廣場 媒體觀察

回應馬傑偉、朗澄:大數據是讀者的悄悄話,聆聽方有活路

回應讀者的疑問、時代的病症,是媒體人的職責所在,拒絕聆聽讀者聲音,由着自己的喜好來判斷大小事務,並非專業所為。


互聯網出現後,媒體面臨的最大變化是,信息、內容供給大於需求,媒體業走入買方市場。這不是說媒體人要開始「服務」讀者了,但在市場中,主導角色確實早已對換,編輯記者和讀者之間的關係改變,這是不是令驕傲的媒體人感到不適? 攝:Saeed Khan /AFP/GettyImages
互聯網出現後,媒體面臨的最大變化是,信息、內容供給大於需求,媒體業走入買方市場。這不是說媒體人要開始「服務」讀者了,但在市場中,主導角色確實早已對換,編輯記者和讀者之間的關係改變,這是不是令驕傲的媒體人感到不適? 攝:Saeed Khan /AFP/GettyImages

《馬傑偉、朗澄:大數據不是點金石,PV 大跌並非世界末日》一文的重點之一,是勸諫媒體人,不要一味追逐 PV(Page View),要堅守新聞的專業和價值。

可是,PV 的壓力根本在社交媒體編輯、growth team 或者市場部頭上,就現在的媒體環境來看,編輯室的問題恰恰是太排斥社交媒體、流量、數據,甚至躲在「專業和價值」的背後圍爐取暖。

PV 大跌不重要?

傳媒,特別是新聞行業,講求影響力、閱讀量,PV 大跌意味着很多人不看你的文章了,當然是一個非常需要解決的問題,就算未到「世界末日」,也是「末日將臨」了。

文中舉《華爾街日報》的例子試圖證明 PV 下跌不是世界末日,並不恰當。

第一,《華爾街日報》的 PV 下跌並非內容直接導致,而是它商業計劃的一部分。《華爾街日報》的戰略是退出“First Click Free” 項目,讓更多讀者無法免費閱讀文章而不得不付費訂閱;代價是 PV 下跌。這種 PV 下跌,無法與自然下跌相較。

自然下跌意味着,1)讀者開始減少閱讀你的內容;2)你的讀者數量開始減少。這兩點劍指內容,除非特殊情況,很難歸咎到產品和技術層面。如果不檢討近期的選題、文章質量、標題和引言等等內容要素,趁早找到肇因,那麼 PV 還會繼續下跌。

《華爾街日報》讓渡 PV 換取訂閱的做法,並不能說明 PV 下降不嚴重。第二,他們對數據分析的重視,以及去年開始盈利的亮眼財務報表,反而說明了「大數據」可以「點石成金」。

在2013年買下《華爾街日報》的 Jeff Bezos,月前明確表示:「我永遠不會讓任何人成爲數據的奴隸,但我也不認同那些不在乎數據的人(I would never let anybody or ask anybody to be slavish to data, but I’d also be super skeptical of people who aren’t curious about the data.)」說明他認同數據和善用數據的重要性,而且,《華爾街日報》推出的 CMS 管理系統 Arc Publishing,內嵌數據分析工具,也顯示了該報在數據分析上的革新。

數據分析是一種積極嘗試

朗澄在文章提到,「(數據)是一把雙刃劍,理解越多,可因應客戶或老闆等目標觀眾而『調教』發揮功效,盲目跟從數字走勢,只會作繭自縛。」

馬傑偉說,「掌握網絡數據,不必相信十足十,追數留三分,點擊率之外,還有專業判斷與價值追求。」

華語新聞界內,其實有多少媒體人,能說清楚新聞編輯室裏的數據是什麼,怎麼分析,怎麼借用?當大家都在探索階段的時候,提出「PV 高低也沒什麼,你要相信自己的專業判斷」,也略嫌太過保守。

不妨來理清一下基本邏輯。

在 Google、Facebook 沒提供數據分析前,媒體人百分之百靠自己的判斷做新聞,有解決在社交媒體時代,媒體影響力下降、閱讀量下降、難以生存的困局嗎?沒有。 那在兩家公司提供數據分析以後,媒體人不作改變,繼續靠自己的判斷,能解決問題嗎?之前做不到的事情,現在又要如何做得到?

