大数据时代自媒体定制新闻推荐研究

薛瑞环

摘要：在国内新闻客户端竞争日益激烈的环境下，打着“你关注的就是头条”腾空出世的资讯类APP《今日头条》的是一匹备受关注的黑马。虽然从未脱离版权纠纷的争议，但是其在国内自媒体界首创的定制新闻推荐模式值得借鉴和思考。本文从《今日头条》独辟蹊径的信息推荐模式、对受众个性化心理诉求全方位的挖掘与满足、合作共赢的差异化竞争策略三方面分析其原因，并对其未来的发展进行理性的审视和策略思考。

关键词：大数据；自媒体；定制新闻

随着互联网和移动终端技术的发展，越来越多的门户网站和传统媒体推出了新闻客户端.在国内新闻客户端竞争日益激烈的环境下，《今日头条》的成功逆袭，不但为自己在新闻客户端领域内争得一席之地，也为业界展现出一种新的突围路径和借鉴思路——以个性化信息推荐为突破点推进新闻APP的建设和发展。

一、独辟蹊径的个性化信息推荐模式

《今日头条》创造出了一种独辟蹊径的个性化信息推荐模式：基于对用户社交数据的挖掘建立起来用户的兴趣图谱，并运用独特的算法和个性化推荐引擎技术，实现针对每一个用户的个性化信息推荐。

1.基于对社交数据挖掘建立的不断更新的兴趣图谱

大数据（big data），或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中，大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法。目前，公认的大数据特点可以概括为4V：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。

虽然人们很早便已开始了对大数据的挖掘与使用，但对社交网络数据的挖掘与使用却是近些年随着网络技术特别是新媒体技术的发展才兴起的课题。从某种程度上说，研发《今日头条》的科技公司也可以说是一家数据公司。从用户绑定微博、微信或QQ帐号那刻起，《今日头条》便已经开始了对用户原始社交数据的挖掘。

人人、微博、微信等社交平台的出现，把人们带入了网络社交时代。在社交网络的UGC（user generated content）时代，每个人既是传者又是受众，人们的各种社交账户里包含了文字、图片，语音、视频、动画等各种形式的数据信息。一个普通的年轻人，他很可能同时拥有新浪微博、微信、QQ三个账户，他在微博里关注的一些大V，在微信的朋友圈里分享了刚吃到的一些美食，在QQ空间不经意间发布的一句牢骚…这些看起来微不足道的、零碎的信息里，我们可以判断这个年轻人是怎样的一个人，甚至也可以判断他想成为怎样的一个人。

但是《今日头条》为用户建立起来的兴趣图谱并不是一成不变的，它并没有停留在对绑定的SNS账户的最原始数据的挖掘阶段，而是根据用户的使用情况，不断地对用户的兴趣图谱进行完善和更新。也就是说，只有你用的时间越久、次数越多，系统才会越了解你的兴趣，推荐就会越准确、越智能。《今日头条》的后台系统对用户兴趣把握的高度实时性令人惊叹：当用户每一次的使用行为出现调整变化时，系统就会第一时间把数据传送到后台，并能够在10秒内迅速地更新用户的模型和兴趣图谱。

2.个性化推荐引擎技术主导下的独立产品

《今日头条》有着一项强大的技术武器——个性化推荐引擎。《今日头条》也是国内唯一一款使用个性化推荐引擎系统做出的独立产品。

个性化信息推荐服务是指在现代互联网环境下的一种根据用户的信息需求、兴趣或行为模式将用户感兴趣的信息产品和服务推荐给用户的个性化信息服务方式。它主要强调两个方面，一是信息内容的“个人化”，二是（系统）信息推荐的主动性。①

推荐引擎，是主动发现用户当前或潜在需求，并主动推送信息给用户的信息网络。个性化信息推荐引擎，即通过了解需推荐内容和用户的特质，或者基于社会化网络，找到与当前用户相同喜好的用户，实现给用户更加精确的推荐。②

个性化推荐引擎技术不是《今日头条》的首创，也不是它的专利。早在1995年3月，卡耐基.梅隆大学的Robert Armstrong等人在美国人工智能协会上就提出了个性化导航系统Web Watcher；③2009年，国内百分点科技公司利用自身的技术平台，向客户提供专业的推荐引擎技术与服务。④

发展至今，个性化推荐引擎技术在互联网领域的应用几乎已经无处不在。早在《今日头条》开发之前，在电子商务领域，Amazon、淘宝网、聚美优品等平台都会根据买家的性别、年龄、购买习惯、浏览记录等信息，自动为为客户推荐“您可能感兴趣”的商品。QQ音乐有“猜你喜欢”的音乐推荐，百度视频也有“推荐视频”新浪微博和腾讯QQ的站内推荐则表现为“可能认识的人”和“他们也关注了”等等。

虽然推荐引擎的应用已经比较广泛，但是依靠推荐引擎技术做出独立产品的就不多了。而在新闻资讯类APP方面，唯独《今日头条》是一款使用这项技术研发出的独立产品。要实现精准推送并不容易，需要时刻记录、整合并分析每一位用户的操作行为和变化情况，所以技术门槛是推荐引擎产品需要解决的首要问题：它集合了信息检索、数据挖掘、人工智能等等诸多技术。

二、对受众个性化心理诉求的全方位挖掘与满足

《今日头条》对大数据时代受众的数据化、精细化、个性化特征进行了深刻的挖掘和把握，并在此基础上，运用最便捷的个性化信息推荐方式满足了受众的个性化心理诉求。

1.深刻挖掘和把握受众的数据化、精细化、个性化特征

大数据时代，受众浑身上下负载了各种数据，贴满了标签，已经不能以简单的性别、年龄、职业、学历等人口统计学标准对他们进行分类。受众的精细化、数据化、个性化特征愈加明显。“使用与满足”理论，把受众成员看作有着特定“需求”的个人，把他们的媒介接触活动看作基于有着特定的需求动机来“使用”媒介，从而使这些需求得到“满足的过程”。⑤

