□ 文/文衛(wèi)華

·學者界面·基金項目課題

受眾數(shù)據(jù)如何深度開發(fā)：歐美知名媒體的新嘗試新趨向

□ 文/文衛(wèi)華

對受眾數(shù)據(jù)進行實時性的監(jiān)測、分析，已經(jīng)成為了當前歐美新聞編輯室中的一個趨勢。本文結(jié)合業(yè)界實踐，在梳理現(xiàn)有受眾數(shù)據(jù)分析工具的特點和創(chuàng)新的基礎(chǔ)上，進一步探討了歐美知名媒體如何從分析工具、數(shù)據(jù)團隊、數(shù)據(jù)文化等多個層面來建構(gòu)符合其媒體定位和商業(yè)模式的編輯型數(shù)據(jù)分析機制。

受眾拓展 受眾數(shù)據(jù)分析工具 編輯型數(shù)據(jù)分析機制

實時性地監(jiān)測、分析受眾數(shù)據(jù)已經(jīng)成為了當前歐美新聞編輯室中的一個重要趨勢。近年來，從《赫芬頓郵報》、高客網(wǎng)（Gawker）、BuzzFeed等網(wǎng)生媒體到《衛(wèi)報》《金融時報》、BBC、《紐約時報》《華爾街日報》、美國國家公共廣播電臺（NPR）等傳統(tǒng)主流媒體，都紛紛設(shè)置了專人或成立團隊大力推進受眾拓展工作（audience development），而在編輯部內(nèi)開展受眾數(shù)據(jù)分析正是其中的一項主要任務(wù)。它們或是引入現(xiàn)有的第三方數(shù)據(jù)分析工具，或是根據(jù)自身狀況與需求研發(fā)專供內(nèi)部員工使用的分析系統(tǒng)，以幫助編輯、記者更好地理解、把握新聞在新媒體平臺的傳播規(guī)律，從而優(yōu)化新聞報道，改進編輯部的工作流程，最終促進受眾數(shù)量的增長，并提升受眾的參與度、忠誠度。

一、受眾數(shù)據(jù)分析工具的特點及創(chuàng)新

目前，歐美新聞編輯室中普遍使用包括Chartbeat、NewsWhip、Parse. ly等在內(nèi)的第三方工具來分析受眾對于其新聞報道的反饋數(shù)據(jù)，同時一些實力雄厚的知名媒體也在積極研發(fā)、運用自己的監(jiān)測分析系統(tǒng)，以更加有效地實現(xiàn)自身所側(cè)重的目標。其中比較知名的包括《衛(wèi)報》于2012年自主研發(fā)的實時分析工具Ophan，《紐約時報》的“故事和事件分析”工具Stela（story and events analytics），《金融時報》的數(shù)據(jù)可視化工具Lantern，以及《赫芬頓郵報》的可視化界面Omniture等。雖然在指標設(shè)置和呈現(xiàn)形式等方面有所不同，但這些受眾數(shù)據(jù)分析工具卻不乏諸多共同之處。

首先，它們對于報道在新媒體平臺上的傳播狀況進行了實時性的監(jiān)測、分析。盡管新聞界一直以來都有受眾調(diào)查的傳統(tǒng)，但無論是閱讀率，還是收視率、收聽率都是事后調(diào)查，處于“完成時”的狀態(tài)。從業(yè)者在進行下一輪新聞生產(chǎn)時仍然需要“預判”受眾的興趣。[1]但上述這些受眾數(shù)據(jù)分析工具是“進行時”的，編輯、記者可以根據(jù)它提供的實時反饋直接處理眼下的新聞工作。同時，這些工具及其數(shù)據(jù)面向媒體內(nèi)部所有的編輯、記者開放，這也迥異于以往媒體對于受眾調(diào)查數(shù)據(jù)的態(tài)度，即將其視為內(nèi)部“機密”，只被少數(shù)的管理者所掌握。

