追热点辛苦？这个媒体人专属的"贾维斯"可以让一切变得更容易
这一次，终于不用再羡慕墙外的记者有Google新闻实验室，中国的内容创作者有了属于自己的数据处理助手——今日头条媒体实验室。
前几天，Google assistant成为了不少科技爱好者热议的话题，钢铁侠的超级人工智能助手贾维斯在日常生活中的存在，似乎也随着这个话题变得触手可及。但对于无数媒体人，尤其是这个国庆期间的房地产记者、编辑来说，如果有公司能做出数据产品，把大数据应用在新闻生产中，可能比Google assistant更能提升幸福指数。
那么在大数据概念无比火热的当下，国内究竟有没有机构将数据应用在了新闻生产过程中了呢？机器是如何利用大量的数据解决记者在找线索、找落点上面的难题呢？10月10号，今日头条发布的数据产品“媒体实验室”，就是致力于解决内容生产者的痛点，辅助其生产更适合在新媒体环境中传播内容的一款数据产品。
https://v.qq.com/txp/iframe/player.html?vid=z0335y4tva4&width=500&height=375&auto=0
（今日头条媒体实验室介绍视频）
数据辅助新闻已成为趋势
关于如何使用数据辅助记者进行采写，国外的科技公司、媒体已经先行做出了尝试。
谷歌在2015年6月22日成立的Google新闻实验室，就意在将新闻生产与数据技术结合起来，协助媒体记者或普通公众运用网络资源生产适合进行数字化传播的新闻内容，并且对各类消息源（尤其是社交媒体）进行辨别。
谷歌新闻实验室主页
它的亮点在于：为媒体从业者和普通民众开放数据、提供技术指导与服务，并且将“众包”模式引入新闻生产，既“武装”了记者也在努力实现信息传播技术对普通民众的赋权。此外，谷歌的数据样本来源很广，招牌的谷歌搜索与强大的YouTube社交，这些都决定了谷歌新闻实验室在数据存量上的领先，也给机器学习提供了源源不断的数据来源。
不过在国外，探索数据新闻发展、开发数据新闻产品的公司不只有互联网公司谷歌，还有相当数量的媒体机构。
《纽约时报》于去年9月开发的内部数据分析应用Stela在美国达拉斯警察枪击案发生时就以频频变脸的新闻标题惊艳了一把。
7个小时内，该报关于枪击事件的标题出现了12个版本
其应用原理是Stela从《纽约时报》的网站和移动应用上提取用户数据，比如页面浏览量、转发量、读者评论等等，之后记者们得到关于自己工作的及时反馈，并根据读者兴趣趋势来对新闻报道作出相应调整。
以“病毒营销”见长的BuzzFeed更是依靠数据分析工具收获了每月50亿次的惊人浏览量。除了有一支强大的技术与数据分析研究团队，Buzzfeed还开发了两款大数据工具Pound和Hive。如果说Pound通过统计每篇内容所有渠道的传播情况以实现对受众的深度了解的话，Hive 的目的则在于通过记录不同平台上每篇内容的编辑思路以判断哪些内容更具分享力。运营人员可借此来优化内容生产和传播方案。
此外，《卫报》在2012年便开始使用内部舆情流量监测工具Ophan来分析读者情况；《赫芬顿邮报》的记者通过 “Omniture”来获取包括页面浏览量、页面的阅读量升降状况、流量的接入点、推荐新闻的渠道等数据。
可以看出，不论是像《赫芬顿邮报》、BuzzFeed等的新兴数字媒体，还是像《纽约时报》、《卫报》等的传统媒体，或者是社交媒体如Facebook，国外的媒体机构都在大力发展适合自己的数据分析产品，数据服务于记者进行新闻生产已经成为了一种普遍现象。
中国记者有自己的新闻实验室吗？
纵观国内，依赖于大数据进行个性化资讯分发的软件不少见，今日头条、一点资讯、唔哩等等，但根据数据表现反哺内容生产者的产品似乎还未曾面世。
按理说，百度是最有可能进行新闻实验室产品开发的对象，它和谷歌一样，掌握海量用户搜索数据、旗下各类内容平台、视频网站等，具有极为优厚的基础；其次，单从大数据应用和处理上看，一直以国内互联网科技公司形象出现的今日头条，具备基本的技术优势，加之亿级用户的数据，和对优质内容的渴求，可能性极大；再次便是阿里，阿里云在数据处理方面对标亚马逊、微软等巨头，野心和实力不容小觑；而对国内传统媒体而言，技术向来是短板，自主开发新闻实验室还是难度极大的，暂且不提……
而今日头条正式推出的数据产品“媒体实验室”（mlab.toutiao.com），便将数据应用于内容创作，旨在服务优质内容生产。它的基本思路和目前较为成熟的国外产品基本一致，针对新闻线索的获取、热点事件的判断、不同落点的选取等痛点都有对应的功能来解决这些问题：
“实时爆料”致力于解决“找线索”的难题，今日头条用户自发上传的新闻线索在其中可被实时浏览。
对热门事件的排序则依赖于阅读量、评论数、文章数量等多种因素综合的结果，在此基础上后台会根据时间刻度和判断标准的不同，区分出“热门事件”“飙升事件”，旨在通过热点事件的整体排序和攀升排序，帮助内容创作者更好的判断用户注意力究竟集中在何方；
