谈一谈兴趣推荐新闻与编辑推荐新闻,在未来新闻资讯产品发展中,你认为哪种类型更受用?

在目前的互闻网大环境中,很多工具化产品开始做新闻内容的聚合,像豌豆荚、UC浏览器、QQ浏览器、WIFI万能钥匙、墨迹天气、百度搜索等,而越多越多的资讯阅读类产品也越来越丰富,懂球帝、MONO、知乎日报
阅读全文
请先 登录 后评论
  • 0 关注
  • 0 收藏 90 浏览
  • 略问用户 提出于 2021-01-16 09:53:12

30 个回答

xxxxxa

拆分下,其实是两个问题:

1、在互联网新闻资讯里面 基于机器学习的推荐系统 PK 编辑推荐

2、像豌豆荚、UC浏览器、QQ浏览器、WIFI万能钥匙、墨迹天气、百度搜索等都来凑热闹,同时懂球帝、MONO、知乎日报、好奇心日报以及各路自媒体人/机构又在涌出,老牌的新闻客户端(腾讯、搜狐、网易等)被前后夹击,怎么破这个局?


第一个问题:

开篇明义:编辑推荐新闻提升品牌质感,机器推荐获取流量/人均访问,两手都要抓,两手都要硬。之所以会有 机器pk编辑 这样的争论,背景只有一个:今日头条把这条路走出来了,大伙一想咱也不缺啥,咱也试试。


1 机器推荐的代表:头条

1)背景/市场

头条火的原因,是抓住国内移动设备出货量飙升的最后一波,移动设备最后一波的核心是40岁及以上用户群体,多分布在3~4线城市。这部分用户群体的特性描述:空闲时间较多,拿着手机发微信很费力,小说/电视剧/棋牌游戏需要儿子/女儿帮他提前下好才会看,特爱关心国家大事和养生(是不是想起了远在家乡的老爹/妈.....)。


Clipboard Image.png


今日头条抓住了两点:1、空闲时间较多 2、特爱关心国家大事和养生(有获取新闻资讯的需求)。

2)产品/运营/推广

a、头条本身没有采编团队,纯技术公司,所以如果要做新闻资讯行业,只有通过机器抓取/过滤/分类/聚合的方法获得大量的内容,才能避免产品上线后内容太少这种尴尬局面。这也照成另外一个非常难解的结:版权及收益纠纷,可以参考百度视频(注意:难解不是不解,头条也在慢慢洗白)

b、头条的推广,通过大量的外部渠道换量,装机及广告推广,迅速的刷一遍当前市场。


2 编辑推荐的代表:腾讯新闻客户端

1)背景/市场

不扯多了,可以理解为从PC到移动过度的自然产物

2)产品/运营/推广

产品运营的行业解决方案:采编-cms-app,不过在cms层面目前也会打各类标签

推广:都是集团军作战,你拉我一把,我拉你一把


3 结论

1、创业者想复制今日头条的成功太难,第一:市场就在那,一个存量市场,用户属性也照成用户再次迁移成本太高,参考:1点咨询(背靠小米)。第二:市场越加正规化,内容生产者对版权越来越重视,一个的新平台很难前期很难能搞的定(如果是TABLE当我没说....)

2、越来越多的新闻客户端重视机器推荐,这是好事,让更多的内容更有效率的展示出来(人均访问次数)。

3、编辑推荐的背后隐藏的是专业的内容生产,只有专业的内容生产才能获得深度阅读(人均访问时长)

4、一款新闻资讯APP,要想生命力持久,必然会朝着上述两个目标努力(人均访问次数、人均访问时长),要不然玩不转,人均访问次数带来的是规模,人均访问深度带来的是沉淀,没有规模没有沉淀,后续的可持续变现会是问题。


第二个问题:

工具类APP

工具类app先分两类:一是有入口分发能力的,有一定的收入规模,比如uc,豌豆荚,qq浏览器等。二是没有入口分发能力的,收入规模很小,比如wifi万能钥匙,墨迹天气等。百度是个搅局的,它啥都干,而且干的还挺早,很早就有了。


1、第一类工具类app想突破

第一类工具类app,因为有入口分发能力,所以都还活的不错,比如浏览器做网址导航,游戏联运,应用市场做下载激活,收入规模都还可以。但是访问时长太短,用户的目的性太强,照成粘性不够,这就导致收入规模一直会上不去。

