智慧軟體演算法不是萬能的，有些事情還是人來做比較合適。最近國外的Snapchat、Instagram、Twitter和YouTube，國內一些平台等都開始靠人手動挑選編輯內容，推薦給用戶。
關於智慧算法和人工編輯這個話題，美國社交媒體資深編輯Kurt Wagner談了他的看法。
世界上的所有社交網路每天都幾乎滿溢各種豐富的內容。這是一個好消息，但壞消息是這些社交公司需要從這裡篩選出特定的內容傳給受眾。
那他們的永恆的解決方案是什麼？人力。
以往社交媒體會透過智慧算法進行篩選推薦內容：在一定時段關注的用戶達到一個峰值的時候，這篇文章的重點訊息將成為一個熱門關鍵字，被列為上升最快的指示值。這個指數將成為下一個時段熱門訊息的來源參考值。
有了這個參考值，系統又會開始新一輪的數據篩選和推薦，透過數據和演算法，門戶在訊息的推薦的準確度和更新速度上產生了明顯的優勢。
同時像Facebook這類平台，它們擁有龐大的數據量和用戶群，不同的用戶感興趣的內容也不相同，這也表示他們無法聘請足夠多的人來完成這項工作，只有依賴於演算法。
但利用演算法推薦的弊端也很明顯，譬如推送的內容質量參差不齊，抑或推送時機不對。
Snapchat、Instagram、Twitter和YouTube以往透過軟體分析用戶瀏覽內容，收集相關標題從而編輯推薦內容，不過近日他們都宣布增加新的管理功能：依靠人類從已經篩選過的大規模內容中選擇最好的內容進行推薦。
他們招募許多專業的媒體人士，利用他們對新聞的敏感性來判斷新聞是否具有價值，是否是用戶希望看到的，以確保用戶可以準備的獲取有價值的訊息。
為什麼現在會開始依靠人工推薦內容？
過去當有大事發生時，Facebook 和Twitter 就像Oscars 或是Super Bowl 一樣會吸引用戶的注意，在行銷上來講這是一個增加自己曝光率的機會。不過現在Snapchat、Instagram 和YouTube 正在爭奪用戶的關注度，每個公司都打賭用戶會去自己的平台，自己要為用戶提供最佳的閱讀體驗，這就是依靠人工而不再單純依靠算法的原因。
智慧演算法只是夠利用標籤篩選文章，但卻不能區分新聞的重要性和即時性，也不了解事件的背景訊息。就像Snapchat 在過去因為利用演算法推送而造成過失傷害了一家公司的信譽，它還曾向廣告商推送了錯誤的訊息。
雖然利用演算法推送的時效性和個性化都很強，但卻無法滿足即時性和用戶的需求。人工可以根據社會環境和自然環境的變化立即決定當下用戶最關注的新聞內容，至少從這點來看，就優於演算法。
從演算法曲線來講，它可以關注龐大用戶群體的個性化閱讀習慣，但它不能自主地進行策劃，只是單純地依靠以往的閱讀習慣進行推薦。
國內的很多社交和網路媒體平台也會採用算法推薦功能，在你的社交帳號與網路媒體平台帳號相關聯之後，它會根據你平時關注的內容進行新聞閱讀推薦，但它很難全面掌握用戶的喜好，並且推薦的文章質量良莠不齊。
中國一些新聞聚合類平台也是依賴於演算法，根據你關注的內容分類進行推薦，再透過你閱讀的文章模式包括閱讀停留時間等一系列訊息數據進行計算，最終達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，利用人工和演算法結合的模式，在演算法篩選出的大量相關文章中，人工挑取最有價值和時效性比較強的文章推送給用戶。
在現代的傳播體制下，需要結合以往的演算法推薦和人工編輯的價值，才能把最好的內容推薦給用戶；從行銷角度來講，結合了用戶搜尋行為所觸及的全網數據，利用演算法分析出用戶的興趣，人工滿足用戶的需求。
本文由36 氪授權轉載