其次，它們不僅能夠監(jiān)測、呈現(xiàn)網(wǎng)頁瀏覽量、社交媒體分享情況和有效閱讀時間等最基礎(chǔ)的受眾數(shù)據(jù)，還能提供一些對媒體來說更有意義、更為深入的信息。比如，《衛(wèi)報》的Ophan能夠監(jiān)測到用戶獲取新聞的方式，包括他們所處的地理位置，所運用的設(shè)備，以及他們是通過《衛(wèi)報》自身的社交平臺，還是通過官方網(wǎng)站來獲取新聞。[2]《金融時報》的Lantern則能夠通過分析受眾對于報道的融入、反應(yīng)、互動等狀況，判斷出哪種類型的報道更容易引起受眾的共鳴。Lantern除了向編輯、記者提供用戶在網(wǎng)頁上所花費的時間、用戶保留率、滾屏速度、社交表現(xiàn)以及用戶是經(jīng)由何種設(shè)備而接觸到報道的等等信息，還能提供一些更為特殊的數(shù)據(jù)，比如就某篇報道而言，訂閱用戶和非訂閱用戶之間究竟存在哪些差異。[3]與此同時，針對新聞分發(fā)渠道的多樣化現(xiàn)狀，這些分析工具還同時整合了多源數(shù)據(jù)。比如， Stela就監(jiān)測了《紐約時報》的網(wǎng)站和其所有移動端的受眾數(shù)據(jù)，并將它們通過同一平臺展示出來。除了定量數(shù)據(jù)之外，它還能分析用戶在社交網(wǎng)站上有關(guān)報道的評論等定性數(shù)據(jù)，使記者和編輯了解到何種推送能夠帶來更廣泛的受眾分享。再次，這些受眾數(shù)據(jù)分析工具都采用了儀表盤（dashboard）的形式，界面友好。多通過簡潔、清晰的動態(tài)可視化圖表來呈現(xiàn)受眾數(shù)據(jù)，各種測量指標與結(jié)果一目了然，非常便于編輯、記者的理解和操作。最后，為了適應(yīng)不斷變化的媒體環(huán)境，滿足編輯部的各種新需求，這些數(shù)據(jù)分析工具的升級也非常頻繁。如自從Ophan誕生以來，《衛(wèi)報》的受眾參與和拓展團隊對它進行了多次更新，開發(fā)出了可以在智能手機上使用的版本，向記者、編輯發(fā)送相關(guān)的提醒郵件等諸多新功能，使它愈加簡便高效。而Stela除了分析單篇報道的數(shù)據(jù)之外，也在積極向視頻分析領(lǐng)域拓展。

除了上述這些數(shù)據(jù)分析工具之外，媒體與數(shù)據(jù)分析公司也不斷探索新的可能和方向，力求充分釋放出數(shù)據(jù)的能量，更好地服務(wù)于新聞生產(chǎn)和傳播。2017年2月，Ophan的開發(fā)團隊又推出了全景式趨勢分析工具Kaleida。它所收集的數(shù)據(jù)既包括《紐約時報》、CNN、BBC等近二十家知名媒體的頭版新聞，還包括這些報道在Facebook上的全時段分享量。Kaleida運用情感分析、機器學習等技術(shù)識別用戶的新聞消費模式，預測報道的未來表現(xiàn)，以幫助記者、編輯把握全球新聞消費的實時狀況與未來趨勢。[4]《金融時報》上線的新儀表盤則著重于對優(yōu)質(zhì)“舊聞”的再利用。它發(fā)掘過去兩周以來那些流量出現(xiàn)了明顯增長的既有報道，以供編輯們選擇合適的時機與平臺重新推廣這些內(nèi)容。從實際效果來看，這些被儀表盤發(fā)掘出來、重新推薦到社交媒體上的“存檔內(nèi)容”（Archival Content）所獲得的點擊量、分享轉(zhuǎn)發(fā)和評論數(shù)，要比《金融時報》直接首發(fā)在Facebook上的內(nèi)容高出3倍，比人工編輯選擇發(fā)布的內(nèi)容高出1.5倍。Kaleida使得優(yōu)質(zhì)的“舊聞”再次煥發(fā)出生機，有效延長了其生命。[5]

此外，Chartbeat與Facebook合作，為全球上千家媒體機構(gòu)提供了一套名為Offsite Social的解決方案，主要用于監(jiān)測、分析新聞報道在Facebook、Reddit、Twitter、Instagram、YouTube等一系列社交平臺上的實時表現(xiàn)，包括用戶對于內(nèi)容的參與時間，放大內(nèi)容影響力的關(guān)鍵節(jié)點以及何種類型的故事深受用戶歡迎等等。記者、編輯可以依據(jù)這些實時數(shù)據(jù)分析采取相應(yīng)的對策，以提升報道的傳播效率。而對于Facebook來說，增強優(yōu)質(zhì)新聞的傳播，也是抑制假新聞的一種有效途徑。[6]