同一事件不同落点的区分则体现在“热词分析”（或“关联分析”）中，以人民币被正式纳入特别提款权货币篮子一事为例，搜索关键词“特别提款权”便能发现，人民币、货币基金组织、美国等是大家对此事件最基本的判断，后来的房价、房产等，则是延伸出的第二、第三落点……关联词的呈现可以很好地展现不同的文章落点及对应的热度。
离中心越近，相关性越大，圆圈直径越大，关注度越高，红色代表该热点呈上升趋势，绿色则表示下降
同时，“事件”监控还能帮助关注某一垂直领域的内容创作者更好的观察该领域的舆情变动。
图为事件监控关键词为“Twitter”的舆情曲线
新闻实验室产品的推出，最直接目的就是服务于内容创业者，当然这也暗合今日头条一直以来希望聚拢优质内容资源的愿景。在百度投身于人工智能领域，阿里大力发展社交，传统媒体转型阶段基本完成，内容生产格局显现的时候，今日头条推出的媒体实验室，既满足客观环境中用户对内容质量提升的需求，也利于完善自身战略版图，更重要的，今日头条媒体实验室，是国内第一个用数据辅助内容生产的数据产品。
人 + 机器 = 更优质的新闻
其实，新闻采写过程本身就是一种数据收集，只不过更加具体、细节化——新闻现场、目击者描述、专家观点等“小数据”，经记者挖掘后以一种独立的、碎片化的状态散落着，在被写作者恰当地筛选组合后，成为一篇可以发布的新闻，记者的采访能力和写作能力决定着文章的质量。
在这个阶段中，记者在数据收集和信息处理时，可能因个人经验和技巧不足而受到限制，这个问题，正是媒体实验室想帮记者解决的：最新的一手资料、丰富的人情味机器暂时无法替代人，但是受众最关注什么、哪些内容之间更有关联性、某事件的热度趋势如何、新闻落点都有哪些……机器都能通过数据分析给出答案。
今年7月的洪灾，公众情绪随着暴雨的延续出现了鲜明改变，从最开始面对暴雨的“自嘲”，到伤亡出现时的震惊，对救灾的关注，一直到对政府的问责。冲在最前线的记者在采访过程中很难及时了解社会公众的情绪变化。这个时候，“大数据”则能通过不同类型文章的浏览数量、读者评论等，帮记者做出准确的判断。洪灾期间公众最关注什么？公众在这次暴雨中体现了怎样的公众意见（pulic opinion）？随着时间的变化公众又有着怎样的情绪体现？
7月2日，在用户对暴雨关注度达到顶峰当天，“救灾”情绪相关词（例如抗灾、安置点、沙袋、众志成城）的阅读量首次超过“调侃”（看海、舀水、裤管、荡起双桨）情绪，达到10563545（次）。此后，“救灾”情绪相关词的阅读量始终高于“调侃”情绪，且两者差距呈扩大趋势。今日头条媒体实验室通过对用户对“救灾”、“调侃”相关关键词阅读量的变化，分析出公众对暴雨事件的情绪变化。
借助可以精确到天、小时的舆情分析，记者可以更有针对性的进行报道，提供给读者他们最关心的信息，或情绪疏导，辟谣等。
当然，作为一个“新生儿”，今日头条媒体实验室还有可以提升的地方——相比全量的移动互联网用户，今日头条的5.8亿的用户群已然很庞大，但仍有一定的局限性。如今的内容生产领域更为多样化，垂直领域也更为专业，媒体实验室如果想要扩张自己的版图，为垂直领域的媒体或内容生产者联盟推出定制产品将是一个不错的解决办法——高效辅助的前提是获取服务对象足够多的数据，产品定制或合作则避免了可能存在的版权问题。
负责该项目的研发人员向刺猬君坦言，媒体实验室还有不少可改进的地方，他们正在加紧迭代，未来在一些更垂直的领域也有计划推出类似的产品，给内容生产者提供各式“仪表盘”。他们的愿景始终是服务于平台的内容创作者，启发优质内容的生产。
对媒体而言，短板出现在哪里，就要有针对性的进行补充。技术正在全方位的改变我们的生活，作为船上的“瞭望者”，媒体人更应该站在时代的潮头。媒体实验室，扮演的正是这么一个角色，于今日头条，这是他们营造内容生态闭环的举措，于媒体人，这是拥抱技术的一个大好时机。人们始终应该瞄准的，是未来。
正如谷歌新闻实验室总监Steve Grove所言，当今最重要的信息之一就是优质新闻，优质新闻与数据技术的结合是让社会形态变得更加丰富的最好方式。
长按下方二维码，申请今日头条媒体实验室账号，让数据辅助你的创作。
参考链接：
1.路透社研究所：六家欧美知名媒体怎样分析和运用用户数据｜专题
2.《“目击媒体”革新新闻生产与把关人角色——以谷歌新闻实验室为例》，黄雅兰、陈昌凤，《新闻记者》，2016年1月
3.Google News Lab launches three new projects focused on crowd-sourced journalism
完
新锐观点 前沿情报
内容产业第一平台
原创出品 授权转载
合作、转载事宜请联系微信号yunlugong
微博 @刺猬公社