上面的访问时长在浏览器环境下:是指用户打开浏览器功能区的时间,不是使用时间


2、第二类工具app想活下来

第二类工具类app苦了一辈子(猎豹另说),要用户规模有,然而要收入并没有。自从看了猎豹的清理大师亮瞎眼的收入之后,各类工具app也是不甘落后。学猎豹直接插入广告,国内用户不太买账,投诉这个投诉那个(参考墨迹天气最开始植入淘宝),搜狗的三级火箭似乎有搞头,刚好今日头条的成功给了启发,于是搜狗的输入法-浏览器-搜索,变成了现在大家看到的app-新闻-硬广。


各路自媒体

各路自媒体人/机构不断涌出,比如罗胖,知乎,原因有这么两个:

1、在信息大爆炸的时代,我们越来越需要深度阅读来提高我们的视野、思路和专业度。对新闻资讯来讲,深度新闻的回复率最高,最有质量,同时出产一篇这样的文章也最为不容易。

2、传统的纸媒越来越难过了,主编大量离职触网。

题外话:好文难求,多谢各路自媒体大侠提供(网络小说也是一种自媒体,商业价值也高)


结论:

新闻资讯行业竞争到的这个阶段,比视频行业有过而不急,说红热化都不过分。视频企业好歹有牌照准入政策,版权又查的严,大战活下来的几家都有各自特色,坐下来开始谈未来。新闻资讯,还早的很呐....(国家什么时候把版权这块好好整整再说)


题外话:

成人的世界里没有对与错,只有利和弊。

请先 登录 后评论
xxxxxa

个人认为兴趣推荐和编辑推荐就是今日头条和逻辑思维的关系。

今日头条是聚合所有内容,用机器算法向用户推荐了用户感性去的内容,对用户的价值来讲降低了用户的阅读成本,不用在庞大的内容中挑选自己认为感兴趣的内容。

编辑推荐或者是自媒体是指他们所筛选或者创作的内容找准了他们的目标用户或者兴趣用户,用户同样是基于兴趣选择了他们,但是他们推荐的内容相对单一,只针对某一个领域,对用户提供的价值同样在于降低了阅读成本,但是编辑推荐或者自媒体相对于机器语言的兴趣推荐具有一个优势就是第一他推荐的内容更加专业,更加符合用户兴趣,第二在于它具有粉丝效应,用户的粘性更强。

仔细分析两者的差异化会发现在专业的领域比如医学,智能硬件等领域编辑推荐或者自媒体来做影响力更大,因为需要有人创造优质内容,同时需要有人对内容做强把关,满足用户一定程度学习的需求。

在新闻,资讯类领域机器语言的兴趣推荐更加适用,大家阅读这些内容基于兴趣,同时也是轻阅读,用来消遣时间,获得谈资,对内容推荐的精准度要求不是很高,如果用人力来做这个事情成本会很高,而且兴趣属于众口难调,机器来做更加适合。

请先 登录 后评论
xxxxxa

目前,在互联网行业,不仅仅是新闻资讯产品,还有更多社区产品也在尝试兴趣推荐或者说个性化推荐,这样的一个现象,不得不说“兴趣推荐”是一个趋势。

以用户的“兴趣”为核心贯穿阅读始终,对于用户阅读体验来说,不仅免去了从大量内容中费力筛选自己感兴趣的内容,而且相比编辑推荐的千人一面,用户自身的阅读体验会更畅快。对于产品本身而言,兴趣推荐更容易让用户沉浸在产品中,延长阅读时长。在推崇个性化的今天,看似“兴趣推荐”似乎更受欢迎。

现在很多资讯类产品,以满足用户碎片化阅读需求为出发点。但其实用户阅读本身这件事,不仅仅是消磨时间这个需求,而其中还包含通过阅读获取所需价值的需求。所以用户所需的不仅仅是热点娱乐新闻,不仅仅是以自身的兴趣为出发点的内容,还需要有利于自我提升的内容,而这些内容就需要通过编辑推荐的方式,不断的去展现在用户面前,从而让用户依然可以接收到更多可能感兴趣的内容。

