2024年2月8日发(作者：京初珍)

本期特稿XINWENAIHAOZHE渊2016窑6冤智能传播平台的构建要以今日头条为例要要阴郭全中胡洁揖摘要铱技术作为传媒业变革的驱动力袁在未来一定阶段具体表现为智能传播平台袁智能传播平台的核心在于有效解决信息过载问题袁解决途径是实现信息与用户个性化尧定制化尧精准化的智能匹配遥智能传播平台需要以野互联网冶野大数据冶的思维袁基于大数据打造大数据技术平台尧智能生产和传播平台以及用户沉淀平台遥今日头条是智能传播平台的典型代表袁取得了良好的效果袁其构建以及运作经验对其他媒体的智能传播平台建设有着重要的借鉴意义遥揖关键词铱智能传播平台曰用户连接曰个性化推荐曰今日头条在野互联网冶野大数据冶的时代大背景下袁传播方式和格局被彻底颠覆袁基于互联网和大数据技术的智能传播平台代表着传媒业的趋势和未来袁而今日头条则是智能传播平台的典型代表袁本文就以今日头条为例来分析智能传播平台的构建和运作遥一尧传媒业变革呼唤智能传播平台渊一冤技术是传媒业变革的原动力纵观人类传播史袁我们共经历了四次传播革命袁而每一次传播革命的背后都是媒介技术革命所驱动的袁正如麦克卢汉所言野媒介即讯息冶遥首先袁文字的发明带来了第一次传播革命遥公元前4000年楔形文字出现之后袁突破了传播的时间限制袁实现了信息的代际间传播袁也正是得益于文字的出现袁我们现在才能借助文字更好地了解古代人的生活状态袁当然文字的发明也使得信息数量开始大幅度增加遥其次袁古登堡印刷术带来了第二次传播革命遥1450年之后的50年间袁大约有800万本书被印刷袁比之前的所有的手抄本还多袁信息的数量也快速增加遥古登堡印刷术突破了信息的距离限制袁使得信息实现了大范围传播遥再次袁电报技术的发明带来了第三次传播革命遥电报技术突破了时间和范围的限制袁真正实现了野千里之外袁瞬间可至冶袁信息的数量又一次急速增加遥最后袁互联网技术带来第四次传播革命遥1989年袁当万维网出现之后袁互联网以其海量的空间尧互动的4方式袁使得信息数量急剧增加遥从上述的四次传播革命来看袁技术正式成为传媒业变革的主要驱动力袁正可谓未来媒体一定是技术媒体遥从实践来看袁无论是国外的谷歌尧Twitter尧Facebook袁还是国内的腾讯尧新浪尧百度尧今日头条等袁无不是以技术驱动发展的遥渊二冤互联网和大数据技术的发展使得智能传播平台成为可能智能传播平台的基础是大数据袁而衡量大数据基础是否扎实的三大标准是大数据的数据存储能力尧生产数据能力尧数据分析能力袁而从目前来看袁这三大能力大数据都已具备遥第一袁野摩尔定律冶使得人类存储数据的能力大大增强遥野摩尔定律冶是由英特尔的创始人之一戈登窑摩尔1965年提出来的袁即当价格不变时袁集成电路上可容纳的晶体管数目袁约每隔18个月便会增加一倍袁性能也将提升一倍遥在野摩尔定律冶的推动下袁相对于性能的提升袁价格以更快的速度下降袁即在存储器的性能提高的同时袁大约每9个月存储容量的价格就下降一半遥这一方面使得人们可以有更大尧更快的数据存储能力袁另一方面使得人们能够承担起保存数据的成本遥而KPCB的数据显示袁1990年到2013年期间袁计算成本平均每年下滑33%曰存储成本平均每年下滑38%曰带宽成本平均每年下滑27%遥[1]第二袁社交媒体的出现使得人类生产数据的能力增强遥在社交媒体时代袁人人都有麦克风袁人人都可以是自媒体袁Facebook尧新浪微博尧微信等社交类媒体以其及时尧互动的特点使得人们生产数据的能力大大Copyright©博看网 . All Rights Reserved.

本期特稿渊2016窑6冤XINWENAIHAOZHE增加遥相关数据显示袁Facebook的用户每分钟分享的内容超过450万条曰YouTube的用户上传的数据超过300小时遥第三袁数据分析和挖掘能力使得人类使用数据的能力大大增强遥随着大数据的发展袁传统的数据分析工具和手段已经不够用袁研究人员开发出了新的数据分析和挖掘能力袁目前袁主流的相关技术主要有以MapReduce和Hadoop为代表的非关系数据分析技术遥第四袁智能终端的大范围普及使得人们随时在线遥智能传播需要随时在线的大量数据袁在之前的PC互联网时代袁不可能提供智能传播所需要的在线数据袁而随着2009年3G开始商用袁我们进入移动互联网时代袁智能手机等智能终端开始快速普及遥智能手机体积小且作为人人必备的工具袁不仅能随身携带且可以随时随地打开袁这样就为智能传播平台提供了极其多的在线数据遥相关数据显示袁现在平均每人每天打开手机100多次袁这就能够提供大量及时尧在线和用户位置的数据遥今日头条就是基于手机智能终端的快速尧大范围普及的大趋势袁于2012年年初创立遥渊三冤精准传播成为可能首先袁信息过载与用户个性化尧定制化尧精准化的信息需求之间存在重大悖论遥当前袁我们每日都陷于信息的汪洋大海中袁除了传统媒体袁还有微博尧微信等各类新媒体信息源袁但是每个人所能获取的能够满足自身个性化需求的有效信息不仅没有增多反而大大降低袁正可谓野多就是少冶遥而这种悖论难题依靠传统方法是不可能有效解决的袁只能借助于智能传播平台予以解决遥其次袁从大众传播到分众传播再到精准传播的发展趋势遥传播发展到今天袁从最早的大众传播袁如一种内容面向所有受众的报纸尧广播尧电视等袁再到此后的分众传播袁例如广播尧电视的分频道袁专业性报刊的出现以及报刊的分叠化袁而在信息过载的时代下袁精准传播应运而生袁基于互联网和大数据技术已经能够给用户提供满足个人信息需求的个性化尧定制化的信息遥渊四冤传统媒体急需重建用户连接近几年来袁在互联网媒体的猛烈冲击下袁传统媒体深陷困境袁根源就在于用户连接失效袁具体表现为院一是传统媒体用户已经转移到互联网遥CNNIC的数据显示袁截至2015年年底袁我国的网民数达到6.88亿袁占人口总数的50%以上袁手机网民达到6.20亿袁尤其是年轻人获取信息的第一入口