紐約時報一天要發布300篇文章，但不是每篇都有機會上推薦位、被發布到官方Twitter、Facebook等等社會化賬號上。哪些文章值得推薦？傳統的做法是人工推薦，editor's choice，這也是絕大部分媒體都正在采用的做法。
掌握推薦或不推薦的生殺大權，這個運營崗位真是一塊香餑餑，比如我們雷鋒網的運營總監就是一個人生贏家，但紐約時報，居然把這么重要的一個位置讓給了機器人，并且這個機器人活兒干得很漂亮：據數據統計，由紐約時報“運營總監”機器人Blossom挑選出來的文章，平均閱讀量是普通文章的38倍。
人工選擇哪篇文章應該上推薦位或不上，既費人力，而且有時候會判斷出錯。為了解決這些燒腦的問題，紐約時報的數據團隊（ data science team，首先人家有這個部門）開發了一個機器人Blossom，并內置到他們的新聞APP slack里面，Blossom負責預測哪些文章有可能會在社交網站上引起傳播，相應地給版面責任編輯提出建議。除了預測，Blossom還可以給出一些已經發布的文章流量增長狀況。
比如你在對話框里輸入“!blossom facebook? all”（約等于問機器人紐約時報所有版面上的文章，哪些適合推送到Facebook上），機器人會返回一個結果，如圖：
Blossom的決策原理是什么？據紐約時報數據團隊的首席科學家 Chris Wiggins表示，Blossom運用了一種“前沿的機器學習”技術，后端用了Java, Python, and MapReduce幾種編程語言，但在前端就是一個簡單友好的交互界面——“一個聊天機器人”。Wiggins沒有說得更仔細，不過這不是什么不可知的黑科技，我們可以合理推測：Blossom首先知道社交網絡上的實時熱詞情況，再根據文章中熱詞出現的頻率判斷這篇文章有沒有可能引起更多點擊。當然Blossom的算法肯定更精細。
Wiggins設計這個機器人的初衷是為了幫助而非干擾或者取代人的工作，目前來看，Blossom和編輯合作很愉快，編輯團隊也在向數據團隊提出一些新的需求。
評論列表(已有條評論)
最新評論