用户习惯猜不透？《纽约时报》搬来 “机器学习 ”

为了更好地 “读懂” 他们的用户，《纽约时报》正打算尝试一个热门的新方法——用机器学习，来 “读懂” 用户的世界。而在几天前，微软公司也曾宣布要推出机器学习服务，旨在将机器学习技术进行更广泛的应用。

二战前，受众是 “中弹即倒的靶子 “，媒体有着强大的威力；二战后，传播研究进入了 “有限效果论”，受众从 “有什么看什么” 转入主动的 “看什么选什么”。至此，大众传播的研究开始了以 “受众为中心”，也就有了后来著名的 “使用与满足” 理论。

在这些研究中，先驱们用过实证研究、变量分析，也用过访谈和田野调查……想要弄清楚受众到底喜欢看什么，习惯怎么看，从来都不是一个简单的事情，尤其是在有了互联网和各种新技术的 “搅局” 之后，受众习惯的变化之快，有时候他们自己都 “猜不透”。

或许从其他领域借鉴来的方法可以提供一些帮助？Chris Wiggins，一个从事过生物学、理论物理学研究的数学家，现任《纽约时报》数字科技团队负责人，为这家百年老报引进了 “机器学习”，他说生物学研究中用来处理数据的机器学习同样可以用到传媒领域。

运用机器学习，像受众在看什么，会花多久时间看，在看这篇文章之前和之后他们会点击什么，以及这些习惯与广告、内容订阅等有什么关系等问题，都能形成特定的数据从而进行更客观全面的分析。除了报纸、网页，用户使用《纽约时报》APP 的习惯，也可以用机器学习来分析。

通过大量的数据收集和分析，《纽约时报》能够据此做出一定的预测：要对哪些选题进行报道；一篇报道是通过网页展示，还是在 APP 上推送效果会更好……Chris Wiggins 说，机器学习的分析更够帮助媒体做出更明智的选择。

《纽约时报》科技与商业版专栏作家尼克·比尔顿（Nick Bilton），曾在他的《翻转世界》一书中 “抱怨” 过自己的东家：“《纽约时报》聚集了众编辑认为合适的内容，但却并不是为了我、为了我的偏好、为了我的喜恶而设计的。” 到底如何才能服务好 “众口难调” 的用户？机器学习是《纽约时报》的又一个新的探索。

题图来自 flickr