已经是互联网袁不看电视尧不看报尧不听广播只用网络已经成为很多年轻人的生活方式遥二是传统媒体广告收入大幅度下滑遥2015年袁互联网广告收入已经高达2096.6亿元袁远远超过传统媒体的广告收入之和袁百度的广告收入为640.37亿元袁而与此形成鲜明对比的是袁都市类报纸和地市级报社有60%陷入亏损困境遥三是骨干大量流失遥近几年袁以央视为代表的中央级媒体和地方性媒体都有大量的骨干在流失遥面对用户连接失效的难题袁传统媒体也采取了各种办法袁但是成效不大袁而智能传播平台将是一条有效途径遥渊五冤从精英编辑到个性化智能推荐从传统媒体到社交媒体再到智能传播平台袁信息数量在快速增加袁信息的编辑和推荐的方式也在不断进化袁以提供更好的信息服务遥首先袁传统媒体时代由媒体推荐遥传统媒体时代又可以分为大众传播和分众传播时代遥一是大众传播时代遥信息的数量相对较少袁受众规模和范围较小袁在这种情况下袁采取的是一点对多点的大众传播方式袁高度中心化袁推荐方式靠传统媒体主导袁这是一种精英主导式的推荐遥如20世纪80年代的中央电视台和人民日报社等遥二是分众传播时代遥信息的数量大量增加但未到信息过载程度袁受众规模和范围大范围增大袁采取的是一点对多点的传播方式袁高度中心化袁推荐方式依然是传统媒体主导袁是一种精英主导式的推荐袁但为了适应受众的分化趋势袁一方面传统报刊创办都市类尧财经类尧时尚类尧科技类尧娱乐类报刊袁厚报采取分叠方式曰另一方面传统电视则开办财经尧娱乐尧体育尧电影等频道遥其次袁在社交媒体时代由社交关系推荐遥随着微博尧微信等社交媒体的兴起袁我们进入泽字节时代袁信息数量急剧增加袁进入信息过载时代袁用户覆盖了绝大多数的人群袁采取的是多点对多点的传播方式袁中心相对分散袁推荐由居于分中心的意见领袖主导袁是一种相对平民化的推荐方式遥由于分中心的意见领袖远远超过传统媒体的数量袁在信息过载程度不是很严重的情况下袁能够较好地解决信息过载问题遥但是随着信息过载程度的进一步加深以及微博尧微信的信息传播频率越来越快袁这种以意见领袖为主导的推荐方式也难以有效解决信息过载问题遥在国际范围内袁Facebook尧Twitter尧微信和微博是社交关系推荐的典范袁自有其优势袁但劣势也很明显袁主要表现为信息过载的朋友圈也难以找到有价值的信息遥再次袁在个性化推荐时代利用算法推荐遥在当前信息严重过载的时代袁用户覆盖了绝大多数的人群袁采取的是点对点的传播方式袁无中心袁推荐完全由机5Copyright©博看网 . All Rights Reserved.

本期特稿XINWENAIHAOZHE渊2016窑6冤器主导袁是一种高度平民化的推荐方式遥个性化推荐方式通过机器算法袁根据用户的需求实现了信息和用户需求的智能化匹配袁能够有效地解决信息过载难题遥目前袁在国际范围内袁Youtube尧今日头条是其中的典范袁此后出现的印度的Dailyhunt尧日本的SmartNews尧印尼的Babe等都采取的是今日头条的解决方式遥综上所述袁媒体推荐尧社交关系推荐和算法推荐的区别见表1遥二尧智能传播平台的构建渊一冤基本原理智能传播平台的目标是解决信息过载情况下的信息与用户个性化尧定制化尧精准化的信息需求之间的智能化匹配袁而智能传播平台构建的关键则是基于大数据的三大平台遥具体见图1遥首先袁打造内容丰富尧形态多样的内容平台遥在该平台上袁云集着各式各样的信息袁既有文字的袁又有音频和视频的袁并能实现信息的分类筛选尧摘编和深度加工遥内容平台一方面是开放的袁既能对接各种自媒体平台和小型机构媒体袁又能通过各类媒介进行传播袁另一方面能够利用大数据技术对内容贴标智能传播用户需求定制化图1信息智能匹配图表1时代大众传播时代分众传播时代信息数量少相对少信息过载签袁以更准确地定义内容遥其次袁打造技术先进的大数据信息资源平台袁在该平台上能够利用数据挖掘和分析等技术和方式袁通过对用户在互联网中的行为进行长期的尧系统的跟踪和分析袁实现对读者和受众个性化需求的准确定位和把握袁其核心在于用户画像遥再次袁能够通过技术手段低成本地在信息和受众个性化尧定制化的需求之间实现智能化匹配袁并能通过各种支付手段袁实现智能化信息的收费遥渊二冤三大平台的构建首先袁大数据技术平台遥大数据技术平台是硬件尧软件尧数据尧云存储和平台服务的组合袁具体包括大数据资源中心尧大数据智能分析中心尧大数据组件服务尧虚拟化云平台尧大数据运营系统尧安全管理体系等方面的建设内容遥其次袁智能生产和传播平台遥智能生产和传播平台是立足于媒体大数据平台袁以大数据智能分析工具作为技术支撑袁将媒体旗下媒体资源融合共享使用袁实现野一次采集尧多元加工尧多次发布冶的智能生产和传播平台遥包括新闻线索智能决策系统尧融媒体智能创作系统尧融媒体智能发布系统尧传播效果分析系统尧中央厨房报道指挥系统尧内容创作社区尧PC互联网改造升级等方面的建设内容遥再次袁用户沉淀平台遥用户沉淀平台是将传媒集团通过优质内容资源尧线下活动尧经营行为沉淀下来的优质用户数据进行整合尧清洗尧认证尧管理尧记录以及深入挖掘尧分析袁并通过智能化尧个性化的信息尧数据服务袁提高用户的参与度和满意度遥用户沉淀平台包括用户数据采集及处理尧用户数据存储与管理尧跨媒用户统一管理尧用户行为分析尧用户肖像刻画尧互动应用管理等方面的建设内容遥渊三冤今日头条智能传播平台的构建今日头条的智能传播平台除了上述三大平台之外袁核心在于根据用户特征尧场景和文章特征做个性化推荐袁每一个用户的推荐内容都不同袁实现了真正三种推荐方式比较表中心程度推荐方式本质特征精英主导精英主导用户数量传播方式少相对少多一点对多点高度中心化媒体推荐一点对多点高度中心化媒体推荐多点对多点分中心点对点无中心传统媒体时代社交媒体时代个性化推荐6社交关系推荐相对平民化算法推荐高度平民化信息严重过载很多Copyright©博看网 . All Rights Reserved.

