大數據影響媒介生產思路
大數據與傳媒業的相遇，首先碰撞出的是數據新聞、機器人新聞、預測新聞等全新的報道樣態，媒體對來自政府、企業、互聯網的大數據加以利用制作出可視化新聞，改變了過去只依賴事實而缺少數據支撐的報道邏輯。除此之外，大數據對傳媒業的影響，還體現在媒介內容生產思路的變化上。
過去被媒體視作原子化的“大眾”的媒介使用者們已轉身成為個性化的“用戶”。如果說“受眾”只是單向傳播的被動接受者，那么“用戶”對媒介的利用更為主動，選擇空間更大，而且能夠生產原創的信息回流給傳統媒體。他們稱得上是傳媒業大數據的貢獻者，如facebook每天更新的照片數量達到上千萬張，youtube平均每秒上傳一段長度在一小時以上的視頻，每天世界各地數以億計的網民在網絡上互動交流……用戶留下的網絡痕跡，已經成為一種重要的大數據資源。通過挖掘這些數據，傳媒可以更好捕捉到用戶的個性化需求、潛在的興趣點，從而主動向用戶推薦滿足需求的信息，開創一種“按需推薦”的內容生產模式。
正如frogdesign咨詢公司的觀察家所言：“我們正在離開信息時代，邁入推薦時代。”作為移動媒體終端的“今日頭條”，就是一個踐行“按需推薦”模式的例子。2014年6月，“今日頭條”這款號稱“不生產新聞，只搬運新聞”的手機客戶端完成1億美金的融資，引發關注。其內容組織方式就是一種大數據分析基礎上以用戶為中心的模式，以往傳統媒體的內容生產主要靠編輯選取新聞，但“今日頭條”是靠算法推薦新聞。按照創始人張一鳴的說法，“今日頭條”會“根據用戶綁定的微博，自動建立一個用戶的dna興趣圖譜，主要根據用戶sns賬號上的標簽、關注人群、好友、評論或轉發、收藏等數據，以及用戶的手機、位置、使用時間等數據提取出來……隨后系統會自動記錄用戶的閱讀情況，不斷摸索用戶的興趣，同時也在不斷優化推薦的算法。六七次之后，機器就能基本上判斷出用戶的興趣了”。
其實，個性化推薦服務在網絡電商平臺上早已普及，電商通過分析消費者對產品頁面的瀏覽、評論、收藏、添加到購物車等行為，可以向其推薦感興趣的其他商品，從而實現精準的廣告營銷。這一思路換至新聞領域，同樣適用。從長遠看，依照新媒體“按需推薦”的邏輯組織和布局媒介內容，是傳統媒體在大數據時代的變革方向。
大數據為媒體提供了受眾的信息需求
“按需推薦”蘊含著有別于以往傳者主導傳受關系的理念，更加強調用戶地位、用戶體驗、用戶評價。傳統媒體由于新聞生產周期的固定化，可以在日積月累中塑造忠誠度較高的受眾的“新聞期待”意識，但仍無法跟上網絡時代全時傳播的腳步。與其讓受眾“期待”媒介等米下鍋，不如媒介主動“推介”信息送貨上門。
落實到具體報道中，則意味著傳統媒體更重視新聞價值中的受眾效用。作為新聞生產的核心概念，新聞價值對媒體來說，是一套衡量和選擇新聞的職業準則，但對受眾來說，則集中體現為一種使用價值，即是否有用。如果受眾自己對新聞不關心、不感興趣或不需要，即便傳媒把它報道出來了，但站在接受者的角度依然是沒有價值的。而如今，受眾的信息需求更加分化和多元，面對“分眾”和“小眾”的現實，傳媒與其調整新聞價值的標準，不如根據受眾看重的使用價值，將新聞重新分類打包再分派推送出去，以實現效用的最大化。
受眾的認可或買賬，在一定程度上決定著傳媒的市場空間。就像過去電視節目的質量高低由收視率來衡量一樣，如今，用戶媒介使用行為、閱讀習慣等大數據，更能聚沙成塔般地折射出他們對傳媒的整體態度。比起依靠隨機樣本獲得的收視率，大數據分析可以呈現覆蓋全樣本的總體態勢，據此得出的結論也具說服力。與收視率相比，基于大數據生成的直觀用戶評價，無疑對傳統媒體制定內容調整策略有更高的參考價值。
大數據可以為媒體直接提供選題內容
