新浪“即時推”會成為內容分發(fā)的新突破嗎？金融
內容分發(fā)平臺基于算法，給用戶推送個性化的文章，這些數(shù)據(jù)原本就是人工智能最好的飼料，而“即時推”這是將這些飼料加以運用后，再回饋給用戶，這是當下人工智能助理所不具備的主動性。
移動互聯(lián)網(wǎng)時代的海量信息，讓我們每天都處于一種信息大爆炸的狀態(tài)，而基于大數(shù)據(jù)的個性化推薦則為我們打開了一扇門，這種借助強大數(shù)據(jù)采集、分類和提取的技術，正深刻地改變著中國人的閱讀習慣和信息獲取方式，但伴隨著推薦引擎的爭議從來就沒有停止過。
一成不變的推薦和不斷變化的興趣
當越來越多的內容分發(fā)平臺都開始強調“千人千面”的個性化推薦時，它們的產(chǎn)品反而高度同質化了。如今我們打開所有的信息流產(chǎn)品，看到的內容千篇一律，幾乎沒有什么太大的差別。而低俗、八卦和標題黨因為滿足了絕大多數(shù)人的喜好，永遠都會充斥在我們的信息流中。
個性化推薦讓我們的興趣變得越來越狹隘了，其實這是當下所有推薦引擎共同面臨的弊端。我們的興趣似乎很容易被機器“鎖定”。強大的算法可以通過用戶行為推算出興趣標簽，機器會不斷的根據(jù)這些標簽對我們進行分門別類，最終決定我們能看到什么內容。
但標簽本身就是大腦偷懶的產(chǎn)物，凡是能夠定義出來的標簽，一定程度上都是受限的。以此為判斷標準來進行推送，必然會導致局限性。前段時間薛之謙和李雨桐撕逼，出于好奇點擊了幾篇文章，然后在接下來的一周時間里，被推送的都可能會是一些娛樂新聞。最終滿屏幕的娛樂八卦，直接造成了信息負載。你偶爾會看一些娛樂的新聞，但卻并不代表著你喜歡生存在只有八卦的世界中。
隨著數(shù)據(jù)的積累，機器算法一直在進化，也慢慢會越來越懂用戶，不過問題在于興趣其實是一直在不斷變化的。以我個人舉例，平時我喜歡看一些科技數(shù)碼類的文章，我會希望信息流中出現(xiàn)的都是有關于這些領域的文章。但這不妨礙我在特定的時刻突然對某件事產(chǎn)生興趣，這可能是薛之謙和李雨桐的口水戰(zhàn)，可能是熱門影視劇終，也可能是中國足球又輸球了。
而也正是因為有這些即時的興趣，我們才能真正認清自己，并不斷從外界汲取新的知識。這種興趣的變化會時刻伴隨著我，并且不斷受到外界因素的影響。推薦引擎之所以會讓人的思想變得狹隘，很大程度上就在于沒辦法感知這種時刻變化的興趣。
新浪的探索，“即時推”會成突破口嗎？
個性化推薦確實降低了我們獲取信息的成本，但這也可能使我們畫地為牢，我們所獲取的一切信息與知識都不斷在迎合自身的喜好。算法越來越聰明，這種迎合就會變得越來越變本加厲，最終使我們失去了探索未知的可能性。
從這個角度來說，推薦引擎確實需要有所改變了。個性化推薦不僅需要了解我們長期的興趣，更要對我們實時的感知進行回應，并且還要有探索未知的可能性。在最近，新浪客戶端上線的一個新功能倒是頗為值得借鑒，這個新功能被新浪客戶端稱之為“即時推”。
何為“即時推”？具體而言就是當用戶閱讀完一條內容，返回信息流首頁時，人工智能系統(tǒng)會根據(jù)剛剛所閱讀的內容以及用戶興趣相關性，再推薦一條相關興趣內容。并以動態(tài)插入的形式呈現(xiàn)在之前所閱讀的內容下方。如用戶對某一內容“興趣十足”，系統(tǒng)將持續(xù)推薦，直至用戶興趣結束跳過推薦內容繼續(xù)閱讀。
或許大家并不明白這種推薦機制的好處，我舉個簡單的例子。馬上國慶節(jié)就要來了，平時并不屬于旅游人群的我，信息流中并不會出現(xiàn)旅游相關的文章，但國慶節(jié)我想去泰國體驗下生活，而“即時推”就可能敏銳的捕捉到我這種即時興趣。
然后開始給我推薦一些有關泰國當?shù)仫L土人情、美食以及攻略相關的文章，這些內容可以很好的幫助我對未來進行規(guī)劃。但“即時推”能做到的遠不如此，它還會給我推薦有關其他旅游景點的文章，例如在歐洲看日出是一種怎樣的感受？而很可能我會因為看到這篇新的文章，最終選擇去歐洲游玩。
“即時推”的出現(xiàn)確實讓我有一種耳目一新的感覺，很大程度上這為我們打開了一扇新的窗戶。這種推薦并不是簡單的基于用戶過去訪問過的內容，還會結合用戶當下的實時興趣。也就是說，這使得推薦引擎有了更豐滿的思想，而讓用戶也會覺得推薦引擎再也不是冷冰冰的算法，而是一種陪同在身邊的玩伴，更懂我們當下的需求。
