新聞聚合語境下新聞生產、分發渠道與內容消費的變革*

□文│陳昌鳳　王宇琦

（作者單位：清華大學新聞與傳播學院）

新聞聚合類媒體（news aggregator）是一種新型的新聞內容供應商，通常是指抓取互聯網上各種渠道的信息，并以特定方式進行整合的網站或新聞客戶端。[1]傳統意義上的聚合類媒體，包括了谷歌、雅虎等門戶網站，這些網站以特定主題分類整合新聞內容，并為用戶提供指向特定新聞內容的鏈接。[2]

近年來，以Buzzfeed（嗡嗡喂，美國新聞網站）、今日頭條為代表的技術類公司依靠技術手段追蹤、分析用戶行為，憑借用戶真正感興趣的內容吸引讀者，贏得了較為廣泛的用戶群體和市場份額。據介紹，截至2016年9月底，今日頭條的用戶數量已經增長至5.8億，日活用戶超過6300萬，單用戶日均使用時長超過76分鐘。[3]這意味著用戶注意力正在日益被聚合類媒體所吸引，聚合類媒體得以更深刻地改變用戶接受新聞的習慣，并對傳媒業格局產生了顛覆性的影響。

本文在分析新聞聚合類媒體一般運作邏輯的基礎上，探討聚合類媒體對傳媒生態的影響。具體而言，新聞聚合類媒體的發展，對傳統的新聞生產流程形成了怎樣的沖擊？又如何改變了信息分發方式和渠道？對于受眾而言，聚合類媒體又如何影響了他們的信息接受方式？

一、新聞聚合類媒體的運作邏輯

創立于2006年的社交新聞聚合網站Buzzfeed，某種程度上可以被認為是聚合類媒體的早期代表。Buzzfeed最初是一家研究網絡熱門話題的實驗室，它通過技術手段采集用戶行為數據，分析用戶感興趣的話題，并推送相關信息。

通過基于社交網絡的用戶行為分析，Buzzfeed發現，輕松、詼諧、娛樂化的內容更容易獲得轉發和傳播。因此，該平臺上所呈現的信息，有很大一部分聚焦于這類娛樂化信息。Buzzfeed平臺甚為流行的“清單體”文章，如《77項看似荒誕不經但實則千真萬確的事實》，以及各種小測試，都為平臺積聚了大量人氣，其中一些內容甚至在互聯網上獲得了病毒式的傳播速度和影響力。2015年年初，由Buzzfeed發布的一則關于裙子是藍黑條紋還是白金條紋的帖子，不僅在該平臺上廣為傳播，甚至擴散到全球各地，也成為當時微博、微信等社交平臺上的熱點新聞。

除了對基于社交網絡平臺的用戶行為進行信息生產，Buzzfeed的內容分發也與各大社交平臺進行了廣泛的連結。對于每條內容，用戶都可以將其分享到自己的各個社交媒體賬號上，包括推特、臉書、谷歌+等，借助這些成熟社交平臺，Buzzfeed得以進一步拓展自身的影響力。

如今日頭條、一點資訊等國內的新聞聚合類媒體則更為注重信息與受眾個人興趣的匹配性和定制化。

今日頭條借助機器推薦引擎技術，在分析用戶興趣和行為的基礎上，向用戶推送個性化信息，核心是基于內容的算法推薦。在用戶第一次使用今日頭條時，該產品會對用戶的社交媒體賬號進行分析，對用戶身份、職業、興趣愛好等進行定位與標簽化，并推送與之相符的信息。此后，用戶每次的閱讀行為都會被精準記錄，這不僅包括用戶感興趣的新聞主題，也包括下滑、上拉、停留時間、開機啟動次數等具體的行為細節，因為這些細節同樣體現出用戶對產品所推送的內容以及對產品本身的態度和興趣。

一點資訊的運作邏輯與今日頭條較為相似，都是通過機器算法匹配用戶興趣，進行個性化的推送。但一點資訊的推薦機制中，增加了用戶搜索訂閱的機制，即用戶可以主動搜索自己感興趣的內容并進行訂閱。而今日頭條的推薦，則更多的是通過機器算法對用戶興趣和行為的自動分析，進行用戶興趣識別和信息推送。

