你的生活早已被「机器算法」接管，它必将成为媒体世界的新规则

尽管AlphaGo的历史性胜利已经被科技界热议，但是机器学习和计算机算法对于人类社会的意义，仍然未被充分地认知。

如果在围棋这样的复杂策略游戏中，都可以凭借海量数据和运算速率实现对人类的完胜，那么就像机器曾经在绝大多数体力活动领域所做的那样，他们也能够在大多数脑力活动领域替代人类的作用。

事实上，这正在发生。

你的生活早已被算法“接管”

当你用滴滴打车的时候，有没有想过，系统是如何决定把你的订单交给哪个司机的？

你应该能猜到，这不是随机的。

想像一下，某位司机刚刚完成了一笔从海淀到通州的订单，接着，他拒接了一笔从朝阳到昌平的订单。那么，接下来，假设系统还继续向司机推荐向西的订单，他会怎么做？司机不断拒绝系统指派的订单，则无论司机还是乘客都会遭到损失。如果这样的交易失败不断发生，那么乘客和司机可能都会选择卸载这个APP。

在推送乘客的订单给司机之前，滴滴需要先预测不同司机对订单感兴趣的程度。根据每个司机过往的接单和行驶数据，滴滴会为司机建立起下面这一系列“特征”档案：

丨来源：《滴滴打车CTO张博：生死战役，技术和时间赛跑》、媒体报道

这些数据有些是对用户或司机透明的数据，有些则只用于计算机的算法计算。没错，其中每一项，都有可能对一次线下用车交易的体验造成影响。

想像一下每一笔滴滴交易的背后有多么庞大的数据计算量。而这样的交易，仅仅在滴滴这个平台上，每天就要产生1000万次以上。除了滴滴，我们还有微信、淘宝、微博、今日头条……

人们对“提交请求-系统处理-获得信息/产品/服务”的过程早已非常习惯，这也意味着计算机算法在逐渐“接管”我们生活的方方面面。“算法”正在成为这个世界里一种全新的“自然规则”。

算法从根本上解决信息匹配的问题

算法解决的核心问题是，如何识别、筛选和分发信息。而计算机算法兴起的背后，是人类行为产生的可存储、可运算的数据量的不断增大。

每一分钟，

• 滴滴：有2,720个乘客成功提交订单；
• Google：产生3,210,600个搜索请求；

• 淘宝：产生48,000次交易；
• 今日头条：555,556篇各种内容被阅读。

（以上数据来源创业邦杂志等，部分经简单计算推得）

在海量的信息前，人类唯一的选择就是寻求计算机算法的帮助，通过算法完成信息/产品/服务与用户需求之间的匹配。对于滴滴，是乘客与司机之间的匹配；对于Google，是搜索请求与搜索结果之间的匹配；对于淘宝，是消费者和商品之间的匹配；对于今日头条，是一篇内容与读者的匹配。

“媒体”帮助人类获取信息，而计算机算法的信息匹配能力又如此出色，两者按说会在第一时间“一拍即合”。然而，一个违背直觉的现象是：算法很早就开始被用于网络上商品、服务、广告信息与用户的匹配，但真正应用于媒体行业，却是最近 2、3 年才出现的趋势。

丨媒体发展的三个时代，来源：网络检索、媒体报道

和滴滴实现乘客端与司机端匹配的逻辑类似，今日头条及类似产品是通过对内容端（文本、图片、视频信息的提取、识别和分类）以及用户端（点击、收藏、分享、阅读时长等行为数据）的数据进行采集、运算和分析，实现信息和信息需求者的匹配。

到目前，计算机参与内容生产环节（写稿机器人之类的项目）的可能性还非常小。但是在内容筛选和分发环节上，计算机算法的应用正在日臻成熟，今日头条在用户市场上的表现已经证明了这一点。