本期特稿渊2016窑6冤XINWENAIHAOZHE的千人千面遥需要指出的是袁今日头条自身不生产内容袁是数据创作平台和分发平台袁一方面袁作为个性化推荐引擎袁重点在于实现内容和用户需求的更好匹配和分发曰另一方面袁作为数据创作平台袁今日头条每天有75%以上的内容来自今日头条的创作平台遥首先袁在用户画像方面袁可以根据用户短期的点击尧转发和评论行为来给用户按照兴趣尧职业尧年龄尧终端尧地域分布尧情感倾向等特征对用户进行画像袁进而分析出用户喜欢什么类型的文章尧最喜欢文章里的什么关键词尧关注你的人还喜欢什么内容袁等等遥其次袁分析场景特征遥个性化推荐除了考虑用户的个人特征以外袁也要考虑用户所处的场景遥例如袁早上应该多推送与工作相关的信息袁中午可以多推荐一些餐饮信息袁晚饭后则可以推荐幽默尧搞笑视频遥当然袁在进行个性化推荐时袁也应该分析用户是否在WiFi环境下袁如果没有WiFi袁则应多推荐耗费流量不大的图文袁而如果有WiFi袁则可以多推荐耗费流量大的音视频遥再次袁分析文章的特征遥重点分析文章中有什么主题词袁有什么重要标签袁文章的热度尧时效性和相似性如何等遥通过分析用户的个性化特征袁结合特定的场景袁给每一个用户推荐满足其需求的文章袁这样就能够吸引用户留存下来袁并提升用户的忠诚度遥渊四冤今日头条智能传播平台搭建的几个重点首先袁灵活交叉应用数据思维的三大工具袁即归纳总结尧A/B测试尧双盲交叉验证遥一是归纳总结袁即按照特定的维度进行排序袁分析对象特性袁并在此基础上找出内在规律袁为决策做服务遥二是A/B测试袁即把实验对象随机分组袁把一个或多个测试组的表现与对照组比较袁以测试效果遥三是双盲交叉验证袁即在评估一项数据的时候袁把一部分样本抽样袁让其他人再评估一下袁进而根据抽样数据评估的一致性来判断该评估的可靠性遥其次袁推荐算法分为推荐模型和推荐召回模型两层遥一是在推荐模型方面袁尽可能地丰富决策的维度袁包括性别尧年龄尧兴趣等袁今日头条已经有数百亿维度袁目前还在增加遥推荐模型的优点是功能很强大袁但其缺点是需要的计算资源很多袁成本大袁并不是所有的事情都适合该模型遥二是在推荐召回模型方面袁各个策略独立地负责判断哪些内容有资格进入排序候选遥通过推荐召回模型可以过滤掉90%的无效信息袁有效降低了推荐模型的负担遥再次袁实现数据部和业务部的有效混通遥在混的方面袁数据部要和业务部混在一起袁唯有混在一起袁才有可能通曰在通的方面袁带着业务问题看数据或者带着数据来看业务遥业务问题和数据问题之间的野通冶袁需要部门数据之间的交叉遥今日头条有专业的内容运营团队袁其中不少人有传统媒体的工作经验袁他们会帮助算法去发现尧判断内容的价值遥今日头条通过数据部尧业务部之间互联互通袁在发挥人的智慧和品位的基础上袁寻找算法和人工之间的最佳结合点遥四尧智能传播平台的运作要要要以今日头条为例2012年8月今日头条智能传播平台推出后袁迅速获得市场认可袁长期占据苹果应用商店新闻类榜首遥渊一冤今日头条具有技术基因随着互联网技术和大数据技术的发展袁互联网和大数据已经成为整个社会的底层架构和社会操作系统袁其中互联网是骨骼袁大数据则是血液袁而在野互联网+冶野大数据+冶的推动下袁人工智能在高速发展遥今日头条作为新一代的高技术公司袁其技术基因更为鲜明院一是其创始人张一鸣是技术出身遥他不仅深刻理解技术的趋势袁而且对技术高度重视遥二是主要团队以技术团队为主遥正如今日头条所说袁其本身并不生产内容袁而是基于数据挖掘和推荐引擎技术袁实现内容的更好分发和传播遥三是基于更为先进的大数据技术遥目前袁绝大多数的互联网网站都是基于传统的互联网技术而不是基于大数据技术袁导致难以实现有效的信息智能匹配和个性化推荐遥需要指出的是袁今日头条认为机器比人更靠谱袁一方面是机器不求回报袁另一方面是机器更加稳定遥渊二冤今日头条能够帮助传统媒体重建用户连接今日头条以用户体验为王袁充分利用互联网和大数据技术来搭建智能传播平台遥通过分析用户的个性化特征袁结合特定的场景袁给每一个用户推荐满足其需求的文章袁这样就能够吸引用户留存下来袁并提升用户的忠诚度遥截至2016年3月中旬袁今日头条在短短4年内累计激活用户数超过4.5亿袁仅A孕孕的日活跃用户就超过4500万袁MAU达到1.2亿袁单用户每日启动次数约8次袁单用户每日使用时长超过60分钟袁内容阅读量超过8亿篇袁头条号账号总数为7W遥已有最高检尧最高法尧中国政府网尧公安部尧教育部以及北京发布尧上海发布尧广东发布等近5500家各级单位开通头条号袁平均每周发文3万余篇袁每周7Copyright©博看网 . All Rights Reserved.

