□文│陳昌鳳　王宇琦

（作者單位：清華大學(xué)新聞與傳播學(xué)院）

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

近年來(lái)，以Buzzfeed（嗡嗡喂，美國(guó)新聞網(wǎng)站）、今日頭條為代表的技術(shù)類公司依靠技術(shù)手段追蹤、分析用戶行為，憑借用戶真正感興趣的內(nèi)容吸引讀者，贏得了較為廣泛的用戶群體和市場(chǎng)份額。據(jù)介紹，截至2016年9月底，今日頭條的用戶數(shù)量已經(jīng)增長(zhǎng)至5.8億，日活用戶超過(guò)6300萬(wàn)，單用戶日均使用時(shí)長(zhǎng)超過(guò)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(xí)慣，并對(duì)傳媒業(yè)格局產(chǎn)生了顛覆性的影響。

本文在分析新聞聚合類媒體一般運(yùn)作邏輯的基礎(chǔ)上，探討聚合類媒體對(duì)傳媒生態(tài)的影響。具體而言，新聞聚合類媒體的發(fā)展，對(duì)傳統(tǒng)的新聞生產(chǎn)流程形成了怎樣的沖擊？又如何改變了信息分發(fā)方式和渠道？對(duì)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(yùn)作邏輯

創(chuàng)立于2006年的社交新聞聚合網(wǎng)站Buzzfeed，某種程度上可以被認(rèn)為是聚合類媒體的早期代表。Buzzfeed最初是一家研究網(wǎng)絡(luò)熱門(mén)話題的實(shí)驗(yàn)室，它通過(guò)技術(shù)手段采集用戶行為數(shù)據(jù)，分析用戶感興趣的話題，并推送相關(guān)信息。

通過(guò)基于社交網(wǎng)絡(luò)的用戶行為分析，Buzzfeed發(fā)現(xiàn)，輕松、詼諧、娛樂(lè)化的內(nèi)容更容易獲得轉(zhuǎn)發(fā)和傳播。因此，該平臺(tái)上所呈現(xiàn)的信息，有很大一部分聚焦于這類娛樂(lè)化信息。Buzzfeed平臺(tái)甚為流行的“清單體”文章，如《77項(xiàng)看似荒誕不經(jīng)但實(shí)則千真萬(wàn)確的事實(shí)》，以及各種小測(cè)試，都為平臺(tái)積聚了大量人氣，其中一些內(nèi)容甚至在互聯(lián)網(wǎng)上獲得了病毒式的傳播速度和影響力。2015年年初，由Buzzfeed發(fā)布的一則關(guān)于裙子是藍(lán)黑條紋還是白金條紋的帖子，不僅在該平臺(tái)上廣為傳播，甚至擴(kuò)散到全球各地，也成為當(dāng)時(shí)微博、微信等社交平臺(tái)上的熱點(diǎn)新聞。

除了對(duì)基于社交網(wǎng)絡(luò)平臺(tái)的用戶行為進(jìn)行信息生產(chǎn)，Buzzfeed的內(nèi)容分發(fā)也與各大社交平臺(tái)進(jìn)行了廣泛的連結(jié)。對(duì)于每條內(nèi)容，用戶都可以將其分享到自己的各個(gè)社交媒體賬號(hào)上，包括推特、臉書(shū)、谷歌+等，借助這些成熟社交平臺(tái)，Buzzfeed得以進(jìn)一步拓展自身的影響力。

如今日頭條、一點(diǎn)資訊等國(guó)內(nèi)的新聞聚合類媒體則更為注重信息與受眾個(gè)人興趣的匹配性和定制化。

今日頭條借助機(jī)器推薦引擎技術(shù)，在分析用戶興趣和行為的基礎(chǔ)上，向用戶推送個(gè)性化信息，核心是基于內(nèi)容的算法推薦。在用戶第一次使用今日頭條時(shí)，該產(chǎn)品會(huì)對(duì)用戶的社交媒體賬號(hào)進(jìn)行分析，對(duì)用戶身份、職業(yè)、興趣愛(ài)好等進(jìn)行定位與標(biāo)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(huì)被精準(zhǔn)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(shí)間、開(kāi)機(jī)啟動(dòng)次數(shù)等具體的行為細(xì)節(jié)，因?yàn)檫@些細(xì)節(jié)同樣體現(xiàn)出用戶對(duì)產(chǎn)品所推送的內(nèi)容以及對(duì)產(chǎn)品本身的態(tài)度和興趣。

一點(diǎn)資訊的運(yùn)作邏輯與今日頭條較為相似，都是通過(guò)機(jī)器算法匹配用戶興趣，進(jìn)行個(gè)性化的推送。但一點(diǎn)資訊的推薦機(jī)制中，增加了用戶搜索訂閱的機(jī)制，即用戶可以主動(dòng)搜索自己感興趣的內(nèi)容并進(jìn)行訂閱。而今日頭條的推薦，則更多的是通過(guò)機(jī)器算法對(duì)用戶興趣和行為的自動(dòng)分析，進(jìn)行用戶興趣識(shí)別和信息推送。

一般情況下，用戶使用次數(shù)越多，機(jī)器推薦引擎對(duì)用戶閱讀興趣的分析就會(huì)越準(zhǔn)確。因此，以今日頭條、一點(diǎn)資訊為代表的這類依托機(jī)器算法的新聞聚合類媒體正在憑借其對(duì)用戶興趣的準(zhǔn)確匹配以及個(gè)性化的精確信息分發(fā)，迅速在信息分發(fā)類媒介產(chǎn)品市場(chǎng)中占據(jù)一席之地，并獲得遠(yuǎn)高于傳統(tǒng)新聞客戶端的用戶規(guī)模和用戶日均使用時(shí)長(zhǎng)。