一般情況下，用戶使用次數越多，機器推薦引擎對用戶閱讀興趣的分析就會越準確。因此，以今日頭條、一點資訊為代表的這類依托機器算法的新聞聚合類媒體正在憑借其對用戶興趣的準確匹配以及個性化的精確信息分發，迅速在信息分發類媒介產品市場中占據一席之地，并獲得遠高于傳統新聞客戶端的用戶規模和用戶日均使用時長。

總體而言，聚合類媒體的核心運作邏輯，在于通過信息抓取技術從互聯網上廣泛采集信息，再借助社交關系或算法匹配，向用戶推送符合其興趣或價值偏好的特定信息。借助算法推薦機制，用戶得以從互聯網的海量信息中高效地獲得相對有價值的信息，或得以與有共同興趣愛好的其他用戶進行信息分享。如今，這種算法推薦機制已經成為互聯網信息流動的核心邏輯，機器算法在一定程度上決定著信息的意義、信息的流向，以及受眾對信息感知的方式。[4]目前較常用的算法包括基于內容的推薦——根據用戶過去的瀏覽記錄推薦用戶沒有接觸過的推薦項，基于用戶的協同過濾算法——基于一個“跟你喜好相似的人喜歡的東西你也很有可能喜歡”的假設，基于關聯規則的推薦——挖掘發現不同內容在售賣過程中的相關性而進行的推薦。

二、“過濾泡”與“回音室”：新聞聚合革新內容消費方式

某種程度上，媒介技術的進步可能使受眾更容易和與自己興趣相投的人產生連結，進而加劇社會價值觀念和意識形態的分化。[5]新聞聚合類媒體的興起，正在創造一種全新的受眾信息接收生態。在傳統媒體語境下，媒體機構面向大眾生產新聞，并依賴人工編輯的方式進行分發，沒有明確的細分受眾或者個性化定制的意識，因而受眾會接受到相似的信息，客觀上也有利于受眾信息接收的平衡。而新聞聚合類媒體更多地借助機器算法，以用戶各自的社交關系或信息偏好為標準進行信息篩選，這有可能使受眾陷入“過濾泡”與“回音室”的信息困境中。

注重技術性匹配的聚合類媒體，正在逐漸通過機器學習和推薦引擎技術，向用戶推薦與其興趣和價值觀高度匹配的更為個人化的信息，這在一定程度上會使用戶陷入由“過濾泡”制造的虛擬信息圖景中。臉書于2006年推出的“新聞推送”（News Feed）即帶來了相關的批評，甚至有前工作人員披露他們推送時傾向于壓制保守傾向的信息、推送自由傾向的信息。[6]

“過濾泡”（filter bubbles）的概念，由以利·巴里瑟（Eli Pariser）于2011年在其著作《過濾泡：互聯網沒有告訴你的事》（Filter Bubble: What the Internet is Hiding from You）中提出。他指出，以機器推薦算法為代表的互聯網技術，正在使得用戶獲取的信息日益個人化；用戶接收到的信息，往往會受到其檢索歷史、閱讀記錄等的影響，并受到機器算法的操控。[7]

從這個意義上而言，用戶接收到的信息，都是由互聯網平臺上的機器算法用“過濾泡”過濾之后的產物。過濾泡的存在，會帶來兩個主要的問題。

第一，經由“過濾泡”過濾的信息，帶上了用戶個人的價值偏好和閱讀習慣，因而會導致一定程度的信息偏向，造成用戶接受信息的失衡狀態。隨著用戶使用機器推薦類新聞聚合產品次數的增多，用戶將只能接收到與自己的閱讀興趣相符的信息，而與其興趣不相符的其他重要信息，比如重大新聞、突發事件等，或是與其價值觀念和思維方式不完全契合的信息，就很可能被新聞聚合產品自動排除在外。久而久之，用戶雖然在新聞聚合類平臺上獲得了符合自己喜好的信息，但是喪失了獲得更全面信息的可能性。這可能會進一步加劇受眾的信息失衡狀態，并造成受眾的價值偏向。皮尤研究中心2014年10月發布的一項研究報告，在檢視了美國人的新聞消費習慣后發現：美國人消費什么新聞通常與其政治傾向性相關。[8]

