算法有三個陷阱，移動資訊客戶端如何規(guī)避？

今天朋友李俊在朋友圈的一則吐槽引發(fā)了我對移動資訊客戶端的思考。

前幾天有在媒體平臺工作的朋友問我：為什么他們怎么努力都達(dá)不到今日頭條如今的高度？

拋開一切因素，最關(guān)鍵的可能還是精英思維在作祟，對內(nèi)容的嚴(yán)格審核把關(guān)，那些無法滿足大眾低俗趣味的文章不給流量推薦，這是平臺的致命傷。

別人就喜歡吃屎，非要給別人吃山珍海味，你覺得自己對別人好，但別人可真不這么認(rèn)為！

這則吐槽是老生常談，然而卻說明了眼下做好流量推薦這事兒，將關(guān)乎移動資訊平臺成敗這個道理。

移動資訊平臺的內(nèi)容推薦，要依賴算法還是依賴編輯？眼下業(yè)界正在開始向算法傾斜。

依賴編輯的問題很明顯，編輯的品味決定大眾閱讀的品味，然而這勢必帶來一個問題：閱讀面變窄，每個人看到的內(nèi)容都是相似的。過去門戶網(wǎng)站，以及門戶時代的新聞客戶端，正是這樣做的。如果說，我們只是看新聞，看具有時效性的資訊，這個模式?jīng)]任何問題，紙媒時代不就是這樣做的嗎？

然而，我們面臨的挑戰(zhàn)是，過去用戶只會訂閱一兩份報紙，一兩份雜志，一兩檔電視節(jié)目，而今天的手機已經(jīng)將用戶與海量的內(nèi)容生產(chǎn)者連接起來，用戶面臨信息大爆炸的同時，信息本身在改變：資訊不再等于新聞，而是五花八門的內(nèi)容。正是因為此，傳統(tǒng)的編輯推薦模式，開始失效了，這給了算法可乘之機，今日頭條、一點資訊們可以異軍突起，UC、百度們現(xiàn)在還在努力殺入古老的資訊市場，正是看中了算法帶來的機會。

在信息大爆炸時代，只有通過算法才能幫用戶從海量內(nèi)容中發(fā)現(xiàn)適合自己的內(nèi)容。在碎片化閱讀時代，只有通過算法才能不斷推薦用戶感興趣的內(nèi)容滿足其“刷資訊”的需求。在泛資訊閱讀而不是新聞閱讀的今天，只有通過算法才能滿足用戶五花八門大雜燴式的內(nèi)容消費需求。來勢洶洶的算法推薦技術(shù)，引入九大巨頭角逐移動資訊客戶端市場，很是熱鬧。

然而，算法并不是萬能的。前幾天，在貴州省貴陽市舉辦的第十六屆中國網(wǎng)絡(luò)媒體論壇上，鳳凰網(wǎng)CEO、一點資訊董事長劉爽的分享，在我看來十分準(zhǔn)確地點名了算法本身的缺陷，用劉爽的話說，基于算法的推薦優(yōu)勢明顯，然而，卻有三個缺陷。

缺陷1：“千人千面的算法帶來我們個體的信息孤島化”。

就是個性化推薦容易讓我們的閱讀范圍越來越窄。劉爽認(rèn)為，個性化算法的基礎(chǔ)邏輯是，不斷地了解用戶的興趣，進(jìn)而結(jié)合其興趣進(jìn)行內(nèi)容推薦，用戶用得越久，推薦就會愈發(fā)精準(zhǔn)。久而久之，算法給用戶推薦的內(nèi)容在越來越精準(zhǔn)的同時會越來越狹窄，比如喜歡歷史、體育的用戶可能全屏幕都是這些內(nèi)容，而這將阻礙用戶關(guān)注到理應(yīng)關(guān)注的資訊，或者潛在感興趣的資訊。

這一點我深有體會，由于我關(guān)注科技比較多，因此我在今日頭條等個性化產(chǎn)品上幾乎全都是科技數(shù)碼內(nèi)容，然而我同時也會關(guān)注歷史、娛樂、財經(jīng)、電影等話題，有時候還會看一些時政新聞，這時候還我就必須要去別的App比如網(wǎng)易新聞客戶端才能看到，這顯然不是個性化內(nèi)容平臺愿意看到的。

缺陷2：“基于海量點擊的算法推薦帶來的閱讀和視野的狹窄和偏見”。

個性化算法的基礎(chǔ)邏輯是，如果一篇文章被點擊的越多就表明它更受歡迎，基于此它更應(yīng)該被推薦給你。微信公眾平臺上能形成10萬+的閱讀就算不錯了，而個性化資訊平臺上動輒出現(xiàn)100萬+閱讀的內(nèi)容，就是因為后者采取了基于閱讀效果的個性化推薦技術(shù)。就是說，個性化閱讀很容易形成閱讀量的“馬太效應(yīng)”，強者恒強，弱者越弱，說白了，就是強化頂部閱讀，弱化長尾閱讀，然而這顯然違背了個性化閱讀的初衷。