所以,在未来的发展趋势中,我认为兴趣推荐会越来越多的被实现,但编辑推荐也不应该消失,未来二者应该是相辅相成的状态。

请先 登录 后评论
xxxxxa

我认为兴趣推荐新闻会更受欢迎。

原因1:编辑推荐容易带个人情感色彩,每个编辑的内容喜好不一样,无法统一、标准化。又或者容易带入平台内容调性,比如网易看重有态度,重在引发读者思考、宣泄;搜狐,娱乐基因会更强一些;而新浪新闻实时性最高,传播、解读做的很到位。

原因2:兴趣推荐是基于用户标签、历史浏览行为做的数据分析、个性化推荐,好的内容能得到大量曝光、不好的内容快速淘汰。于是,用户对产品的好感度、停留时间会大大提升。

原因3:基于兴趣推荐做的信息流广告,对用户体验的伤害相对小很多,广告价值得充分挖掘。有钱赚,这个事情才能玩得赚。

请先 登录 后评论
xxxxxa

题主是在问两个问题,我就分开回答吧。


第一个问题是,在未来兴趣推荐新闻与编辑推荐新闻哪种会更受用户欢迎?

图片来源自网络


先说第一个问题,一般来讲,兴趣推荐新闻是指那些推荐引擎产品基于数据挖掘为用户推荐有价值的、个性化的新闻资讯,有代表性的是今日头条、一点资讯等;而编辑推荐新闻是题主的语境中指那些传统新闻门户网站经过编辑筛选的新闻资讯类产品,比如腾讯新闻、新浪新闻、搜狐新闻等等。


编辑推荐相比于兴趣推荐具有两点明显优势:一、更专业、更垂直,有深度,耐看;二、很容易产生粉丝效应、用户粘性强。兴趣推荐的最大优势在于省去了用户从海量的相关资讯中搜索感兴趣题材的成本,然而虽说很多人都说完全改变了阅读新闻的模式,但是这些数据是怎么来的?还是通过编辑推荐新闻,用户点击频率来完成算法的,也就是说还是以编辑推荐新闻为基础。


另外,新闻是有时效性的,用户看新闻都是看具有时效性的内容,兴趣推荐还很难做到。当然有用户就会说政治新闻我不关心啊,我只关心科技和八卦,这些是可以通过分类来进行筛选的。传统门户新闻是不是可以做一个标签,在新闻后添加标签筛选来让用户完成兴趣为导向的阅读,也就可以做到精准的推送。


基于以上几点,个人认为编辑推荐才是王道。


第二个问题是,很多工具化产品开始做新闻内容的聚合,资讯阅读类产品也越来越丰富新闻资讯行业的竞争已经白热化了吗?


新闻资讯类市场当然很火热。


图片来自猎豹全球智库


我们要先了解工具系app为何也要进入新闻聚合内容市场?答案很简单,开设新战场+为自身工具导流。


现如今的互联网战场就是争取流量的战场,谁能拥有流量谁就是赢家。而新闻资讯作为人的基本生活需求是很适合做流量的地方。


举个有意思的栗子,猎豹曾做过一个叫“今日快报”的产品,浏览器、清理大师、安全卫士,都帮这个产品进行导流。不过,这个产品已经停推,原因是:工具类产品本身就开始带内容了,似乎没有这个必要再拼命消耗资源和资金,去推一个内容产品。现在在猎豹系工具产品产品里,都会看到内容,内容已经整合进入工具中。


做内容才是吸引流量的重点,所以就不难理解工具系纷纷加入战局的原因了,而且内容类产品也会更加发力,无论是想突破自身还是迫于生存压力。所以,新闻资讯行业的竞争已现白热趋势而且还会更热。


新闻资讯类产品如何才能从激烈竞争胜出?无外乎两点内容创新与技术创新,虽然说得容易,但能不能做下来就看八仙过海各显神通了。

请先 登录 后评论
xxxxxa

唔,看了几个回答,先梳理一下问题所涉及的定义:

兴趣推荐新闻:是指传统新闻门户型产品的做法,通常根据用户日常的访问数据,由后端算法推荐给用户其爱看的内容,比如今日头条。算作,机选。

编辑推荐新闻:指由自媒体,或通过对内容进行重组而构建的对某个领域的内容聚合,领域是什么由编辑决定,用户对自己能够看到什么具体内容是不确定的,只是有个大体的方向,比如罗辑思维。这算做,人选。

哪种类型更能够吸引用户?