郭庆光教授在《传播学教程》一书中提到分众理论：“人们有着不同的性别、年龄、职业、学历、文化，有着不同的个人属性和社会属性，因而他们的媒介需求、接触动机、兴趣和爱好也是不同的，所以他们对大众传播有不同的需求和反应，在内容接触和选择方面有某种自主性和能动性。媒介只要对受众进行准确的定位，就能取得良好的传播效果。”⑥

当搜狐、腾讯、网易、新浪等大多数客户端的头条都在饶有兴趣地大篇幅推送韩国总理辞职的新闻时，但是对此刻的很多用户来说，他们实际上更感兴趣的可能是嘀嘀打车到底能省多少钱。

所以，笔者认为，从某种程度上说，传统新闻APP不结合受众的喜好和需求，不分析受众的个人特点和属性，就一锅粥似的把大量资讯推送到受众面前的行为，都是短视的行为，不可能获得长久的发展。在这种背景下，《今日头条》作为一个资讯类APP，可以不盲从大众口味，着重为用户提供最符合用户个人口味的新闻，这无疑是需要勇气的，也是明智的。

2.以“私人订制”信息的方式，满足受众个人的身份认同

我的头条不见得是你感兴趣的，你的头条也不一定就是我心中的头条。

《今日头条》所标榜的“我们要做的是定制专属你的产品”，极大的满足了受众的自我认同感，使受众产生一种新闻为我而生、”我爱的新闻我做主”的感觉。

同一个大学宿舍里的四个女生，身材偏胖的小A对瘦身减肥类的信息很感兴趣，而身材偏瘦的小B则不会对减肥类信息感兴趣，而是对如何更好的健康增肥感兴趣；喜爱韩剧欧巴的小C看到的就是李敏镐拍摄新剧的花絮就兴奋的不得了，但是从不看韩剧的小D可能会对这种信息毫无感觉；即使是她们在毕业季同时都关注求职招聘类的信息，而小A和小D则对北上广等大城市的招聘信息感兴趣，而小B和小C则只想回到家乡工作，只对家乡城市的招聘信息感兴趣…这些看起来细微的差别，其实都体现了个人不同的身份特征。

《今日头条》走进你的世界，分析你的兴趣，只为能最大程度上找准你的“胃口”，它不是简单的靠几个关键词找到你的兴趣点或需求点，而是寻找满足你感兴趣的信息内容的最大可能。《今日头条》作为你的专职信息推荐师，它尽最大努力去做到比你自己更了解你喜欢哪些内容、你不喜欢哪些内容。你的口味，你喜欢什么内容，你不喜欢什么内容，它都悄悄的记录下来。

3.以最便捷的个性化推荐形式满足受众对个性化信息的迫切需求

在这个快节奏的信息社会，对作为接触和使用媒介的受众来说，越是能让他们偷懒、让他们省心省力省时的应用，越能得到他们的好感。《今日头条》最明显的优势就降低了用户的阅读成本，包括选择成本，筛选成本，时间成本等。

大数据时代，各种媒体乐此不疲的为我们生产和传播信息，尤其是近些年来随着自媒体的产生和发展，普通人不单是受众，同时也开始担任信息生产者和传播者的角色。展现在我们面前的信息数据量之大，让人吃惊更让人头疼，以至于有人说，也许每天早上起来刷一下微博邮就已经足以湮没一个清醒的头脑。受众接收个性化信息的成本越来越高，迫切需要一个简单便捷的方式来应对不可阻挡的大数据狂潮。个性化的新闻资讯类客户端以其移动性和个性化的特征成为大数据时代受众获取个性化信息的最便利的平台。

《今日头条》的“秒懂”功能与人们的时间观念完全吻合。个性化信息推荐省去了用户在海量的信息流中做出选择的过程，因为伴随每一次信息选择行为的是痛苦的思考过程。他们不关心或不感兴趣的新闻不需要自己操作就被后台自动过滤掉了，只剩下跟自己最“对胃”的内容。这也是《今日头条》在用户使用体验方面取得成功的主要原因。

三、结语

加拿大著名学者麦克卢汉提出了“媒介即信息”：“从漫长的人类社会发展历程来看，真正有意义、有价值的‘讯息不是各个时代的传播内容，而是各个时代所使用的传播工具的性质、它所开创的可能性以及带来的社会变革。”⑦《今日头条》作为一个围绕受众进行个性化信息推荐的新闻APP，不仅展现了一种新的信息传播模式，满足了受众对信息的个性化需求，同时，也为新媒体信息传播领域的发展提供了一个好的借鉴思路。但是《今日头条》也需要做出很多方面的改进：不段进行技术创新，解决推荐不够精确的问题；高度重视不良信息对受众的影响，建立起基于多个维度的内容过滤机制，充分发挥个性化推荐引擎的正能量；信息来源的版权纠纷等等。（作者单位：广西民族大学传媒学院）

注解：

①雨森.个性化信息推荐技术专利情况分析.http：//wap.cnki.net/baozhi-ZSCQ201208080071.html

②网络.推荐引擎简介.那些年一起2.http：//www.xici.net/

③网络.推荐引擎简介.那些年一起2.http：//www.xici.net/

④百度百科.推荐引擎.http：//baike.baidu.com/view/2195012.htm#2

⑤郭庆光，传播学教程.北京：中国人民大学出版社.2011.165-166

⑥郭庆光，传播学教程.北京：中国人民大学出版社.2011.161-162

⑦郭庆光.传播学教程.北京：中国人民大学出版社，2011.118-119