本期特稿XINWENAIHAOZHE渊2016窑6冤推荐人群超过4.7亿遥可以看出袁今日头条这样的智能传播平台不仅聚集了4.7亿的巨量用户袁而且帮助传统媒体进行了更好的传播袁帮助传统媒体重建了用户连接遥渊三冤今日头条有效避免了野广场效应冶所谓野广场效应冶袁是指人们在聚集的公共场所袁由于从众效应袁往往会表现出与平时大相径庭的言行袁其结果就是多数时候群体道德水平比个人道德低下遥互联网不仅构成了一个虚拟和现实交织的社会袁而且作为公共舆论平台袁以其多点对多点尧病毒式尧及时尧互动的传播特点袁更容易形成野广场效应冶袁且野广场效应冶的波及面更大尧影响更深远遥互联网时代下袁热点事件层出不穷且更难以进行舆论引导的根源就在于此遥例如袁前不久黄晓明和Angelababy价值2亿元的婚礼占据了各大门户网站的显著位置袁成为街谈巷议的谈资遥互联网媒体把焦点聚焦于野价值2亿元冶的奢侈场面袁评论区里一片羡慕的口水现象袁就造成了拜金等奢侈风气的不良导向遥野广场效应冶无疑造成了舆论的混乱和社会的失序袁危害很大遥有效避免野广场效应冶的良法就是利用今日头条等智能传播平台来进行精准化传播袁从源头上避免野广场效应冶的形成遥今日头条根据用户特征尧场景和文章特征为用户做个性化推荐袁每一个用户的推荐内容都不同袁实现了真正的千人千面遥具体说来袁在分析用户的个性化特征和文章关键词的基础上袁结合特定的场景袁给每一个用户推荐满足其需求的文章遥例如袁针对官员群体会多推送叶人民日报曳和央视的时政尧政经内容袁而针对年轻用户则会多推送芒果TV的娱乐内容遥今日头条这类智能传播平台由于是针对每一个用户进行的个性化推荐袁就避免了大众聚集的广场存在袁就能在实现传播效果的同时避免形成野广场效应冶遥例如袁在黄晓明大婚事件中袁今日头条发表的相关文章有3378篇袁阅读数高达1.74亿次袁但是并未形成拜金的不良导向遥渊四冤今日头条助力公益事业今日头条通过开辟野头条寻人冶平台袁已经帮助8位老人成功回家袁其主要运作方式如下遥第一袁对推送范围进行精准定位遥当今日头条接到用户寻人求助时袁就进行野定向地域推送冶袁即将寻人启事发送给当事人走失地点的相关范围内遥例如袁当一位老人在鸟巢走失时袁今日头条就可以把此信息推送给周围的用户袁所有此区域的头条用户都会收到相关弹窗遥由于今日头条的用户数量庞大袁即使细化到某一细分区域袁用户量依然很大袁能够充分保8证寻人信息的深覆盖遥第二袁走安全尧绿色通道袁快速发布遥野头条寻人冶平台有专门的便捷尧有效又安全的信息发布规则院在家属提供寻人必需的相关信息后袁野头条寻人冶将及时联系警方核实袁经确认后立即推送遥这样既能保证信息的真实性袁又能实现寻人信息的快速推送遥第三袁及时更新推送范围遥野头条寻人冶会根据最新的详实线索袁及时将寻人启事追加推送给新线索地点遥还是以上文为例袁当北京南站出现在鸟巢失踪老人的新线索时袁野头条寻人冶就及时在北京南站进行补推寻人信息遥第四袁严格的信息保护遥当当事人亲属反映当事人已经找到时袁野头条寻人冶会及时对相关文章进行处理袁在将好消息告知关心此事的好心人的同时袁还会将涉及当事人隐私的信息撤下遥可以看出袁基于智能新技术尧用户量庞大的智能传播平台袁在寻找老人等公益事件中发挥了越来越大的作用袁而未来会在网络打拐等更广阔的民生领域发挥更大的作用遥渊五冤今日头条帮助传统媒体和头条客实现更好的商业变现2015年以来袁今日头条除了大幅度提升版权费外袁还更好地利用大数据技术袁为传统媒体和头条客探索更好的商业变现途径遥首先袁今日头条为传统媒体的头条号开通了广告功能遥而个性化相关文章推荐袁媒体可以通过应用下载和头条广告实现商业收益遥其次袁今日头条尝试媒体电商导流方案袁媒体头条号可直接在发表文章时插入商品链接及图片袁用户可以通过点击链接进入电商平台完成购买遥此外袁今日头条的商业价值已经得到充分的显现袁据测算袁2015年其广告收入在16亿元左右袁而2016年预计会达60亿元以上遥尤其需要指出的是袁今日头条的生态系统正在日益完善袁未来其营业收入会更加多元化袁其商业价值也必将会更大遥[本文为作者主持的国家社科基金重点项目野新媒体环境下传统媒体的转型战略研究冶的阶段性成果渊项目批准号院13AXW006冤]参考文献院com/p/[1]MaryMeeker院2014年互联网趋势报告[EB/OL].http院//36kr.渊郭全中为国家行政学院社会和文化教研部高级经济师曰胡洁为中国社会科学院数量经济与技术经济研究所副研究员冤编校院董方晓Copyright©博看网 . All Rights Reserved.