為什么率先做出改變的會是新浪客戶端？
很大程度上還需要從這個平臺既有的基因說起。根據(jù)QuestMobile最近發(fā)布的報告顯示，2017年6月，新浪在移動端的生態(tài)流量月度總用戶已接近3.7億，月日均用戶1.07億，雖然起步晚于同類客戶端，新浪客戶端還是快速發(fā)展為新聞客戶端行業(yè)頭部App。但我們必須承認，新浪客戶端相比于今日頭條、騰訊新聞來說，仍然還是一個后來者。
新浪客戶端有一個其他內容分發(fā)平臺所不具備的優(yōu)勢。從一開始新浪客戶端就打通了新浪和微博雙平臺的內容、數(shù)據(jù)和賬號體系，這使得新浪客戶端不僅有龐大的內容數(shù)據(jù)和用戶數(shù)據(jù)，更有用戶即時興趣、動態(tài)化場景、網(wǎng)狀知識圖譜和社交關系等獨特數(shù)據(jù)。
而眾所周知，微博是中國互聯(lián)網(wǎng)少有的能夠二次崛起的產(chǎn)品，用戶和渠道的下沉，是微博能夠成功的關鍵原因。但不可否認，自2014年以來，微博從早期的“實時信息網(wǎng)絡”向“實時信息+社交興趣網(wǎng)絡”轉型，也為其留住了很多用戶。我們想要了解網(wǎng)絡上的熱門事件，第一時間想到的總會是去微博搜索。
新浪客戶端很明顯也繼承了這種基因，而正因為通過和微博在內容、數(shù)據(jù)、用戶和媒體賬號上的充分打通，新浪能夠捕捉到用戶的即時興趣，而不僅僅是簡單的長期興趣，這是新浪智能分發(fā)的獨特優(yōu)勢所在。
如今各大新聞客戶端并沒有針對即時興趣推薦內容。對于用戶偶然感興趣的即時內容，多數(shù)平臺并不會給予過高的權重，并且需要等用戶再次刷新或下次訪問時再予以推薦。面對一成不變的內容分發(fā)市場，新浪客戶端想要實現(xiàn)彎道超車，抓住用戶的即時興趣其實是一個機會所在。
“即時推”的出現(xiàn)，會給個性化推薦帶來更多可能性嗎？
新浪首創(chuàng)的即時興趣推薦，可以說是一次大膽的嘗試，基于用戶當前興趣和相關性推薦，這可以產(chǎn)生一種完全不同于當下內容分發(fā)平臺所呈現(xiàn)出的興趣信息流。而“即時推”的出現(xiàn)，也讓我們可以對內容分發(fā)的未來有了新的思考。
對內容分發(fā)平臺來說，最關鍵的是仍然是數(shù)據(jù)，“即時推”在原有個性化推薦的基礎上，加強了與用戶之間的互動，讓機器主動感知用戶的即時興趣，并且從用戶處獲得積極反饋，進而能夠不斷優(yōu)化所推薦的文章。而用戶所獲取的信息，不再是單純基于過往興趣標簽，還會有根據(jù)實時興趣變化的內容推薦。
我們常說，移動端的搜索引擎其實被分成了兩部分：主動搜索+推薦引擎，前者是用戶具有明確的指向性目標，而后者則依賴于機器算法的推薦。在我看來，即使推的出現(xiàn)很有可能會為內容分發(fā)平臺帶來一個的主戰(zhàn)場——那就是人工智能助理。
“即時推”能夠不斷感知用戶對信息的即時興趣，并為用戶推送可以匹配用戶當下需求的信息，這和當下的人工智能助理的理念非常相似。人工智能助理也是解決用戶當下的即時性需求，只不過人工智能助理偏向于主動獲取，而“即時推”則是在機器探索到你當下的需求。
內容分發(fā)平臺基于算法，給用戶推送個性化的文章，這些數(shù)據(jù)原本就是人工智能最好的飼料，而“即時推”這是將這些飼料加以運用后，再回饋給用戶，這是當下人工智能助理所不具備的主動性。表面上看，這只是個性化推薦的一小步，但這卻可能是人工智能發(fā)展的一大步。
來源|微信公眾號：俊世太保
1.TMT觀察網(wǎng)遵循行業(yè)規(guī)范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網(wǎng)的原創(chuàng)文章，請轉載時務必注明文章作者和"來源：TMT觀察網(wǎng)"，不尊重原創(chuàng)的行為TMT觀察網(wǎng)或將追究責任；
3.作者投稿可能會經(jīng)TMT觀察網(wǎng)編輯修改或補充。