在劉爽看來，這個推薦邏輯導(dǎo)致的后果是，“算法推薦的是大眾，甚至是庸眾一致叫好的高點擊作品，但不一定是用戶所在的那一個圈層所高度認(rèn)可的?！?，不同圈層有著不同的偏好，比如中產(chǎn)階級、90后、互聯(lián)網(wǎng)圈、媽媽圈，大家都有自己的閱讀偏好。大眾喜歡的不一定是你我喜歡的，很多人喜歡雞湯、喜歡咪蒙、喜歡八卦，但也有很多人不喜歡。如果基于此進(jìn)行推薦，等于讓每個人的閱讀趣味被迫隨大流，這比傳統(tǒng)編輯推薦模式更加可怕：主編的閱讀品味可是高于大眾平均水平的。

缺陷3：“標(biāo)題抓眼球這一算法點擊推薦模式帶來的閱讀的淺薄化甚至低俗化”。

“標(biāo)題黨”是移動資訊平臺被詬病最多的問題，事實上，不論是今日頭條，還是微信公眾平臺抑或新聞客戶端，上面的內(nèi)容生產(chǎn)者都明白一個淺顯的道理：一個內(nèi)容的傳播效果，內(nèi)容、標(biāo)題與分發(fā)各占三分之一，一個好的標(biāo)題會成就一個平庸的內(nèi)容，反過來，一個差的標(biāo)題會毀了一個優(yōu)秀的內(nèi)容。然而，何為好的標(biāo)題？如果從分發(fā)效果來看，大眾對危言聳聽、驚悚離奇、低級趣味的標(biāo)題反而更加喜聞樂見，哪怕文不對題。因此，“標(biāo)題黨”就成了“標(biāo)題黨”。

正如劉爽所言，“海量讀者因為非常聳動的標(biāo)題被吸引過去，看了以后立刻走人，雖然他個人的體驗很不愉快，但他點擊這個行為留下來了，被算法捕捉到，所以形成了惡性循環(huán)，越多的人被吸引，它也會給這個新聞更多的權(quán)重，所以會推薦開去，這嚴(yán)重影響了閱讀的體驗?！庇捎跇?biāo)題決定內(nèi)容分發(fā)效果，最終所有標(biāo)題都想方設(shè)法去迎合人性中的陰暗面，去聳人聽聞文不對題，好內(nèi)容不如好標(biāo)題對內(nèi)容生態(tài)是一個巨大的打擊。

在WEB內(nèi)容時代，如何讓人們更好地發(fā)現(xiàn)與消費優(yōu)質(zhì)內(nèi)容？搜索引擎PageRank算法的邏輯是，如果一個網(wǎng)頁被別的網(wǎng)頁引用得越多，這個頁面就有更高權(quán)重。同時，如果一個網(wǎng)頁更加符合HTML規(guī)范和語義，也將擁有更高權(quán)重，反之則被降低懲罰。如果這個頁面所屬網(wǎng)站本身一直有很好的信用，它會有更好權(quán)重，反之則被降低權(quán)重。這套體系非常有效，確保了搜索引擎的體驗。移動互聯(lián)網(wǎng)時代，個性化推薦取代了主動搜索成為用戶內(nèi)容獲取的首選方式，WEB內(nèi)容推薦邏輯也失效了，然而，與之匹配的內(nèi)容推薦體系還沒有成型，這是個性化算法的挑戰(zhàn)，也是機遇。

在規(guī)避個性化算法三大陷阱上，我看到了這些值得一提的方式：

1、算法為主，編輯為輔，配合作戰(zhàn)。

今天人工智能技術(shù)方興未艾，AlphaGo戰(zhàn)勝了最聰明的人類，機器已經(jīng)可以取代記者寫稿，許多人都在討論機器會不會取代人類，在這一點上我十分認(rèn)同馬云前不久在云棲大會上提到的觀點：

計算機一定比人更聰明，因為計算機不會累，沒有情緒，不會發(fā)脾氣，對它來講，它永遠(yuǎn)只要加了數(shù)據(jù)以后，它會越來越聰明，但是計算機不可能統(tǒng)治人類。過去機器是人類的工具，未來機器是人類的合作伙伴。機器不可能有智慧，機器不可能有使命，機器也做不到價值觀，也不可能有很好的這套文化體系。