二、編輯型數(shù)據(jù)分析機制的建構(gòu)

當前各種受眾數(shù)據(jù)分析工具層出不窮，越來越多的新聞編輯室也認識到受眾數(shù)據(jù)所蘊含的價值，紛紛將其引入新聞生產(chǎn)流程，希望借助于數(shù)據(jù)分析來優(yōu)化報道、輔助決策、拓展受眾。但牛津路透新聞研究院于2016年2月發(fā)布的一份報告卻顯示：就其調(diào)查的歐洲與北美地區(qū)而言，大多數(shù)新聞編輯室并未建立起真正意義上的編輯型數(shù)據(jù)分析機制，它們對于受眾數(shù)據(jù)的分析還停留在基礎(chǔ)的初級階段，即運用現(xiàn)成的分析工具，關(guān)注瀏覽量、獨立用戶訪問量等淺層化指標，以求在短期內(nèi)提升流量。而未將受眾數(shù)據(jù)分析與媒體的編輯優(yōu) 先、組織目標、工作流程等有效地結(jié)合起來，對于數(shù)據(jù)的運用也并不充分。[7]在大數(shù)據(jù)時代，當海量的用戶數(shù)據(jù)洶涌而來時，真正的挑戰(zhàn)在于如何準確測量，正確分析、運用這些數(shù)據(jù)，發(fā)揮其潛力和價值。對新聞編輯室來說，擁有受眾數(shù)據(jù)和分析工具固然必要，但從工具、組織、文化等層面建構(gòu)符合其媒體定位和商業(yè)模式的編輯型數(shù)據(jù)分析機制卻更為關(guān)鍵。

就工具層面而言，無論是引入現(xiàn)有的第三方工具，還是自主研發(fā)分析系統(tǒng)，首先必須要考慮的就是媒體的定位和商業(yè)模式，據(jù)此來確定所要重點測量分析的指標。如《金融時報》的讀者多為精英人群，商業(yè)模式也以讀者付費訂閱為基礎(chǔ)。其用戶戰(zhàn)略的主要目標是增強報道的閱讀量和影響力，為網(wǎng)站導入更多的高質(zhì)量流量，并增進與用戶的線上線下互動。這就決定了它在開展受眾數(shù)據(jù)分析時雖然也很重視用戶的“量”，但卻更加偏重于用戶的“質(zhì)”。其受眾參與團隊的工作重點在于推動測量指標的進一步細化和深入，希望為不同的類型的報道制定不同的數(shù)據(jù)衡量維度，明確界定并準確測量類似“參與度”“忠誠度”“影響力”等包含了更加復雜向度的指標。其次，對于受眾數(shù)據(jù)的分析要遵循編輯優(yōu)先的原則，同時使分析結(jié)果既有助于在短期內(nèi)提升報道的傳播效率，還能夠輔助新聞機構(gòu)進行長期的戰(zhàn)略決策。再次，分析工具還須因應(yīng)媒體環(huán)境的變化而升級更新。從目前的發(fā)展趨勢來看，這些工具也在緊跟受眾媒介消費習慣變遷的步伐，即從PC端遷移到移動端，通過社交媒體平臺獲取信息成為主流，力求開發(fā)出新的指標和分析方法，以更好地整合跨界面、跨設(shè)備、跨傳播環(huán)境的受眾信息。