主動學習數據分析,適應變化,能解決如今媒體所面對的困局嗎?不一定能,也不一定不能。

綜上,數據分析不一定能解決媒體的問題,但是不做嘗試,就一定解決不了任何問題。試了,才有可能活;不試,就會死。

怎麼試呢?數據分析是一門手藝活。首先,文中提到商業和媒體機構對「大數據」過到執迷。仔細瞭解「大數據」背後蘊含的意思,精髓是用數據研究用戶的行爲,就像以前報紙做的 Focus Group,讀者調研等。其次,做數據分析的,多看不同指標,通過複合指標來研究單一問題;通過假設、實驗、反思的循環方法進行論證,都是基本功。

目前,已經有很多量化指標可以看到讀者與內容之間的關係。有 page views,也有 unique views、average session time、duration、bounce rate、referral path...…與工程師合作,還能建立 events,觀察讀者在每個網頁上的動作,他們會否點擊「延伸閱讀」或「熱門頭條」,他們會否評論或分享,他們在文章的什麼位置離開......

這些顆粒度極細的指標,搭配在一起,就是以讀者行爲為據所呈現的滿意度、興趣和疑惑等。這種量化分析,再結合定性訪談,可以說極大提高了媒體在內容、產品、技術、運營各方面決策的科學性。

該文提到靠「操作」數據報告而博得客戶歡心的案例,其實並不能作為證僞數據分析的論據。

傳統媒體人不能排斥改變

「專業和價值」在一定程度上只是擋箭牌,擋掉媒體人適應新變化、不得不做出改變時的心理痛苦。

以前,也直至現在,媒體主管們以他們的多年經驗為基礎,判斷該「做什麼新聞」和「怎麼做新聞」,當然,這絕非他們的任性決定。

這種模式的問題在於,除非媒體人能準確判斷目標讀者的疑問、資訊需求、感興趣或不感興趣的議題......即「痛點」,否則,讀者看不到文章和自己的關係,很容易選擇不點開文章。

其實,讀者選擇不看這篇文章,與文章本身的深度、故事精彩程度、文筆流暢都不矛盾,但表明某一些內容要素出了問題,可能是標題引言,可能是題圖,或者切入方向,或者選題方向等等。

現實困境往往是,媒體人被「大數據」、「PV」、「UV」這樣的指標嚇壞了,抗拒思考指標的內涵,包括讀者行為對你「說」的話。回應讀者的疑問、時代的病症,是媒體人的職責所在,拒絕聆聽讀者聲音,由着自己的喜好來判斷大小事務,並非專業所為。

假設一篇文章 UV 低,停留時間在平均水平,跳出率也在平均水平。這就是讀者用行爲向你投訴,你的內容有問題。數據分析幫助你找到可能的肇因,最終,還是由媒體人自己來解決問題,數據分析早已退場。

互聯網出現後,媒體面臨的最大變化是,信息、內容供給大於需求,媒體業走入買方市場。這不是說媒體人要開始「服務」讀者了,但在市場中,主導角色確實早已對換,編輯記者和讀者之間的關係改變,這是不是令習慣從上而下的傳統媒體人感到不適?

其實媒體人和讀者之間本來就是共生關係。讀者厭惡內容農場,期待自己感興趣的、高質量、專業的內容;媒體人也希望生產讀者感興趣的、高質量、專業的內容。既然大家目標一致,不必排斥去相互傾聽、相互瞭解。考慮到讀者人數過多,難以逐個面對面溝通,才有了「大數據」,試圖以數據分析的方法搭起媒體人與讀者的溝通橋梁。

我明白但凡工具,就是雙刃劍。媒體行業內,也不乏對數據走火入魔的人。然而,現在華語新聞界在數據分析及應用上,還是猶有不及,現階段還得是多鼓勵嘗試為宜。

媒體觀察