我觉得是二者更加合理化的统一吧

兴趣推荐类的内容能够让用户从不同侧面去获取更广阔的信息,关联到的是 内容范围;

编辑推荐类的内容能够引导用户更深入的挖掘某个方面的信息,关联到的是 内容深度;

可以用兴趣推荐类内容作为用户获取信息的范围界定,然后以编辑推荐类的内容做兴趣推荐内容的沉淀。

而如若编辑推荐类的内容做大,则又会回到之前,以兴趣推荐类的内容在自己的细分领域做更深入的拓展(就像飞碟说这个自媒体团队,也将自己的内容渐化为“飞碟冷知识”、“飞碟说人物”等不同的类别),所以这种UGCPGC互相促进,合理化的统一,则更受人欢迎。

请先 登录 后评论
xxxxxa

个人觉得影响这两种推荐方式的核心是内容质量和内容区分度。新闻资讯内容的价值在于时效性,很容易过期,从这个角度讲,机器推荐的优势在于事实型内容的快速推荐,编辑推荐的优势在于观点型内容的补充推荐。

请先 登录 后评论
xxxxxa

 兴趣推荐新闻基于用户浏览的内容,采用算法向用户推荐“认为”用户感兴趣的内容,就像大家都认为可以作为代表的头条,但是首先,现在各类新闻APP都有顶部分类条目,用户对某一类的新闻感兴趣完全可以直接点击分类或者直接把自己喜欢的分类放在首位,其次,兴趣推荐是基于用户浏览数据进行推荐,貌似给用户推荐的新闻都有理有据,但是仔细想一想也并不是如此,因为一篇新闻涉及到的点面都很多,机器比较难分辨出用户到底是基于那一个点才浏览此篇文章。

就拿魏则西事件来说,大学生浏览可能更多关注的是对这名大学生的同情,IT人员更多关注的是百度这个公司,医护人员关注的更多是这次事件对医疗卫生行业带来的影响,而还有一部分投资者更多关注的是互联网医疗行业的方向,然而更多的可能只是旁观者,看个笑话,兴趣推荐就很难精准的区分这些用户,最后很可能就会给用户带来困扰。

就像我当初《太子妃》热播时对张天爱比较感兴趣,看了几篇关于张天爱的文章,现在只要是有张天爱的新闻啥的,都会给我推荐,殊不知,现在热播《欢乐颂》我对刘涛更感兴趣了。与其推荐的不是用户真正感兴趣的还不如不推荐,不过不否认头条做的还是很不错。最后,

基于兴趣推荐的内容形式比较单一,很难想象推荐里面都是一些科技新闻或者八卦新闻,这跟我直接去分类里面或者直接下载一个相关类型的APP 有什么区别?在信息爆炸的年代,只获得单一的信息类型,貌似也很悲哀哦。。

编辑推荐新闻更受欢迎,首先它是基于人工操作的,这是最智能的,进行推荐时它不仅 基于用户数据,更能与当时所处的环境啊做一些匹配,最后可能推荐的内容不是用户最想要的,但肯定不是用户排斥的,其次,就是信息内容的多元化,编辑推荐新闻不会像兴趣推荐那样只基于数据所认为的点进行推荐,它更多的是经过思考、权衡和比较来进行推荐(虽然比较耗费人工),所以推荐给用户的内容不是单一的。

       但是编辑推荐新闻也需要数据的辅助和支持,最好是能把这两点合理利用结合起来,占主体位置的还是编辑推荐,数据只是作为一种工具。

请先 登录 后评论
xxxxxa

能用新闻类别举例,今日头条代表着智能推荐,而传统门户如新浪、网易等则代表着PGC模式。

依据自己的理解:


(1)智能推荐新闻

  • 优点:精准获取所需内容

依据浏览兴趣的智能推荐能极大的满足用户短时间碎片化的尝鲜需求,能让用户第一时间get到自己关注领域的最新资讯或符合自己阅读口味的内容。

  • 缺点:获得的内容范围狭隘

在于人工智能的发展程度仍然不够高,技术偏冷,容易造成推荐内容的范围狭隘性,阻塞了读者对于多元化内容的接触。经常有产品会让用户预先设定自己感兴趣的内容分类,试图更智能的推荐用户所感兴趣的内容。其实,用户在真正接触到内容之前,弄不好自己也不确定自己到底对何类资讯感兴趣,先入为主的选择往往会缩小用户的内容接触面,长时间下来容易对细分领域的内容失去新鲜感