第二，由于算法本身的運行方式以及固有弊端，經由機器算法推薦的信息有可能并不是用戶真正需要的信息。在以機器推薦引擎為內核的平臺上，用戶點擊的任何一條新聞都會被記錄下來，并經過算法的處理，被認為是用戶感興趣的主題。但是，在一些情況下，用戶可能是在特定情境下需要獲得相應信息（比如外出旅行時獲取目的地的相關資訊），或是出于個人興趣之外的其他因素而進行信息的獲取（比如出于社交需求而進行的轉發行為）；而基于機器算法的新聞聚合產品就會將這些信息同樣記錄為該用戶感興趣的信息，并一直向用戶推送相同主題的內容。在這種情況下，用戶真正感興趣的信息，有可能就會被“過濾泡”排除在外，或者在其獲得的信息中處于相對不顯要的位置而有可能被忽略。

而隨著注重社交性的聚合網站的興起，用戶可以接收并分享與他們的興趣與立場相契合的信息。這類依托社交鏈傳播的關系型分發，則使得用戶容易沉浸在自己和朋友組成的“回音室”（echo chamber）中，很大程度上只能接觸到符合自身傾向和興趣的信息。社交性新聞聚合網站助推了“回音室”的形成。這意味著用戶很大程度上只能和與自己觀點相似的用戶進行對話，與他們組成相對緊密的圈子；而與自身價值觀相悖的信息，則由社交網站的信息分享機制排除在外。這可能會進一步鞏固用戶自身現有的立場，使得擁有不同觀點和價值觀的人群進一步分化，進而加劇社會價值觀的分化和對立。

在Buzzfeed平臺上，擁有相似政治傾向的人會組成相對緊密的在線社交關系，并通過在線互動，分享與自身政治傾向一致的信息。比如，民主黨的支持者會逐漸處于由彼此組成的回音室中，閱讀并分享與他們的政治立場相符的政治新聞。

社交媒體還有許多相似的情形。研究表明，在2016年美國總統大選中，臉書上支持特朗普的用戶僅有1/4的“好友”是支持希拉里的，而支持希拉里的用戶中也只有不到1/5的“好友”是支持特朗普的。臉書的專家還專門研究了意識形態多元化的問題并在2015年的《科學》雜志上發表了研究報告。[9]

三、新聞聚合創新新聞生產方式

在新聞聚合類媒體的運作中，機器算法的加入顛覆了傳統的新聞采編流程。在傳統媒體機構中，由記者進行新聞采訪、寫作，并經由人工編輯的方式完成編輯和出版流程。但機器算法的運用，則使得新聞聚合類媒體呈現出與傳統媒體截然不同的新聞生產邏輯。新聞聚合類媒體是一個信息分發平臺，其大部分內容都是借助網絡爬蟲技術，從各大媒體、網站等內容生產方那里進行信息抓取，并通過機器算法進行信息的分發。

在新聞生產過程中，新聞聚合類媒體用機器算法代替了人工編輯。在今日頭條團隊中，編輯的人數非常少，卻有約1500名工程師，其中大約800名工程師專攻算法設計和資料分析。[10]機器算法以及爬蟲技術對新聞生產流程的介入，不僅大大提高了新聞生產和分發的效率，也增強了新聞生產活動的針對性——針對不同的受眾喜好，進行個性化的信息分發。對于傳統媒體的人工編輯和規模化分發，無疑具有顛覆性的影響。對于傳統媒體而言，按部就班的新聞采編流程和人工編輯，不僅在新聞生產的效率上落后于新聞聚合類媒體，使得傳統媒體機構陷入更深層次的內容生產焦慮，也更凸顯出傳統的新聞生產中受眾意識的匱乏。