2024年2月8日发(作者：京初珍)

本期特稿XINWENAIHAOZHE渊2016窑6冤智能传播平台的构建要以今日头条为例要要阴郭全中胡洁揖摘要铱技术作为传媒业变革的驱动力袁在未来一定阶段具体表现为智能传播平台袁智能传播平台的核心在于有效解决信息过载问题袁解决途径是实现信息与用户个性化尧定制化尧精准化的智能匹配遥智能传播平台需要以野互联网冶野大数据冶的思维袁基于大数据打造大数据技术平台尧智能生产和传播平台以及用户沉淀平台遥今日头条是智能传播平台的典型代表袁取得了良好的效果袁其构建以及运作经验对其他媒体的智能传播平台建设有着重要的借鉴意义遥揖关键词铱智能传播平台曰用户连接曰个性化推荐曰今日头条在野互联网冶野大数据冶的时代大背景下袁传播方式和格局被彻底颠覆袁基于互联网和大数据技术的智能传播平台代表着传媒业的趋势和未来袁而今日头条则是智能传播平台的典型代表袁本文就以今日头条为例来分析智能传播平台的构建和运作遥一尧传媒业变革呼唤智能传播平台渊一冤技术是传媒业变革的原动力纵观人类传播史袁我们共经历了四次传播革命袁而每一次传播革命的背后都是媒介技术革命所驱动的袁正如麦克卢汉所言野媒介即讯息冶遥首先袁文字的发明带来了第一次传播革命遥公元前4000年楔形文字出现之后袁突破了传播的时间限制袁实现了信息的代际间传播袁也正是得益于文字的出现袁我们现在才能借助文字更好地了解古代人的生活状态袁当然文字的发明也使得信息数量开始大幅度增加遥其次袁古登堡印刷术带来了第二次传播革命遥1450年之后的50年间袁大约有800万本书被印刷袁比之前的所有的手抄本还多袁信息的数量也快速增加遥古登堡印刷术突破了信息的距离限制袁使得信息实现了大范围传播遥再次袁电报技术的发明带来了第三次传播革命遥电报技术突破了时间和范围的限制袁真正实现了野千里之外袁瞬间可至冶袁信息的数量又一次急速增加遥最后袁互联网技术带来第四次传播革命遥1989年袁当万维网出现之后袁互联网以其海量的空间尧互动的4方式袁使得信息数量急剧增加遥从上述的四次传播革命来看袁技术正式成为传媒业变革的主要驱动力袁正可谓未来媒体一定是技术媒体遥从实践来看袁无论是国外的谷歌尧Twitter尧Facebook袁还是国内的腾讯尧新浪尧百度尧今日头条等袁无不是以技术驱动发展的遥渊二冤互联网和大数据技术的发展使得智能传播平台成为可能智能传播平台的基础是大数据袁而衡量大数据基础是否扎实的三大标准是大数据的数据存储能力尧生产数据能力尧数据分析能力袁而从目前来看袁这三大能力大数据都已具备遥第一袁野摩尔定律冶使得人类存储数据的能力大大增强遥野摩尔定律冶是由英特尔的创始人之一戈登窑摩尔1965年提出来的袁即当价格不变时袁集成电路上可容纳的晶体管数目袁约每隔18个月便会增加一倍袁性能也将提升一倍遥在野摩尔定律冶的推动下袁相对于性能的提升袁价格以更快的速度下降袁即在存储器的性能提高的同时袁大约每9个月存储容量的价格就下降一半遥这一方面使得人们可以有更大尧更快的数据存储能力袁另一方面使得人们能够承担起保存数据的成本遥而KPCB的数据显示袁1990年到2013年期间袁计算成本平均每年下滑33%曰存储成本平均每年下滑38%曰带宽成本平均每年下滑27%遥[1]第二袁社交媒体的出现使得人类生产数据的能力增强遥在社交媒体时代袁人人都有麦克风袁人人都可以是自媒体袁Facebook尧新浪微博尧微信等社交类媒体以其及时尧互动的特点使得人们生产数据的能力大大Copyright©博看网 . All Rights Reserved.

本期特稿渊2016窑6冤XINWENAIHAOZHE增加遥相关数据显示袁Facebook的用户每分钟分享的内容超过450万条曰YouTube的用户上传的数据超过300小时遥第三袁数据分析和挖掘能力使得人类使用数据的能力大大增强遥随着大数据的发展袁传统的数据分析工具和手段已经不够用袁研究人员开发出了新的数据分析和挖掘能力袁目前袁主流的相关技术主要有以MapReduce和Hadoop为代表的非关系数据分析技术遥第四袁智能终端的大范围普及使得人们随时在线遥智能传播需要随时在线的大量数据袁在之前的PC互联网时代袁不可能提供智能传播所需要的在线数据袁而随着2009年3G开始商用袁我们进入移动互联网时代袁智能手机等智能终端开始快速普及遥智能手机体积小且作为人人必备的工具袁不仅能随身携带且可以随时随地打开袁这样就为智能传播平台提供了极其多的在线数据遥相关数据显示袁现在平均每人每天打开手机100多次袁这就能够提供大量及时尧在线和用户位置的数据遥今日头条就是基于手机智能终端的快速尧大范围普及的大趋势袁于2012年年初创立遥渊三冤精准传播成为可能首先袁信息过载与用户个性化尧定制化尧精准化的信息需求之间存在重大悖论遥当前袁我们每日都陷于信息的汪洋大海中袁除了传统媒体袁还有微博尧微信等各类新媒体信息源袁但是每个人所能获取的能够满足自身个性化需求的有效信息不仅没有增多反而大大降低袁正可谓野多就是少冶遥而这种悖论难题依靠传统方法是不可能有效解决的袁只能借助于智能传播平台予以解决遥其次袁从大众传播到分众传播再到精准传播的发展趋势遥传播发展到今天袁从最早的大众传播袁如一种内容面向所有受众的报纸尧广播尧电视等袁再到此后的分众传播袁例如广播尧电视的分频道袁专业性报刊的出现以及报刊的分叠化袁而在信息过载的时代下袁精准传播应运而生袁基于互联网和大数据技术已经能够给用户提供满足个人信息需求的个性化尧定制化的信息遥渊四冤传统媒体急需重建用户连接近几年来袁在互联网媒体的猛烈冲击下袁传统媒体深陷困境袁根源就在于用户连接失效袁具体表现为院一是传统媒体用户已经转移到互联网遥CNNIC的数据显示袁截至2015年年底袁我国的网民数达到6.88亿袁占人口总数的50%以上袁手机网民达到6.20亿袁尤其是年轻人获取信息的第一入口