紐約時報的新主編，是個名為Blossom的機器人，它能夠預測文章在社群上會造成怎樣的影響，而後建議編輯哪些應該推廣，據開發人員統計，Blossom 所挑出文章的平均點擊數，比未經他推薦的多出 380%。

 

紐約時報每天發表超過300篇的文章，但在這之中，只有50篇的文章會被推廣至其粉絲專頁上，而在假日的話，則更少。

 

你可能會很好奇，在這些文章中，到底是怎麼決定哪些該被推廣？哪些又比較吸引人呢？在更早之前，紐約時報利用龐大的人力去分析數據，但這之中卻常常發現，推廣的效果不是這麼精準和有效果，而且這種方式，相當費力。

 

但現在，紐約時報數位部門的數據科學團隊打造了一個全新的機器人主編─Blossom，這個機器人可以解開上述所有的問題，這個聰明的機器人透過海量數據，包含文章內容與性質、FB貼文互動率等等，進而預測每篇文章在社群上的效果，之後再將這結果建議編輯應該推廣哪一篇，除此之外，Blossom還可以針對已發出的文章，顯示目前文章已經在哪裡出現，而表現又如何。

 

(圖說：Blossom 的運作方式就像是聊天機器人，內置到內部團隊的 Slack 軟體上。編輯只需要在對話框輸入需求，像是「Blossom Facebook?」，Blossom 就會提供他建議。)

 

這個想法其實是團隊的Alexandra MacCallum在去年秋天想出來的，那時她被任命為總編輯助理，負責推廣文章，和我們所有人一樣，她的團隊每天要思考如何在文章氾濫的網路世界裡將文章推廣出去，而這個任務真得非常艱鉅。於是她想到了一個方法，為什麼沒有人可以做出一個預測點擊數的機器人呢？

 

拜紐約時報強大的分析團隊所賜，Alexandra的願望實現了，根據該團隊的首席科學家 Chris Wiggins表示，Blossom 是運用了先進的科學技術，後端結合了 Java、Python及 MapReduce 幾種程式語言寫成，前端則是平易的聊天介面，因此很容易熟悉。

 

Wiggins儘管沒有說得更仔細，但我們可以合理推測：Blossom首先知道社群網路上的即時熱門關鍵情況，再根據文章中熱詞出現的頻率判斷這篇文章有沒有可能引起更多點擊。當然Blossom的算法肯定更精細。

 

根據該開發團隊測試的結果統計，獲 Blossom 推薦的文章，在 Facebook 上的平均點擊數，超過未推薦的 120%。而Blossom 所挑出文章的平均點擊數，更比未經他推薦的多出 380%。

 

「在資訊爆炸的時代，我們的編輯每天都有非常忙碌的工作，」Russel表示，「我們要打造的工具是能來用來幫助這些編輯的，我們必須仔細觀察他們工作的樣子，並打造一個幫手協助他們、成為她們的工作團隊，而不是試圖改變他們的行為去適應這個工具，於是Blossom就這樣誕生了。」

 

當然，紐約時報並不認為科技可以完全取代人類的判斷，根據紐約時報的Wiggins表示，「由人分析數據」和「完全數據自動化」是存在很大的區別，而在我們的團隊中，也沒有人吵著要完全科技化，但如果工作上能有人取代繁瑣的部分，何樂而不為呢？

 

原文來源：預見雜誌