“按需推薦”建立在對用戶需要的精準把握之上，無形中對傳統媒體設定了數據挖掘的技術門檻。“今日頭條”的推送之所以精準，很大程度上有賴于其數據挖掘、分析與計算的技術條件。在其200多名員工中，一半以上都是負責專攻算法的。僅僅靠人工判斷，無法完成如此大規模的數據運算，依靠機器自學習、不斷優化算法，才能夠提升推送的精準程度。
可以說，技術與算法是移動媒體完成“按需推薦”的核心競爭力，但這卻是傳統媒體的短板。面對這種情況，傳統媒體要么與技術成熟的新媒體平臺合作，減輕渠道建設的壓力；要么自主組建專門的數據分析團隊，進駐編輯部，負責收集、整合、挖掘媒體的大數據資源，為內容生產提供選題支持。這方面，許多傳媒已經開始實踐，但他們引入的數據團隊，多著眼于對數據新聞用到的大數據做分析，卻對用戶個體屬性、使用行為、社交關系的數據不夠重視。
不過，新媒體已經為傳統媒體提供了可以復制的經驗。例如，電視媒體就可以向美國的網絡視頻服務商netflix學習。netflix曾通過分析用戶每天在網站上產生的3000多萬個行為（含檢索、暫停、快進、回放、點贊等），推算出用戶的觀看興趣，發現很多用戶依然在點播1991年bbc的經典劇作《紙牌屋》，同時這些觀眾中許多人喜歡導演大衛·芬奇和演員凱文·史派西，最終決定邀請二人擔當導演和主演，翻拍《紙牌屋》獲得成功。這對傳統的電視媒體來說，netflix的做法無疑是尋找節目選題的便捷路徑。
媒體可以利用大數據重塑“信息鑒別力”
“按需推薦”模式需要技術提供強大的支撐，但在“信息推薦”之前的“信息采集與呈現”環節，機器計算與人工智能都依然無法替代人的專業判斷，而這正是傳統媒體的優勢所在。實際上，“按需推薦”模式整合了兩類大數據資源，一端是媒介已經生產出的海量的內容數據，一端是海量用戶不斷積累的媒介使用數據。以“今日頭條”為例，無論其信息推薦系統多么精確，其信息來源都來自門戶網站的新聞內容，而門戶網站則多是轉載于傳統媒體。所以，在另一端源頭數據的獲取上，“按需推薦”模式的運行離不開眾多傳統媒體的集體貢獻。
進一步再換個角度看，被大數據包裹的用戶面臨著信息過剩的問題，如何處理、分析海量的數據，從中得出有價值的信息成為擺在每個人面前的問題。在源源不斷涌現的信息中，人們越來越難辨別究竟自己真正需要什么信息，以及在復雜信息中分辨真相。幫助用戶重塑“信息鑒別力”素養，僅僅依靠機器運算是無法完成的，說到底仍要依靠傳統媒體提供有深度、有思想的專業信息服務來完成。特別是在受眾“不知需求何在”的時候，傳統媒體應當擔負起解釋者和瞭望者的角色，幫助他們減少困惑和壓力，從而更好地“知曉和發現自己的需求”。
媒介環境學者保羅·萊文森對未來媒介做過一個判斷，認為媒介將朝著越來越人性化的趨勢發展：無論是媒體的介質形態，還是媒體生產的內容，都將更加省力便捷，更加滿足個性化的需求，擁有與人體器官相近的媒介體驗。大數據創造的“按需推薦”，正是萊文森所說人性化媒介的一種情景。雖然目前能夠做到“按需推薦”的媒介主要是新媒體，報紙、電視還尚未應用、開辟這種生產模式，但傳統媒體只要是從人性的角度出發擔負自身的社會角色，保障原創內容的品質，樹立起“用戶邏輯”、考慮到受眾的實際感受，就會逐漸趨向“人性化”。
目前，已經有一些媒體開始這樣做了，例如，《紐約時報》的新聞采編部已經成立了受眾拓展團隊，即負責使用社交媒體、搜索引擎和電子郵件等推廣業務，最重要的是探索如何使報道更加有效地抵達讀者。可以想象，隨著新舊媒體之間融合程度的加深與大數據分析技術的發展，建立在“按需推薦”基礎上的人性化服務會逐步成為整個傳媒業內容生產的新常態。
當然，需要指出的是，“按需推薦”不是大數據時代傳媒業內容生產的唯一方向。“用戶邏輯”的背后除了強調用戶的需求，也包含了用戶分散卻巨大的輿論力量。傳媒如何動員海量用戶參與到新聞的發現、采集與整理環節，以眾包和眾籌的方式聚合信息、完成新聞的雛形，這同樣是大數據時代傳媒內容生產中需要思考的話題。
京公網安備 11010502049343號