

　　受众的认可或买账，在一定程度上决定着传媒的市场空间。就像过去电视节目的质量高低由收视率来衡量一样，如今，用户媒介使用行为、阅读习惯等大数据，更能聚沙成塔般地折射出他们对传媒的整体态度。比起依靠随机样本获得的收视率，大数据分析可以呈现覆盖全样本的总体态势，据此得出的结论也具说服力。与收视率相比，基于大数据生成的直观用户评价，无疑对传统媒体制定内容调整策略有更高的参考价值。

　　大数据可以为媒体直接提供选题内容

　　“按需推荐”建立在对用户需要的精准把握之上，无形中对传统媒体设定了数据挖掘的技术门槛。“今日头条”的推送之所以精准，很大程度上有赖于其数据挖掘、分析与计算的技术条件。在其200多名员工中，一半以上都是负责专攻算法的。仅仅靠人工判断，无法完成如此大规模的数据运算，依靠机器自学习、不断优化算法，才能够提升推送的精准程度。

　　可以说，技术与算法是移动媒体完成“按需推荐”的核心竞争力，但这却是传统媒体的短板。面对这种情况，传统媒体要么与技术成熟的新媒体平台合作，减轻渠道建设的压力；要么自主组建专门的数据分析团队，进驻编辑部，负责收集、整合、挖掘媒体的大数据资源，为内容生产提供选题支持。这方面，许多传媒已经开始实践，但他们引入的数据团队，多着眼于对数据新闻用到的大数据做分析，却对用户个体属性、使用行为、社交关系的数据不够重视。

　　不过，新媒体已经为传统媒体提供了可以复制的经验。例如，电视媒体就可以向美国的网络视频服务商Netflix学习。Netflix曾通过分析用户每天在网站上产生的3000多万个行为（含检索、暂停、快进、回放、点赞等），推算出用户的观看兴趣，发现很多用户依然在点播1991年BBC的经典剧作《纸牌屋》，同时这些观众中许多人喜欢导演大卫·芬奇和演员凯文·史派西，最终决定邀请二人担当导演和主演，翻拍《纸牌屋》获得成功。这对传统的电视媒体来说，Netflix的做法无疑是寻找节目选题的便捷路径。

　　媒体可以利用大数据重塑“信息鉴别力”

　　“按需推荐”模式需要技术提供强大的支撑，但在“信息推荐”之前的“信息采集与呈现”环节，机器计算与人工智能都依然无法替代人的专业判断，而这正是传统媒体的优势所在。实际上，“按需推荐”模式整合了两类大数据资源，一端是媒介已经生产出的海量的内容数据，一端是海量用户不断积累的媒介使用数据。以“今日头条”为例，无论其信息推荐系统多么精确，其信息来源都来自门户网站的新闻内容，而门户网站则多是转载于传统媒体。所以，在另一端源头数据的获取上，“按需推荐”模式的运行离不开众多传统媒体的集体贡献。

　　进一步再换个角度看，被大数据包裹的用户面临着信息过剩的问题，如何处理、分析海量的数据，从中得出有价值的信息成为摆在每个人面前的问题。在源源不断涌现的信息中，人们越来越难辨别究竟自己真正需要什么信息，以及在复杂信息中分辨真相。帮助用户重塑“信息鉴别力”素养，仅仅依靠机器运算是无法完成的，说到底仍要依靠传统媒体提供有深度、有思想的专业信息服务来完成。特别是在受众“不知需求何在”的时候，传统媒体应当担负起解释者和瞭望者的角色，帮助他们减少困惑和压力，从而更好地“知晓和发现自己的需求”。

　　媒介环境学者保罗·莱文森对未来媒介做过一个判断，认为媒介将朝着越来越人性化的趋势发展：无论是媒体的介质形态，还是媒体生产的内容，都将更加省力便捷，更加满足个性化的需求，拥有与人体器官相近的媒介体验。大数据创造的“按需推荐”，正是莱文森所说人性化媒介的一种情景。虽然目前能够做到“按需推荐”的媒介主要是新媒体，报纸、电视还尚未应用、开辟这种生产模式，但传统媒体只要是从人性的角度出发担负自身的社会角色，保障原创内容的品质，树立起“用户逻辑”、考虑到受众的实际感受，就会逐渐趋向“人性化”。

　　目前，已经有一些媒体开始这样做了，例如，《纽约时报》的新闻采编部已经成立了受众拓展团队，即负责使用社交媒体、搜索引擎和电子邮件等推广业务，最重要的是探索如何使报道更加有效地抵达读者。可以想象，随着新旧媒体之间融合程度的加深与大数据分析技术的发展，建立在“按需推荐”基础上的人性化服务会逐步成为整个传媒业内容生产的新常态。

　　当然，需要指出的是，“按需推荐”不是大数据时代传媒业内容生产的唯一方向。“用户逻辑”的背后除了强调用户的需求，也包含了用户分散却巨大的舆论力量。传媒如何动员海量用户参与到新闻的发现、采集与整理环节，以众包和众筹的方式聚合信息、完成新闻的雏形，这同样是大数据时代传媒内容生产中需要思考的话题。