刘文燕

【摘要】借助新技术，让传播手段迭代升级是大势所趋。将智能算法引入广播音频产品分发过程，精准听众定位，提升用户体验，将使广播实现个性化、专业化生产，实现精准化传播。本文分析认为，广播媒体应当利用算法推荐技术对节目用户进行精准画像，使其可以方便寻找到感兴趣的产品，并及时为新用户进行建模。同时，也要及时认识到算法推荐的不足，堵住其漏洞带来的可能风险。

【关键词】广播音频 算法推荐 用户标签 个性化

【中图分类号】G221 【文献标识码】A

信息的传播与交流对于人类的生产生活非常重要，正如威尔伯·施拉姆（ Wilbur Schramm）和威廉·波特（ William E.Porter）所言：“传播是一条溪流，贯穿人类历史，使我们的感官渠道不断延伸。”①人们对于传播消费的需求在多大程度上可以得到满足，取决于传播技术的进步。当步人人工智能和大数据时代，我们发现，传播技术再次开始重塑传播样态，过去的一对多传播正在向一对一的个性化传播转变。信息的接收者已经成为用户，传统的受众正在从模糊群体变成一个个画像鲜明的个体，个性化、专业化传播是传媒业或者说是广播业的大势所趋。

一、从一对多到一对一——信息传受模式正在发生改变

在新媒体技术蓬勃发展的今天，移动化、可视化、碎片化传播成为主流，分享成为常态，人们越来越习惯于这样的信息传播方式，而这又进一步促使传播模式的改造与重塑。原有的大众传播所依赖的技术与信息获取渠道正在被打破，用户在丰富多彩的生活中发现的新鲜内容可以方便及时地通过网络进行传播，并借助分享扩大其传播范围。原来的信息传播遵循“采集一编辑一发布一接收”这样的线性链条，而现在的信息传播则是网状结构，用户的选择性和自主性极大增强，对传者的反馈影响力也在增大。在这个多维空间中，传受关系不再泾渭分明，原来的受者更倾向于主動选择接受自己喜欢的信息。

1991年，尼古拉·尼葛洛庞帝（ NicholasNegroponte）这样预测：“数字化会改变大众传播媒介的本质。”②当信息的获取不再有阻碍，海量信息随之而来，用户需要花更少的时间获得自己更感兴趣的内容。信息已经从“寻找”过渡到“获取”，过去的“人找信息”已经发展到如今的“信息找人”。这就要求广播媒体深入研究用户，以个性化、精准性的信息服务，使其内容准确抵达目标受众。

二、智能算法推荐为精准传播提供解决方案

（一）算法推荐在寻找和发掘用户上更精准

所谓算法推荐，就是“通过追踪用户的网络行为，运用一些数学算法，计算出个人特征、环境特征等相关信息，并推测出用户可能喜欢的内容”。③算法推荐需要考虑三个维度的变量，一是产品内容特征：题材类别、表现载体、话题讨论热度;二是用户特征：包括用户的兴趣、职业、年龄、性别以及使用的终端类型等;三是环境特征：时间、地点、场景（如工作、通勤、旅途等）。不同的维度变量组合会形成不同的信息接收偏好，以此推测出用户可能喜欢的内容并进行推送。

算法推荐的出现，让信息分发成为可能。

（二）算法推荐高效对接用户需求和信息

第一，算法推荐对信息内容、用户特征进行数据化的分析和运算，并且通过社交推荐机制进行二次过滤，优化推荐结果，用户的个性化信息选择特征经由技术的演算变得真实可感，具有客观数据的支撑，帮助媒体从过去的模糊化传播转变到现在的精确化传播。信息接收者的个性特征被描述得越准确，算法推荐在内容分发上的作用就会越突出。

第二，尼古拉·尼葛洛庞帝提出“我的日报”概念，认为每一个人选择接受新闻都有其独特性：“我们可以从另外一个角度来看一份报纸，那就是把它看成是一个新闻的界面。数字化的生活将改变新闻选择的经济模式，你不必再阅读别人心目中的新闻和别人认为值得占据版面的消息，你的兴趣将会扮演更重要的角色。过去因为顾虑大众需求而弃之不用、排不上版面的文章，现在能够为你所用。”④这个描述让我们看到了一个清晰的事实：用户由于个人经历、背景不同，工作、生活方式各异，对信息的选择就会有着明显的偏好。过去在大众传播时代，信息的分发是由传播者来完成的，信息的重要性排序由传播者来决定，受众相对被动;在信息个性化定制时代，原来被传播者忽略的、在传统观念上认为欠缺重要性的信息可能被重新发掘出价值，因为这些信息也有其相应的接受者，信息的重要性排序将由接受者来决定。

第三，从信息传播的理论和实践来看，当用户接收到推荐内容后，会有相应的反应行为，如阅读、收听或收看等。行为发生的时长以及是否有评论、转发、举报、屏蔽等，都是了解用户信息的有效数据，这可以帮助媒体获知用户在社会认知上的特点，并以此为基础对其进行有针对性的舆论引导。算法推荐改变了以往“我说你听”的信息传播样态，而是根据用户的喜好推送他所感兴趣的内容，用户的观点、兴趣直接影响了传播的行为。当然，这样的传播.用户的接受程度也更高。

三、广播媒体如何利用算法推荐技术

广播媒体一直在力图寻找自己的目标听众，也进行过多种尝试和努力，但其长期以来依然没有改变“我说你听”的单向传播印象，这也使得广播的听众一直在大量流失。现在，算法技术可以让广播媒体精准地找到用户，并以用户感兴趣的内容粘连用户，将听众资源转化为用户资源，实现精准定位和编辑增值。可以说，算法技术比人类编辑更懂用户，可以在很大程度上帮助广播实现“千人千面”的传播目的。