已经是互联网袁不看电视尧不看报尧不听广播只用网络已经成为很多年轻人的生活方式遥二是传统媒体广告收入大幅度下滑遥2015年袁互联网广告收入已经高达2096.6亿元袁远远超过传统媒体的广告收入之和袁百度的广告收入为640.37亿元袁而与此形成鲜明对比的是袁都市类报纸和地市级报社有60%陷入亏损困境遥三是骨干大量流失遥近几年袁以央视为代表的中央级媒体和地方性媒体都有大量的骨干在流失遥面对用户连接失效的难题袁传统媒体也采取了各种办法袁但是成效不大袁而智能传播平台将是一条有效途径遥渊五冤从精英编辑到个性化智能推荐从传统媒体到社交媒体再到智能传播平台袁信息数量在快速增加袁信息的编辑和推荐的方式也在不断进化袁以提供更好的信息服务遥首先袁传统媒体时代由媒体推荐遥传统媒体时代又可以分为大众传播和分众传播时代遥一是大众传播时代遥信息的数量相对较少袁受众规模和范围较小袁在这种情况下袁采取的是一点对多点的大众传播方式袁高度中心化袁推荐方式靠传统媒体主导袁这是一种精英主导式的推荐遥如20世纪80年代的中央电视台和人民日报社等遥二是分众传播时代遥信息的数量大量增加但未到信息过载程度袁受众规模和范围大范围增大袁采取的是一点对多点的传播方式袁高度中心化袁推荐方式依然是传统媒体主导袁是一种精英主导式的推荐袁但为了适应受众的分化趋势袁一方面传统报刊创办都市类尧财经类尧时尚类尧科技类尧娱乐类报刊袁厚报采取分叠方式曰另一方面传统电视则开办财经尧娱乐尧体育尧电影等频道遥其次袁在社交媒体时代由社交关系推荐遥随着微博尧微信等社交媒体的兴起袁我们进入泽字节时代袁信息数量急剧增加袁进入信息过载时代袁用户覆盖了绝大多数的人群袁采取的是多点对多点的传播方式袁中心相对分散袁推荐由居于分中心的意见领袖主导袁是一种相对平民化的推荐方式遥由于分中心的意见领袖远远超过传统媒体的数量袁在信息过载程度不是很严重的情况下袁能够较好地解决信息过载问题遥但是随着信息过载程度的进一步加深以及微博尧微信的信息传播频率越来越快袁这种以意见领袖为主导的推荐方式也难以有效解决信息过载问题遥在国际范围内袁Facebook尧Twitter尧微信和微博是社交关系推荐的典范袁自有其优势袁但劣势也很明显袁主要表现为信息过载的朋友圈也难以找到有价值的信息遥再次袁在个性化推荐时代利用算法推荐遥在当前信息严重过载的时代袁用户覆盖了绝大多数的人群袁采取的是点对点的传播方式袁无中心袁推荐完全由机5Copyright©博看网 . All Rights Reserved.

本期特稿XINWENAIHAOZHE渊2016窑6冤器主导袁是一种高度平民化的推荐方式遥个性化推荐方式通过机器算法袁根据用户的需求实现了信息和用户需求的智能化匹配袁能够有效地解决信息过载难题遥目前袁在国际范围内袁Youtube尧今日头条是其中的典范袁此后出现的印度的Dailyhunt尧日本的SmartNews尧印尼的Babe等都采取的是今日头条的解决方式遥综上所述袁媒体推荐尧社交关系推荐和算法推荐的区别见表1遥二尧智能传播平台的构建渊一冤基本原理智能传播平台的目标是解决信息过载情况下的信息与用户个性化尧定制化尧精准化的信息需求之间的智能化匹配袁而智能传播平台构建的关键则是基于大数据的三大平台遥具体见图1遥首先袁打造内容丰富尧形态多样的内容平台遥在该平台上袁云集着各式各样的信息袁既有文字的袁又有音频和视频的袁并能实现信息的分类筛选尧摘编和深度加工遥内容平台一方面是开放的袁既能对接各种自媒体平台和小型机构媒体袁又能通过各类媒介进行传播袁另一方面能够利用大数据技术对内容贴标智能传播用户需求定制化图1信息智能匹配图表1时代大众传播时代分众传播时代信息数量少相对少信息过载签袁以更准确地定义内容遥其次袁打造技术先进的大数据信息资源平台袁在该平台上能够利用数据挖掘和分析等技术和方式袁通过对用户在互联网中的行为进行长期的尧系统的跟踪和分析袁实现对读者和受众个性化需求的准确定位和把握袁其核心在于用户画像遥再次袁能够通过技术手段低成本地在信息和受众个性化尧定制化的需求之间实现智能化匹配袁并能通过各种支付手段袁实现智能化信息的收费遥渊二冤三大平台的构建首先袁大数据技术平台遥大数据技术平台是硬件尧软件尧数据尧云存储和平台服务的组合袁具体包括大数据资源中心尧大数据智能分析中心尧大数据组件服务尧虚拟化云平台尧大数据运营系统尧安全管理体系等方面的建设内容遥其次袁智能生产和传播平台遥智能生产和传播平台是立足于媒体大数据平台袁以大数据智能分析工具作为技术支撑袁将媒体旗下媒体资源融合共享使用袁实现野一次采集尧多元加工尧多次发布冶的智能生产和传播平台遥包括新闻线索智能决策系统尧融媒体智能创作系统尧融媒体智能发布系统尧传播效果分析系统尧中央厨房报道指挥系统尧内容创作社区尧PC互联网改造升级等方面的建设内容遥再次袁用户沉淀平台遥用户沉淀平台是将传媒集团通过优质内容资源尧线下活动尧经营行为沉淀下来的优质用户数据进行整合尧清洗尧认证尧管理尧记录以及深入挖掘尧分析袁并通过智能化尧个性化的信息尧数据服务袁提高用户的参与度和满意度遥用户沉淀平台包括用户数据采集及处理尧用户数据存储与管理尧跨媒用户统一管理尧用户行为分析尧用户肖像刻画尧互动应用管理等方面的建设内容遥渊三冤今日头条智能传播平台的构建今日头条的智能传播平台除了上述三大平台之外袁核心在于根据用户特征尧场景和文章特征做个性化推荐袁每一个用户的推荐内容都不同袁实现了真正三种推荐方式比较表中心程度推荐方式本质特征精英主导精英主导用户数量传播方式少相对少多一点对多点高度中心化媒体推荐一点对多点高度中心化媒体推荐多点对多点分中心点对点无中心传统媒体时代社交媒体时代个性化推荐6社交关系推荐相对平民化算法推荐高度平民化信息严重过载很多Copyright©博看网 . All Rights Reserved.