媒体的“算法化”潮流

在今日头条的影响下，2014年以来，传统三大新闻门户纷纷对自己的传统新闻客户端进行改造，目前已经全部在不同程度上完成了对新闻客户端的“算法改造”。

丨来源：媒体报道

除了传统新闻客户端的算法改造之外，正如我的这两篇文章《取消140字限制，微博会变成“社交版的今日头条”吗？》、《“朋友圈”的这些小动作，正在为微信公众号的红利期续命》所说，微博、微信这样以社交特性为主的典型“社交媒体”目前也纷纷加快了引入计算机算法的脚步。

相比精英时代的媒体，社交媒体让参与内容生产和分发的人类劳动力总数急剧扩大，并且能依托“社交关系”这种纽带实现一定程度的精准匹配。但是，随着用户社交关系的不断增加，不可避免地遭遇了以下问题：

• 朋友数量暴涨，基于社交关系的推荐质量骤降，带来了大量信息冗余。刷屏、谣言、营销过度等问题丛生。
• 内容来源猛增，信息过滤效率降低，也就是你很难再在朋友圈看到有价值的内容。
• 从内容创作的角度来看，新生内容生产者获取流量成本剧增。大号垄断了用户绝大部分的注意力。

无论是新媒体，还是传统媒体的转型，最终目的就是获取更多的流量。因此，在微信公众平台逐渐进入存量竞争时期的过程中，内容团队先后也研发出一整套提升流量的技术手段：

• 账号互推
• 各类有奖关注活动
• 关注后回复关键词获取各类资源等
• 广点通投放
• 朋友圈广告投放
• 线下二维码吸粉
• 刷阅读/点赞量（通过第三方榜单提升曝光）

这些技术手段，不仅是草根自媒体获得流量的重要手法，对于知名原创自媒体也有重要价值。例如知名视频自媒体“一条”及其旗下新创美食自媒体“美食台”就曾多次使用广点通投放、朋友圈广告投放等方式加速流量增长。“内容为王”在媒体行业内，一直是一句被高估的口号。

丨不同媒体时代的“流量优化技术”

你可以不会造车，但不能不会开车

算法化潮流下，流量入口的格局也许会在几年内再次“洗牌”，如何面向“算法”机制采取相应的流量优化，可能会是媒体行业的新议题。

在美国已经出现了这样的先驱。纽约一家名叫NowThis的短视频公司，就通过一个名叫Switchboard的定制的内容管理系统（CMS）收集和分析来自YouTube、Facebook、Instagram、Vine等主流视频平台上的分发数据。并结合不同平台的不同排序规则（不同平台内容偏好不同，如 YouTube 偏好泛娱乐类信息）优化内容和发布方式。通过这种做法，这个40人规模的团队最近4个月取得了全平台视频流量4亿次的惊人成绩。

国内的内容创业团队目前也有很大一部分开始布局多平台的内容生产，无论是在微博、微信、头条号平台上，还是搜狐自媒体、新浪自媒体都注册了账号。但是，与NowThis不同的是，他们基本上还停留在复制相同的内容在不同渠道端重复发布，比如很多人并不是特别了解头条号等平台背后的算法机制，还停留在单纯依靠内容和标题获得流量的原始做法。

相比传统媒体时代，获取流量的物理成本一直在降低，新增的成本则是——媒体人可能需要花更多时间和人力去理解算法，理解内容在算法平台上的排序机制。对于最近这几年持续进行转型的媒体人群体来说，这是一项新的挑战。

计算机算法尽管对于信息的匹配和分发有着重要作用，但却最先被使用于电商、O2O、搜索引擎等领域，直到最近几年，才出现算法+媒体的新潮流。这种奇特的现象，与传统媒体人多出身于文化精英背景，缺乏工程师的思维不无关系。“今日头条”的创始人张一鸣被普遍看作是一名工程师，而非媒体人。

算法这一分发机制和媒体行业既有的分发机制在原理上完全不同，对于缺乏数学和计算机科学背景的媒体人而言，这恐怕是一个行业历史上最艰巨的挑战。

不过，对于媒体人来说，不妨换个角度想：当我们开始学习开车的时候，并不总是需要从卡尔本兹的引擎原理开始——绝大多数人是从摸方向盘开始的。

文丨Dancer Peng