（一）产品方：对节目用户进行精准画像

将广播节目打造成产品是运用算法推荐的基础。传统广播节目按照时间顺序播出，听众在收听时没有选择的余地。当听众喜好的内容与编辑的思路产生较大分歧时，听众很难有耐心听完整档节目，导致广播节目里的精彩内容往往会被忽略。运用算法推荐技术，可以对节目用户进行精准画像，分析得出用户的兴趣所在，精准提供所需内容。这样的结果让供给与需求完全配套，生产出的产品可以完全对标用户的兴趣点。

（二）用户方：可以方便寻找兴趣产品

广播节目一个很大的缺陷是没有标签，不像报纸文章有鲜明的标识内容的题目甚至摘要，但是互联网广播解决了这个问题。在互联网音频聚合平台上，可以用算法推荐技术把产品种类分门别类进行组合，打上“标签”，方便用户寻找。比如：某位用户希望听到和宋代大文豪苏东坡有关的内容，便可在平台中直接输入文字或语音指示“苏东坡”，系统会快速自动定位所有标有“苏东坡”的音频内容。

运用算法推荐技术，通过用户的订阅量、收听时长、收听频次等影响因子对不同音频产品进行排名，为用户进行热点内容推荐。

（三）新用户：建议及时画像和建模

互联网音频聚合平台面对的用户是大量而多样的，对于首次使用平台的新用户来说，他们过往的收听喜好是空白的，无法对其好恶进行画像和建模。最简单和直接的办法就是，平台初次打开的时候增加一个用户设置页面，清新用户标出自己的喜好，明确希望推荐和不想看到的内容，给用户更多的表达机会，这样可以在更大程度上加强算法推荐的可控制性和可预测性。

当然，算法推荐为个性化的音频产品推荐提供了技术支持，但是，纯粹的算法推荐却不能把控音频产品的质量。广播媒体理应考虑整体的长远发展，不能单纯追求用户打开的频次和收听的时长，更应注意内容产品的消费升级，将优质的内容通过精准化推荐，进一步凝聚用户，提升影响力、传播力。在整个算法推荐过程中，广播编播人员要与算法工程师保持紧密沟通，将舆论导向、社会效应等价值理念融人算法设计中，坚持社会效益第一的原则。

四、应用算法推荐要堵住算法漏洞

算法推荐为广播媒体带来新机会的同时，我们也要及时认识到算法推荐的不足，及时堵住其漏洞带来的可能风险。

我们强调“政治家办报”，就是强调媒体人的责任意识，尤其是政治意识。没有正确的政治意识，是不可能做好新闻工作的。算法推荐的基点是纯粹的技术，如果单纯以收听流量为衡量标准的话，广播节目编辑的“把关人”角色就会缺失，就会给舆论导向带来重大的风险。另外，机器的计算结果尽管数据完美，但因其始终根据人们既定的线路进行内容推送，持续窄化，就会导致“信息茧房”的形成，造成收听人与外部世界的隔离。

算法时代，技术固然可以更加“聪明”，但人的作用在媒体中仍处于核心地位;算法推荐可以作为辅助工具，但不可以替代媒体的社会责任意识。对于媒体来说，坚持主流价值观引导仍是核心。

在广播音频产品分发中，应把内容的积极意义和知识性考虑进去，尤其要给予事关公共利益的重要新闻以更大的流量，把具有全局性、前瞻性和长远意义的内容贴上重点标签，制作成有声有色、有吸引力和感染力的产品，匹配给最广大的用户。算法推荐系统需要不断扩容和完善。例如：可加入用户对音频内容实用性、可欣赏性等满意度调查，持续让用户对算法推荐机制进行评分，根据用户的需求及时进行调整。正如北京师范大学教授喻国明所说：“智能算法迭代需要遵从两个基本原则，第一，算法信息分发控制变量的升级，应该有边界的调适到社会适应且合法性获得的方向。第二，要解决所谓对于需求本身的不断逼近、详尽与全面把握过程。在此基础上，智能算法推荐才能更好地为人赋权，为人类服务。”⑤

五、结语

认真研究受众的收听需求和收听习惯，运用最新的智能算法推荐，找到精准的用户，实现有效的传播，让个性化、专业化的广播产品在互联网平台找到真正喜爱和需要它们的人。应鼓励听众参与广播产品生产，进行理性的交流互动，运用听众喜欢的方式，使舆论引导更为科学高效。总之，在社会主义核心价值观的引领下，以算法推荐为技术基础，严格“把关人”职责，广播在精准化传播上定会开辟出一条崭新的道路。

注释

①[美]威尔伯·施拉姆、[美]威廉·波特：《传播学概论》（第二版），何道宽译，中国人民大学出版社，2010年版，第19页。

②④[美]尼古拉·尼葛洛庞帝：《数字化生存》，胡泳、范海燕译，电子工业出版社，2017年2月版，第79页、150页。

③陈昌凤、石泽：《技术与价值的理性交往：人工智能时代信息传播——算法推荐中工具理性与价值理性的思考》，《新闻战线》，2017年第9期（上）。

⑤李碧莹：《喻国明：智能算法推荐具有反信息茧房的本质》，新京报网，http：//www.bjnews.com.cn/feature/2020/0 111 4/674249.html.

（本文編辑：李静）