本期特稿渊2016窑6冤XINWENAIHAOZHE的千人千面遥需要指出的是袁今日头条自身不生产内容袁是数据创作平台和分发平台袁一方面袁作为个性化推荐引擎袁重点在于实现内容和用户需求的更好匹配和分发曰另一方面袁作为数据创作平台袁今日头条每天有75%以上的内容来自今日头条的创作平台遥首先袁在用户画像方面袁可以根据用户短期的点击尧转发和评论行为来给用户按照兴趣尧职业尧年龄尧终端尧地域分布尧情感倾向等特征对用户进行画像袁进而分析出用户喜欢什么类型的文章尧最喜欢文章里的什么关键词尧关注你的人还喜欢什么内容袁等等遥其次袁分析场景特征遥个性化推荐除了考虑用户的个人特征以外袁也要考虑用户所处的场景遥例如袁早上应该多推送与工作相关的信息袁中午可以多推荐一些餐饮信息袁晚饭后则可以推荐幽默尧搞笑视频遥当然袁在进行个性化推荐时袁也应该分析用户是否在WiFi环境下袁如果没有WiFi袁则应多推荐耗费流量不大的图文袁而如果有WiFi袁则可以多推荐耗费流量大的音视频遥再次袁分析文章的特征遥重点分析文章中有什么主题词袁有什么重要标签袁文章的热度尧时效性和相似性如何等遥通过分析用户的个性化特征袁结合特定的场景袁给每一个用户推荐满足其需求的文章袁这样就能够吸引用户留存下来袁并提升用户的忠诚度遥渊四冤今日头条智能传播平台搭建的几个重点首先袁灵活交叉应用数据思维的三大工具袁即归纳总结尧A/B测试尧双盲交叉验证遥一是归纳总结袁即按照特定的维度进行排序袁分析对象特性袁并在此基础上找出内在规律袁为决策做服务遥二是A/B测试袁即把实验对象随机分组袁把一个或多个测试组的表现与对照组比较袁以测试效果遥三是双盲交叉验证袁即在评估一项数据的时候袁把一部分样本抽样袁让其他人再评估一下袁进而根据抽样数据评估的一致性来判断该评估的可靠性遥其次袁推荐算法分为推荐模型和推荐召回模型两层遥一是在推荐模型方面袁尽可能地丰富决策的维度袁包括性别尧年龄尧兴趣等袁今日头条已经有数百亿维度袁目前还在增加遥推荐模型的优点是功能很强大袁但其缺点是需要的计算资源很多袁成本大袁并不是所有的事情都适合该模型遥二是在推荐召回模型方面袁各个策略独立地负责判断哪些内容有资格进入排序候选遥通过推荐召回模型可以过滤掉90%的无效信息袁有效降低了推荐模型的负担遥再次袁实现数据部和业务部的有效混通遥在混的方面袁数据部要和业务部混在一起袁唯有混在一起袁才有可能通曰在通的方面袁带着业务问题看数据或者带着数据来看业务遥业务问题和数据问题之间的野通冶袁需要部门数据之间的交叉遥今日头条有专业的内容运营团队袁其中不少人有传统媒体的工作经验袁他们会帮助算法去发现尧判断内容的价值遥今日头条通过数据部尧业务部之间互联互通袁在发挥人的智慧和品位的基础上袁寻找算法和人工之间的最佳结合点遥四尧智能传播平台的运作要要要以今日头条为例2012年8月今日头条智能传播平台推出后袁迅速获得市场认可袁长期占据苹果应用商店新闻类榜首遥渊一冤今日头条具有技术基因随着互联网技术和大数据技术的发展袁互联网和大数据已经成为整个社会的底层架构和社会操作系统袁其中互联网是骨骼袁大数据则是血液袁而在野互联网+冶野大数据+冶的推动下袁人工智能在高速发展遥今日头条作为新一代的高技术公司袁其技术基因更为鲜明院一是其创始人张一鸣是技术出身遥他不仅深刻理解技术的趋势袁而且对技术高度重视遥二是主要团队以技术团队为主遥正如今日头条所说袁其本身并不生产内容袁而是基于数据挖掘和推荐引擎技术袁实现内容的更好分发和传播遥三是基于更为先进的大数据技术遥目前袁绝大多数的互联网网站都是基于传统的互联网技术而不是基于大数据技术袁导致难以实现有效的信息智能匹配和个性化推荐遥需要指出的是袁今日头条认为机器比人更靠谱袁一方面是机器不求回报袁另一方面是机器更加稳定遥渊二冤今日头条能够帮助传统媒体重建用户连接今日头条以用户体验为王袁充分利用互联网和大数据技术来搭建智能传播平台遥通过分析用户的个性化特征袁结合特定的场景袁给每一个用户推荐满足其需求的文章袁这样就能够吸引用户留存下来袁并提升用户的忠诚度遥截至2016年3月中旬袁今日头条在短短4年内累计激活用户数超过4.5亿袁仅A孕孕的日活跃用户就超过4500万袁MAU达到1.2亿袁单用户每日启动次数约8次袁单用户每日使用时长超过60分钟袁内容阅读量超过8亿篇袁头条号账号总数为7W遥已有最高检尧最高法尧中国政府网尧公安部尧教育部以及北京发布尧上海发布尧广东发布等近5500家各级单位开通头条号袁平均每周发文3万余篇袁每周7Copyright©博看网 . All Rights Reserved.