新聞聚合類媒體對傳統媒體新聞生產帶來的另一個影響則是用戶生產內容（UGC）的加入。聚合類媒體的內容生產，同時納入了用戶內容生產（UGC）與傳統媒體所生產的新聞內容。以今日頭條的“頭條號”為例，它在2015年推出“千人萬元計劃”，宣布至少保證1000個優質頭條號每月從平臺上獲得不低于1萬元的收入。2016年9月，今日頭條又提出，將在未來一年內至少投入10億元人民幣補貼頭條號上的原創短視頻創作者，助力短視頻創作爆發。

在聚合類媒體平臺上，原創自媒體內容正在逐漸獲得與傳統媒體所生產的內容相匹敵的受眾數量。在今日頭條日均5.1億次閱讀數中，頭條號貢獻了3.7億的閱讀數，占比73%；而從數量上看，頭條號每天的文章數量卻僅占文章總數的30%～40%。[11]這意味著聚合類媒體上的用戶原創內容，正在呈現出相比于傳統媒體所生產的內容更為強大的用戶吸引力。聚合類媒體平臺在內容生產過程中對用戶生產內容的納入，正在進一步擠壓傳統媒體的生存空間。

四、新聞聚合創新分發渠道

對于傳統媒體而言，新聞聚合類媒體帶來的最大挑戰在于對內容分發渠道近乎壟斷式的占據。在傳統媒體時代，新聞生產和分發都由媒體機構完成；媒體記者和編輯完成新聞采編，再通過媒體自身的發行或播出渠道完成內容的分發。但新聞聚合類媒體的盛行，使得由傳統媒體機構生產的內容在聚合類平臺上進行了二次分發。

在內容分發過程中，無論是基于社交關系還是基于機器算法的新聞聚合類媒體，都通過其獨有的分發邏輯，得以占據更大的市場份額以及更多的用戶使用時間。以Buzzfeed為代表的社交性聚合類媒體，通過基于社交平臺的用戶行為分析與傳播機制設計，為用戶提供與社交關系緊密相連的信息獲取與資訊分享，增強了用戶黏性，并得以借助社交網絡進一步拓展用戶數量。以今日頭條為代表的機器算法類新聞聚合平臺，憑借精準契合受眾閱讀興趣和閱讀習慣的個性化推送，實現了信息分發與受眾興趣的高匹配，因而無論是從用戶總數還是從用戶日均使用時長方面，都遠超普通的新聞客戶端。

新聞聚合類媒體對內容分發渠道的占據，也同時意味著這類媒體平臺對廣告商的吸引力增強。以今日頭條為例，在成立4年內，今日頭條積累了4.8億用戶，成為僅次于騰訊的第二大新聞資訊供應商，2016年的年收入約為10億美元，其中，廣告是其最主要的盈利來源。

聚合類媒體通過社交化、精準化的內容分發，壟斷內容分發渠道，并同時吸引廣告商。這意味著由傳統媒體生產的內容，只有少量在傳統媒體自有的渠道中完成分發，而絕大部分內容則流向了這些聚合類媒體平臺。

新聞聚合類媒體的發展，正在快速革新現有的媒介生態，并對傳統媒體的新聞生產和內容分發產生顛覆性的影響。在新聞生產流程中，新聞聚合類媒體通過納入UGC內容，使傳統媒體與自媒體之間的用戶爭奪更為激烈；機器算法和爬蟲技術的運用，則極大提升了內容生產和分發的效率，使依賴人工編輯的傳統媒體面臨更大的內容生產焦慮。在內容分發過程中，新聞聚合類媒體通過基于社交關系或機器算法的分發機制，得以獲得更多的用戶份額，并對傳統媒體的內容分發渠道形成了近乎壟斷式的占據，傳統媒體因而面臨受眾流失和廣告份額減少的困境。此外，新聞聚合類媒體正在使受眾的新聞消費方式趨向個人化，并可能使受眾陷入由信息偏向導致的“過濾泡”和“回音室”的困境中。與此同時技術“矯正器”開始出現，比如《華爾街日報》推出的“藍推送、紅推送”（Blue Feed,Red Feed），《衛報》的“吹破你的泡泡”（Burst Your Bubble）、健形矯姿器（Lumo lift）的新應用，都在嘗試讓信息消費更加平衡。