組建專門的數(shù)據(jù)團隊對于編輯型數(shù)據(jù)分析機制的建立也極為必要。盡管受眾數(shù)據(jù)能夠幫助記者、編輯及時全面地了解、響應(yīng)用戶反饋與需求，從而提升新聞報道的傳播效果，但是絕大多數(shù)記者、編輯都不具備專業(yè)的數(shù)據(jù)分析能力。如果只是簡單地將一堆指標和統(tǒng)計數(shù)據(jù)丟給他們，就很有可能造成誤讀，影響記者的新聞判斷。而一旦僅僅以報道的接受情況和傳播效果來指導新聞生產(chǎn)的策略和方向，則會導致新聞品質(zhì)的下降。從《紐約時報》建立編輯型數(shù)據(jù)分析機制的過程來看，組建數(shù)據(jù)團隊也是先于向編輯、記者開放分析工具與受眾數(shù)據(jù)的。盡管也訂購了如谷歌分析、Chartbeat等第三方數(shù)據(jù)服務(wù)，但在相當長一段時間內(nèi)，新聞編輯室對于受眾數(shù)據(jù)的運用非常有限。只有肩負特定任務(wù)、在特定崗位工作的員工可以接觸到這些數(shù)據(jù)；在采編部門并未形成一套正式的受眾數(shù)據(jù)分析與運用體系；除了那些只在互聯(lián)網(wǎng)上發(fā)布的內(nèi)容外，受眾數(shù)據(jù)對于編輯決策而言也不甚重要。[8]在向采編部門全面開放受眾數(shù)據(jù)，并運用它來輔助、優(yōu)化報道之前，《紐約時報》先行建立了專業(yè)的數(shù)據(jù)團隊。

2014年發(fā)布的《創(chuàng)新報告》中，《紐約時報》明確提出了要組建專門的數(shù)據(jù)分析團隊和長期戰(zhàn)略團隊。數(shù)據(jù)分析團隊不僅需要測量、分析報道的分享次數(shù)、受眾的閱讀時間、受眾滾動瀏覽一篇文章的長度，以及受眾每周閱讀同一欄目的百分比等等數(shù)據(jù)，還需要處理更為復雜的問題，如：評價新聞價值最重要的標準是什么？信息應(yīng)該在多大范圍內(nèi)分享？如何確保信息清晰、可行而不是含糊、混亂？通過對受眾數(shù)據(jù)的深入分析來發(fā)現(xiàn)趨勢、分享成功、制定戰(zhàn)略。[9]除了分析工具和數(shù)據(jù)團隊之外，編輯型數(shù)據(jù)分析機制的建立還有賴于數(shù)據(jù)文化在新聞編輯室內(nèi)確立和推行。一方面，要將數(shù)據(jù)分析工具高度內(nèi)嵌于新聞編輯室的日常工作之中。需要確保所有的編輯、記者了解數(shù)據(jù)的真正意義，并有意識地主動運用數(shù)據(jù)來輔助報道決策。BBC受眾參與部門的負責人指出：不僅要向記者們解釋清楚一系列問題：他們需要關(guān)注哪些數(shù)據(jù)？這些數(shù)據(jù)指標為什么重要？這些數(shù)據(jù)指標將怎樣影響他們的工作？還應(yīng)告訴他們?nèi)绾胃鶕?jù)數(shù)據(jù)來采取相應(yīng)的行動，而不是僅僅給他們提供一些儀表盤而已。[10]這里還特別需要厘清并協(xié)調(diào)受眾數(shù)據(jù)與新聞價值之間的關(guān)系，簡單地將內(nèi)容的受歡迎情況與新聞價值劃上等號或?qū)α⑵饋矶际遣徽_的。對于編輯、記者來說，應(yīng)該努力提升那些具有高度新聞價值的優(yōu)質(zhì)報道的瀏覽量和分享、參與量。

另一方面，也要對受眾數(shù)據(jù)的作用、功能保持清醒的認識。在重視數(shù)據(jù)分析、用數(shù)據(jù)說話的同時，還需要注意不能過度依賴數(shù)據(jù)，否則會影響新聞工作者的價值判斷。一旦數(shù)據(jù)成為評估報道質(zhì)量的主要標準，頁面訪問量變成了記者、編輯唯一關(guān)注、追求的目標，一味地迎合受眾需求，最終只能帶來新聞品質(zhì)的下降。因此，《紐約時報》強調(diào)：我們的新聞價值深厚而穩(wěn)固，數(shù)據(jù)指標可以幫助我們作出更明智的決策來提高到達率和影響力，但不會取代編輯判斷；《衛(wèi)報》認為Ophan是為生產(chǎn)者服務(wù)的，而不是凌駕其上的指揮棒。其受眾參與和拓展團隊的工作是幫助編輯部成員更好地使用Ophan“探索”新聞使用的數(shù)據(jù)，而不是把新聞生產(chǎn)簡化為數(shù)據(jù)運算。[11]事實上，讓 “數(shù)據(jù)為我所用”，而非“我為數(shù)據(jù)所用”也是當前主流新聞媒體的普遍共識。將數(shù)據(jù)分析引入新聞生產(chǎn)過程中，遠比將其用于經(jīng)營決策中要更加復雜，其中關(guān)涉到了如何判斷新聞價值，以及如何處理它和新聞編輯室既有文化傳統(tǒng)之間的矛盾等諸多重要問題，特別需要平衡好工具理性和價值理性之間的關(guān)系，促進兩者的有機融合。