本期特稿XINWENAIHAOZHE渊2016窑6冤推荐人群超过4.7亿遥可以看出袁今日头条这样的智能传播平台不仅聚集了4.7亿的巨量用户袁而且帮助传统媒体进行了更好的传播袁帮助传统媒体重建了用户连接遥渊三冤今日头条有效避免了野广场效应冶所谓野广场效应冶袁是指人们在聚集的公共场所袁由于从众效应袁往往会表现出与平时大相径庭的言行袁其结果就是多数时候群体道德水平比个人道德低下遥互联网不仅构成了一个虚拟和现实交织的社会袁而且作为公共舆论平台袁以其多点对多点尧病毒式尧及时尧互动的传播特点袁更容易形成野广场效应冶袁且野广场效应冶的波及面更大尧影响更深远遥互联网时代下袁热点事件层出不穷且更难以进行舆论引导的根源就在于此遥例如袁前不久黄晓明和Angelababy价值2亿元的婚礼占据了各大门户网站的显著位置袁成为街谈巷议的谈资遥互联网媒体把焦点聚焦于野价值2亿元冶的奢侈场面袁评论区里一片羡慕的口水现象袁就造成了拜金等奢侈风气的不良导向遥野广场效应冶无疑造成了舆论的混乱和社会的失序袁危害很大遥有效避免野广场效应冶的良法就是利用今日头条等智能传播平台来进行精准化传播袁从源头上避免野广场效应冶的形成遥今日头条根据用户特征尧场景和文章特征为用户做个性化推荐袁每一个用户的推荐内容都不同袁实现了真正的千人千面遥具体说来袁在分析用户的个性化特征和文章关键词的基础上袁结合特定的场景袁给每一个用户推荐满足其需求的文章遥例如袁针对官员群体会多推送叶人民日报曳和央视的时政尧政经内容袁而针对年轻用户则会多推送芒果TV的娱乐内容遥今日头条这类智能传播平台由于是针对每一个用户进行的个性化推荐袁就避免了大众聚集的广场存在袁就能在实现传播效果的同时避免形成野广场效应冶遥例如袁在黄晓明大婚事件中袁今日头条发表的相关文章有3378篇袁阅读数高达1.74亿次袁但是并未形成拜金的不良导向遥渊四冤今日头条助力公益事业今日头条通过开辟野头条寻人冶平台袁已经帮助8位老人成功回家袁其主要运作方式如下遥第一袁对推送范围进行精准定位遥当今日头条接到用户寻人求助时袁就进行野定向地域推送冶袁即将寻人启事发送给当事人走失地点的相关范围内遥例如袁当一位老人在鸟巢走失时袁今日头条就可以把此信息推送给周围的用户袁所有此区域的头条用户都会收到相关弹窗遥由于今日头条的用户数量庞大袁即使细化到某一细分区域袁用户量依然很大袁能够充分保8证寻人信息的深覆盖遥第二袁走安全尧绿色通道袁快速发布遥野头条寻人冶平台有专门的便捷尧有效又安全的信息发布规则院在家属提供寻人必需的相关信息后袁野头条寻人冶将及时联系警方核实袁经确认后立即推送遥这样既能保证信息的真实性袁又能实现寻人信息的快速推送遥第三袁及时更新推送范围遥野头条寻人冶会根据最新的详实线索袁及时将寻人启事追加推送给新线索地点遥还是以上文为例袁当北京南站出现在鸟巢失踪老人的新线索时袁野头条寻人冶就及时在北京南站进行补推寻人信息遥第四袁严格的信息保护遥当当事人亲属反映当事人已经找到时袁野头条寻人冶会及时对相关文章进行处理袁在将好消息告知关心此事的好心人的同时袁还会将涉及当事人隐私的信息撤下遥可以看出袁基于智能新技术尧用户量庞大的智能传播平台袁在寻找老人等公益事件中发挥了越来越大的作用袁而未来会在网络打拐等更广阔的民生领域发挥更大的作用遥渊五冤今日头条帮助传统媒体和头条客实现更好的商业变现2015年以来袁今日头条除了大幅度提升版权费外袁还更好地利用大数据技术袁为传统媒体和头条客探索更好的商业变现途径遥首先袁今日头条为传统媒体的头条号开通了广告功能遥而个性化相关文章推荐袁媒体可以通过应用下载和头条广告实现商业收益遥其次袁今日头条尝试媒体电商导流方案袁媒体头条号可直接在发表文章时插入商品链接及图片袁用户可以通过点击链接进入电商平台完成购买遥此外袁今日头条的商业价值已经得到充分的显现袁据测算袁2015年其广告收入在16亿元左右袁而2016年预计会达60亿元以上遥尤其需要指出的是袁今日头条的生态系统正在日益完善袁未来其营业收入会更加多元化袁其商业价值也必将会更大遥[本文为作者主持的国家社科基金重点项目野新媒体环境下传统媒体的转型战略研究冶的阶段性成果渊项目批准号院13AXW006冤]参考文献院com/p/[1]MaryMeeker院2014年互联网趋势报告[EB/OL].http院//36kr.渊郭全中为国家行政学院社会和文化教研部高级经济师曰胡洁为中国社会科学院数量经济与技术经济研究所副研究员冤编校院董方晓Copyright©博看网 . All Rights Reserved.