編者按：智能軟件算法不是萬(wàn)能的，有些事情還是人來(lái)做比較合適。最近國(guó)外的Snapchat、Instagram、Twitter和YouTube，國(guó)內(nèi)的一點(diǎn)資訊和今日頭條等都開(kāi)始靠人手動(dòng)挑選編輯內(nèi)容，推薦給用戶。

關(guān)于智能算法和人工編輯這個(gè)話題，美國(guó)社交媒體資深編輯 Kurt Wagner談了他的看法。

世界上的所有社交網(wǎng)絡(luò)每天都幾乎滿溢各種豐富的內(nèi)容。這是一個(gè)好消息，但壞消息是這些社交公司需要從這里篩選出特定的內(nèi)容傳給受眾。

那他們的永恒的解決方案是什么？人力。

以往社交媒體會(huì)通過(guò)智能算法進(jìn)行篩選推薦內(nèi)容：在一定時(shí)段關(guān)注的用戶達(dá)到一個(gè)峰值的時(shí)候，這篇文章的重點(diǎn)信息將成為一個(gè)熱詞，被列為上升最快的指示值。這個(gè)指數(shù)將成為下一個(gè)時(shí)段熱門(mén)信息的來(lái)源參考值。

有了這個(gè)參考值，系統(tǒng)又會(huì)開(kāi)始新一輪的數(shù)據(jù)篩選和推薦，通過(guò)數(shù)據(jù)和算法，門(mén)戶在信息的推薦的準(zhǔn)確度和更新速度上產(chǎn)生了明顯的優(yōu)勢(shì)。

同時(shí)像 Facebook 這類(lèi)平臺(tái)，它們擁有龐大的數(shù)據(jù)量和用戶群，不同的用戶感興趣的內(nèi)容也不相同，這也表示他們無(wú)法聘請(qǐng)足夠多的人來(lái)完成這項(xiàng)工作，只有依賴于算法。

但利用算法推薦的弊端也很明顯，譬如推送的內(nèi)容質(zhì)量參差不齊，抑或推送時(shí)機(jī)不對(duì)。

Snapchat、Instagram、Twitter 和 YouTube 以往通過(guò)軟件分析用戶瀏覽內(nèi)容，收集相關(guān)標(biāo)題從而編輯推薦內(nèi)容，不過(guò)近日他們都宣布增加新的管理功能：依靠人類(lèi)從已經(jīng)篩選過(guò)的大規(guī)模內(nèi)容中選擇最好的內(nèi)容進(jìn)行推薦。

他們招聘許多專(zhuān)業(yè)的媒體人士，利用他們對(duì)新聞的敏感性來(lái)判斷新聞是否具有價(jià)值，是否是用戶希望看到的，以確保用戶可以準(zhǔn)備的獲取有價(jià)值的信息。

為什么現(xiàn)在會(huì)開(kāi)始依靠人工推薦內(nèi)容？過(guò)去當(dāng)有大事發(fā)生時(shí)，F(xiàn)acebook 和 Twitter 就像 Oscars 或是 Super Bowl 一樣會(huì)吸引用戶的注意，在營(yíng)銷(xiāo)上來(lái)講這是一個(gè)增加自己曝光率的機(jī)會(huì)。不過(guò)現(xiàn)在 Snapchat、Instagram 和 YouTube 正在爭(zhēng)奪用戶的關(guān)注度，每個(gè)公司都打賭用戶會(huì)去自己的平臺(tái)，自己要為用戶提供最佳的閱讀體驗(yàn)，這就是依靠人工而不再單純依靠算法的原因。

智能算法只是夠利用標(biāo)簽篩選文章，但卻不能區(qū)分新聞的重要性和實(shí)時(shí)性，也不了解事件的背景信息。就像 Snapchat 在過(guò)去因?yàn)槔盟惴ㄍ扑投斐蛇^(guò)失傷害了一家公司的信譽(yù)，它還曾向廣告商推送了錯(cuò)誤的信息。

雖然利用算法推送的時(shí)效性和個(gè)性化都很強(qiáng)，但卻無(wú)法滿足實(shí)時(shí)性和用戶的需求。人工可以根據(jù)社會(huì)環(huán)境和自然環(huán)境的變化立即決定當(dāng)下用戶最關(guān)注的新聞內(nèi)容，至少?gòu)倪@點(diǎn)來(lái)看，就優(yōu)于算法。

從算法曲線來(lái)講，它可以關(guān)注龐大用戶群體的個(gè)性化閱讀習(xí)慣，但它不能自主地進(jìn)行策劃，只是單純地依靠以往的閱讀習(xí)慣進(jìn)行推薦。

國(guó)內(nèi)的很多社交和網(wǎng)絡(luò)媒體平臺(tái)也會(huì)采用算法推薦功能，在你的社交賬號(hào)與網(wǎng)絡(luò)媒體平臺(tái)賬號(hào)相關(guān)聯(lián)之后，它會(huì)根據(jù)你平時(shí)關(guān)注的內(nèi)容進(jìn)行新聞閱讀推薦，但它很難全面掌握用戶的喜好，并且推薦的文章質(zhì)量良莠不齊。

國(guó)內(nèi)的今日頭條和一點(diǎn)資訊等平臺(tái)也是依賴于算法，根據(jù)你關(guān)注的內(nèi)容分類(lèi)進(jìn)行推薦，再通過(guò)你閱讀的文章模式包括閱讀停留時(shí)間等一系列信息數(shù)據(jù)進(jìn)行計(jì)算，最終達(dá)到推薦你喜歡文章的效果。但最近，他們改變了以往的推薦模式，利用人工和算法結(jié)合的模式，在算法篩選出的大量相關(guān)文章中，人工挑取最有價(jià)值和時(shí)效性比較強(qiáng)的文章推送給用戶。

在現(xiàn)代的傳播體制下，需要結(jié)合以往的算法推薦和人工編輯的價(jià)值，才能把最好的內(nèi)容推薦給用戶；從營(yíng)銷(xiāo)角度來(lái)講，結(jié)合了用戶搜索行為所觸及的全網(wǎng)數(shù)據(jù)，利用算法分析出用戶的興趣，人工滿足用戶的需求。

本文參考了多個(gè)信息來(lái)源：Re/code Stratechery