大數(shù)據(jù)時代，“數(shù)據(jù)”在新聞生產(chǎn)中正扮演著越來越重要的角色。它不僅成為新聞報道的一部分，也是數(shù)據(jù)新聞的主體，甚至整個新聞生產(chǎn)的過程也變得越來越數(shù)據(jù)化。在這種趨勢下，新聞媒體要真正提升自身的數(shù)據(jù)能力，并非只是引入或是開發(fā)一套受眾數(shù)據(jù)分析工具那么簡單，而是要建立起行之有效的編輯型數(shù)據(jù)分析機制。高效先進的數(shù)據(jù)分析工具固然重要，但專業(yè)的數(shù)據(jù)團隊和數(shù)據(jù)文化同樣重要，離開了它們的支持，編輯、記者是很難正確理解和衡量數(shù)據(jù)的價值并充分利用這些分析工具的。同時，編輯型數(shù)據(jù)分析機制的建構(gòu)也是一個全員參與的工作，需要有頂層設(shè)計，具體的實施部門，更有賴于全體記者、編輯的積極參與。尤其是記者、編輯是其中的重要部分，如果他們沒有參與其中，新聞編輯室就難以真正將受眾的需求與新聞報道結(jié)合起來，將會喪失競爭優(yōu)勢和意義。

（作者是北京交通大學語言與傳播學院副教授、博士，日本早稻田大學訪問學者。本研究成果獲得國家留學基金委訪問學者項目資助）

【注釋】

[1]王辰瑤,劉娉婷. 《衛(wèi)報》“開放新聞”實踐的個案研究[J]. 編輯之友,2016,(07):17-23.

[2] Cherubini F, Nielsen R K. Editorial analytics: How news media are developing and using audience data and metrics[J]. 2016.

[3] The FT is launching a new analytics tool to make metrics more understandable for its newsroom, http://www.niemanlab. org/2016/03/the-ft-is-launching-a-new-analytics-tool-tomake-metrics-more-understandable-for-its-newsroom/

[4] New analytics tool Kaleida shows what stories and topics matter to readers, https://www.journalism.co.uk/news/ new-analytics-tool-kaleida-provides-an-overview-of-howaudiences-interact-with-news-stories/s2/a699499/

[5] A new dashboard from the FT helps editors identify and promote relevant archive stories, https://www.journalism.co.uk/ news/a-new-dashboard-from-the-ft-helps-editors-identifyand-promote-relevant-archive-stories/s2/a699851/

[6]How are your stories performing on distributed media? Facebook and Chartbeat are teaming up to solve the mystery,

http://www.poynter.org/2017/how-are-your-storiesperforming-on-distributed-media-facebook-and-chartbeatare-teaming-up-to-solve-the-mystery/452925/

[7] Cherubini F, Nielsen R K. Editorial analytics: How news media are developing and using audience data and metrics[J]. 2016.

[8] Petre C. The traffic factories: Metrics at chartbeat, gawker media, and the New York Times[J]. Tow Center for Digital Journalism, 2015.

[9] 數(shù)字化背景下的報業(yè)轉(zhuǎn)型——紐約時報創(chuàng)新報告(2014)[J]. 新聞與寫作,2014,(06):26-31.

[10] Cherubini F, Nielsen R K. Editorial analytics: How news media are developing and using audience data and metrics[J]. 2016.

[11] How The Guardian’s Ophan analytics engine helps editors make better decisions, https://thenextweb.com/ media/2015/04/13/how-the-guardians-ophan-analyticsengine-helps-editors-make-better-decisions/#.tnw_dU4ZjNpL

編 輯 梁益暢 46266875@qq.com