在資訊推薦上，算法的優(yōu)勢毋庸置疑，然而，它不可能取代人，編輯有智慧、使命、價值觀、文化趣味等等，這些如果能夠與算法結(jié)合，一方面可幫助算法進(jìn)化，另一方面可直接影響推薦。一點資訊采取算法為主、編輯為輔的方式，嘗試給技術(shù)注入人文情懷，把媒體基因以及編輯對用戶、對內(nèi)容消費的深刻洞察融入算法，AlphaGo是深度學(xué)習(xí)棋局，一點資訊則是人工編輯將上萬篇包括普利策新聞獎在內(nèi)的優(yōu)質(zhì)文章輸入內(nèi)容庫用以訓(xùn)練機器算法，讓機器通過尋找其中共性，學(xué)習(xí)篩選具備同類特質(zhì)的文章再應(yīng)用于內(nèi)容畫像和推薦分發(fā)；天天快報則采取編輯為主、算法為輔的方式，他們會有微信群收集優(yōu)質(zhì)內(nèi)容創(chuàng)作者的優(yōu)質(zhì)內(nèi)容并酌情推薦；今日頭條強調(diào)依賴技術(shù)，但有消息稱他們也在引入編輯模式。

2、用戶參與，數(shù)據(jù)多元，綜合評價。

如果我們只是基于用戶閱讀數(shù)，點擊量這樣的少數(shù)指標(biāo)對一個內(nèi)容進(jìn)行是否受歡迎的判斷，并不恰當(dāng)，但如果能夠引入“內(nèi)容閱讀時長”、“內(nèi)容評論數(shù)量”、“內(nèi)容分享次數(shù)”這些數(shù)據(jù)，并將這些行為相關(guān)的數(shù)據(jù)進(jìn)行再度收集，形成更加全面的內(nèi)容反饋數(shù)據(jù)，基于此進(jìn)行內(nèi)容質(zhì)量評價將更加客觀。在這一點上，一點資訊的做法不失為一種比較好的嘗試，除了用戶點擊、閱讀時長、是否有收藏點贊分享這些緯度，還會更加依賴用戶的主動興趣表達(dá)，一點資訊在成立初期便把搜索引擎在底層技術(shù)架構(gòu)融入到推薦引擎中，目前是唯一一款可以實現(xiàn)搜索任意關(guān)鍵詞再訂閱成為用戶專屬個性化頻道的產(chǎn)品。

與此同時，通過反作弊技術(shù)去剔除掉“臟數(shù)據(jù)”，并允許用戶舉報標(biāo)題黨、低至化等方式來降低一個內(nèi)容的權(quán)重，甚至降低一個內(nèi)容生產(chǎn)者的整體權(quán)重，說白了，就是把搜索引擎對網(wǎng)站網(wǎng)頁的套路，搬到移動資訊客戶端上來，眼下我看到今日頭條、一點資訊已經(jīng)開始有這些動作，比如允許用戶舉報標(biāo)題黨。

還有就是對用戶應(yīng)該進(jìn)行更加全面的了解。我們不應(yīng)該只是了解用戶當(dāng)下的閱讀興趣，訂閱過什么頻道，消費過什么內(nèi)容，這些信息完全不足以了解一個用戶，更別說一個用戶還會隨著場景的變化、時間的遷移而改變閱讀需求。我們應(yīng)該去了解這個用戶的職業(yè)，圈層，口味等等一切可以了解的習(xí)慣，并基于此進(jìn)行更加智能的推薦，避免讓用戶閱讀興趣越來越窄，在這一點上一點資訊做得比較好，至少在興趣標(biāo)簽上一點資訊就有多達(dá)300萬個，你不只是訂閱幾個頻道，而是可以搜索你感興趣的一切話題，結(jié)合搜索引擎+推薦引擎，一點資訊對用戶進(jìn)行了主動與被動的全面了解。

3、人人為我、訂閱關(guān)注、眾包編輯。

微博與微信公眾賬號是個性化資訊客戶端嗎？當(dāng)時是，曾幾何時，微博只是基于follow關(guān)系給你源源不斷的信息流，其邏輯是“我關(guān)注一個人，就會關(guān)注這個人關(guān)注的內(nèi)容”。現(xiàn)如今微博也十分強調(diào)算法，信息流中會出現(xiàn)你沒有Follow的信息。微信朋友圈和微信公眾賬號則依然是基于人與人的關(guān)系的內(nèi)容推薦，朋友圈中人人都是編輯，給你過濾了許多信息，我們訂閱微信公眾賬號同樣是因為一個人或者一個組織。

正是因為此，今日頭條、一點資訊、天天快報都會強調(diào)“訂閱”，希望可在內(nèi)容生產(chǎn)者與內(nèi)容消費者之前建立更緊密的聯(lián)系。然而，除此之外，資訊客戶端是否可以考慮更多地利用人與人的關(guān)系？比如我關(guān)注一個內(nèi)容生產(chǎn)者，就可以看到這個內(nèi)容生產(chǎn)者閱讀或推薦的內(nèi)容，知乎在這一點上做得就很到位，百度知道之后知乎為何脫穎而出，就是社會化，就是利用好了人與人的關(guān)系，美國版貼吧Reddit定位為社會化新聞網(wǎng)站，其理念正是人人皆是編輯。那么，個性化資訊之后，會不會是社會化個性資訊客戶端呢？我想，很有可能。

微博@互聯(lián)網(wǎng)阿超 微信 羅超（luochaotmt）

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。