品玩

科技创新者的每日必读

打开APP
关闭
个性化推荐

你是否烦透了千篇一律的“个性化阅读”?那就看看 Yahoo News Digest吧

lawrencew

发布于 2014年1月18日

所谓个性化阅读,理想的状态是基于用户的兴趣、社交关系、浏览历史等纬度做数据挖掘,更精准地为用户推荐所需,且随着时间的增加,范围愈来愈精准。国外的著名案例是Flipboard与Zite。

国内近这两年来,逐渐出现了亚马逊技术人员背景的无觅、新浪背景,后转的鲜果、以话题形式模仿Zite的指阅,需求几乎是确定的,然而以上产品 ,没有一家真正做到。

无觅是以上几款国内个性化阅读产品中,唯一是通过算法做阅读推荐的,但实际效果从几个改版以来的变化,不过是在改善用户体验的层面,如初版加入的本不应在阅读产品中的社交功能,并更新了手势操作,但从实际用户的反馈来看,个性化阅读还很远。

网络上评论个性化阅读做不下去的原因,大致归结为以下几点:

用户的阅读兴趣广泛,它不同于电影、音乐及图书,后者已有相对固定的标签划分,而按类别推荐并不精确,基于社会化服务导入的信息、关键词频率挖掘用户的兴趣,同样不能达到预期效果。若要依靠RSS源来划分内容,这已经是Google Reader做了十年,且与个性化智能推荐无关的事情。

其二是基于社会化关系的推荐,通过基于熟人关系间彼此的共性来推荐内容,这是几上是阅读社交的范畴。但这些客户端仅通过社交媒体数据以及用户自身筛选分类冷启动形式,辅助以阅读内容所提取的关键字以及内容热度进行推荐,实际的效果只能用糟糕两字形容,日常性新闻还能应付,个性化阅读便谈不上了。

(上图为各门户新闻客户端)

记得字节社创始人李如一曾经说过,“个性化阅读是跟个性无关的事情。越有个性的人,越是主动型阅读者,也就越不需要程序算法来帮助他来推荐该读什么。”

基于以上,基本可以判定个性化阅读是一个目标不明确,且难以实现的伪命题。因此随后出现的拇指阅读,走的便是创始人根据个人喜好选取作者列表的内容输出形式,虽然从一定程度上,反映了作者对个性化阅读的不信任,但这种自媒体性质的订阅模式,诞生伊始便被局限在小众产品的范围内,它依然不是一款具备广泛适应性的产品。

直到最近我看到了基于Summly开发的Yahoo News Digest客户端,我认为合理的新闻内容展现形式终于出现了。

这款一度还给外界嘲笑Yahoo被17岁天才少年欺骗,收购了一款没有自身独立技术,仅靠许可延续生命的产品,一年的时间,做出了Yahoo News Digest这款惊艳的新闻客户端。打开Digest的主界面,可以清晰的看到它的组织形式:

通过颜色区分话题类别,分别有全球、艺术、政治、科学、经济、娱乐等10个圆点,每日仅在每日早上八点及晚六点做内容的更新,产品背景还会根据时间场景自动切换白天与黑夜的阅读环境。

产品最具特色的地方是它的内容聚合形式,除了Yahoo每日从各大媒体精选的10条新闻,主页面上还会附上文章内容提示的标签,比如含有维基百科注解、视频、图像、股票等内容,社交媒体捕捉的评论信息,以及文章背后涉及的知识背景,可以说,Yahoo News Digest是一款揉合了传统媒体评论性生产方式与及时性新闻媒体补充性报道的产品,每一篇文章背后都是新闻的汇总,而节制的数量,使得信息的传播方式显得更为直接。

“鉴于雅虎以内容门户而闻名,我们将有机会从根本上改变内容消费方式。”这是Summly CEO Nick D'Aloisio在公司被Yahoo收购之际对媒体的话, 看来,他并没有食言。新闻质量高、加载速度快、内容分类清晰都不是这款客户端最核心的地方,在文章内容的排版上,可以清晰地看出产品的思路:

高亮的部分是文章的核心内容,客户端标以颜色并作了位置调整,对于时间充足的读者,产品附上详细的视频;若你要对新闻内容做进一步的挖掘,那么附带的维基百科磁条、相关文章的推荐、以及社交媒体上对事件反馈的声音,都逐一呈现。Yahoo的意思是,用户相信我们多年作为门户筛选内容能力的前提下,在同一版面满足你不同所需,不用再选择各种标签来定位了,反正你们自己选也不准。

先不论新闻质量的高低,Yahoo News Digest至少为国内标榜自己是个性化阅读的新闻客户端树立了一套很好的内容消费方式,Yahoo的算法使用在了为用户提供经过提炼的新闻内容,而不是简单的各类新闻链接堆砌与打包,其多维度的展现方式,丰富内容的同时有效地降低了阅读成本;在人工智能化远未到商业化的今天,这款客户端是否彻底改变了内容的消费方式还不得而知,但作为一款阅读器什么是能做什么是该做的,Digest为同行树立了一套很好的标准。

PS:目前Yahoo News Digest还没有中文版,想体验的读者也需要北美版的Apple ID方能下载。

下载品玩App,比99.9%的人更先知道关于「个性化推荐」的新故事

下载品玩App

比99.9%的人更先知道关于「个性化推荐」的新故事

iOS版本 Android版本
立即下载
lawrencew

Everything we know is based upon a shaky foundation which we call hypothesis.

取消 发布
AI阅读助手
以下有两点提示,请您注意:
1. 请避免输入违反公序良俗、不安全或敏感的内容,模型可能无法回答不合适的问题。
2. 我们致力于提供高质量的大模型问答服务,但无法保证回答的准确性、时效性、全面性或适用性。在使用本服务时,您需要自行判断并承担风险;
感谢您的理解与配合
该功能目前正处于内测阶段,尚未对所有用户开放。如果您想快人一步体验产品的新功能,欢迎点击下面的按钮申请参与内测 申请内测