  • 举例:以今日头条为例

经常使用的用户会慢慢发现,今日头条虽然能向用户有效推送用户感兴趣的内容,不过时而久之则会让用户感到内容偏硬。假如用户点击了一条关于健身的新闻,则之后使用中会发现今日头条的推荐内容内包含有大量健身相关的内容。仔细想想,用户真的需要每天换一个健身视频吗?



(2)编辑推荐新闻

  • 优点:内容质量高

以传统门户为代表的编辑推荐方式,则采取按资讯类别进行内容划分的模式,且内容经过编辑筛选,确保了内容的质量,能满足用户获取好内容的需求。

  • 缺点:阅读负担大,同质化严重

不过缺点则在于用户阅读负担大,面对多类别的资讯难以使用碎片化的阅读时间去逐一涉猎;另一方面,此类别的资讯内容门槛高,因此原创性的优质内容在各大平台的同质化现象严重,转发内容现象较多。


(3)解决思路

  • 关键:UGC+PGC

如何将以今日头条的UGC+推荐模式,与PGC筛选模式进行有效结合,是一个比较关键的转换节点

腾讯新闻这种传统媒介也开始提供内容推荐功能,正表明了传统门户也开始引入兴趣推荐机制来增强用户的活跃度。不可否认,UGC模式能够产生大量的原创性内容,满足绝大多数阅读者的需求,有效的激活长尾。正如张一鸣所说,今日头条的用户可以包含年轻人,也可以是中年人,甚至老年人。而PGC模式则能保证内容的质量,使内容具有公众信服力。

个人认为,要想真正的激活阅读市场的长尾,提升新闻类别产品的活跃度,兴趣推荐模式是一个不可丢弃手段。只不过用户兴趣的模拟算法在建模时所考虑的模型因子可能还有待调整。能真正的结合用户的浏览兴趣、不同类别新闻浏览用户在浏览兴趣上的相关性以及新闻类别的色彩相关性等因子进行用户兴趣推荐。

通过算法与海量用户数据,真正的建立起用户在阅读内容上的联系性来刻画出用户画像。随着用户间关系网络的不断扩大,新闻的内容范围也会不断扩大,这样一方面既能避免内容的局限性,另一方面根据新闻的用户阅读数量及评论数量也能更为精确的筛选出好的内容,能代替PGC模式,减少人为的内容筛选负担,真正的挖掘出UGC中的好内容,正如PMCAFF中的内容依据浏览及评论热度在首页不断变化一样。

请先 登录 后评论
xxxxxa

个人最佩服的就是能够把简单问题复杂化orz,先说结论:

未来是属于兴趣推荐新闻的,但这并不意味着编辑推荐新闻的衰亡

首先,大体分个类:

  • 1 兴趣推荐新闻--->基于机器学习的新闻推荐
  • 2 编辑推荐新闻---> 基于专家系统的新闻推荐
  • 3 SNS推荐新闻----> 基于社交关系的新闻推荐

三者之间的关系是:1>3>2,因为:

  • SNS中有中心化和非中心化两种形式。其中以微博大V和公众号为代表的中心化形式,就是专家系统的新闻推荐;
  • 机器学习推荐新闻中,会考虑SNS关系即协同过滤(如新浪微博的智能推荐、微信朋友圈的内容过滤),也会依赖编辑来进行质量把关。(从搜索的query分布来看,真的是越低俗越受欢迎。),可信来源(编辑)的内容也会获得更高的权重。

以facebook为例:

5 月 13 日消息,据外电报道,全球最大的社交网站 Facebook 日前公布的文件显示,该公司在判断流行新闻话题时高度依赖人工判断和该公司的规则,而不是先前声称的通过智能算法自动完成。

除了算法层,从产品层的角度来看:信息流里露出和强化PGC来源,其实就是在给用户强化编辑推荐的印象。

请先 登录 后评论