總體而言，聚合類媒體的核心運(yùn)作邏輯，在于通過(guò)信息抓取技術(shù)從互聯(lián)網(wǎng)上廣泛采集信息，再借助社交關(guān)系或算法匹配，向用戶推送符合其興趣或價(jià)值偏好的特定信息。借助算法推薦機(jī)制，用戶得以從互聯(lián)網(wǎng)的海量信息中高效地獲得相對(duì)有價(jià)值的信息，或得以與有共同興趣愛(ài)好的其他用戶進(jìn)行信息分享。如今，這種算法推薦機(jī)制已經(jīng)成為互聯(lián)網(wǎng)信息流動(dòng)的核心邏輯，機(jī)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(duì)信息感知的方式。[4]目前較常用的算法包括基于內(nèi)容的推薦——根據(jù)用戶過(guò)去的瀏覽記錄推薦用戶沒(méi)有接觸過(guò)的推薦項(xiàng)，基于用戶的協(xié)同過(guò)濾算法——基于一個(gè)“跟你喜好相似的人喜歡的東西你也很有可能喜歡”的假設(shè)，基于關(guān)聯(lián)規(guī)則的推薦——挖掘發(fā)現(xiàn)不同內(nèi)容在售賣過(guò)程中的相關(guān)性而進(jìn)行的推薦。

二、“過(guò)濾泡”與“回音室”：新聞聚合革新內(nèi)容消費(fèi)方式

某種程度上，媒介技術(shù)的進(jìn)步可能使受眾更容易和與自己興趣相投的人產(chǎn)生連結(jié)，進(jìn)而加劇社會(huì)價(jià)值觀念和意識(shí)形態(tài)的分化。[5]新聞聚合類媒體的興起，正在創(chuàng)造一種全新的受眾信息接收生態(tài)。在傳統(tǒng)媒體語(yǔ)境下，媒體機(jī)構(gòu)面向大眾生產(chǎn)新聞，并依賴人工編輯的方式進(jìn)行分發(fā)，沒(méi)有明確的細(xì)分受眾或者個(gè)性化定制的意識(shí)，因而受眾會(huì)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(jī)器算法，以用戶各自的社交關(guān)系或信息偏好為標(biāo)準(zhǔn)進(jìn)行信息篩選，這有可能使受眾陷入“過(guò)濾泡”與“回音室”的信息困境中。

注重技術(shù)性匹配的聚合類媒體，正在逐漸通過(guò)機(jī)器學(xué)習(xí)和推薦引擎技術(shù)，向用戶推薦與其興趣和價(jià)值觀高度匹配的更為個(gè)人化的信息，這在一定程度上會(huì)使用戶陷入由“過(guò)濾泡”制造的虛擬信息圖景中。臉書(shū)于2006年推出的“新聞推送”（News Feed）即帶來(lái)了相關(guān)的批評(píng)，甚至有前工作人員披露他們推送時(shí)傾向于壓制保守傾向的信息、推送自由傾向的信息。[6]

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

從這個(gè)意義上而言，用戶接收到的信息，都是由互聯(lián)網(wǎng)平臺(tái)上的機(jī)器算法用“過(guò)濾泡”過(guò)濾之后的產(chǎn)物。過(guò)濾泡的存在，會(huì)帶來(lái)兩個(gè)主要的問(wèn)題。

第一，經(jīng)由“過(guò)濾泡”過(guò)濾的信息，帶上了用戶個(gè)人的價(jià)值偏好和閱讀習(xí)慣，因而會(huì)導(dǎo)致一定程度的信息偏向，造成用戶接受信息的失衡狀態(tài)。隨著用戶使用機(jī)器推薦類新聞聚合產(chǎn)品次數(shù)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(fā)事件等，或是與其價(jià)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(chǎn)品自動(dòng)排除在外。久而久之，用戶雖然在新聞聚合類平臺(tái)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(huì)進(jìn)一步加劇受眾的信息失衡狀態(tài)，并造成受眾的價(jià)值偏向。皮尤研究中心2014年10月發(fā)布的一項(xiàng)研究報(bào)告，在檢視了美國(guó)人的新聞消費(fèi)習(xí)慣后發(fā)現(xiàn)：美國(guó)人消費(fèi)什么新聞通常與其政治傾向性相關(guān)。[8]

第二，由于算法本身的運(yùn)行方式以及固有弊端，經(jīng)由機(jī)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(jī)器推薦引擎為內(nèi)核的平臺(tái)上，用戶點(diǎn)擊的任何一條新聞都會(huì)被記錄下來(lái)，并經(jīng)過(guò)算法的處理，被認(rèn)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(yīng)信息（比如外出旅行時(shí)獲取目的地的相關(guān)資訊），或是出于個(gè)人興趣之外的其他因素而進(jìn)行信息的獲取（比如出于社交需求而進(jìn)行的轉(zhuǎn)發(fā)行為）；而基于機(jī)器算法的新聞聚合產(chǎn)品就會(huì)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(nèi)容。在這種情況下，用戶真正感興趣的信息，有可能就會(huì)被“過(guò)濾泡”排除在外，或者在其獲得的信息中處于相對(duì)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(wǎng)站的興起，用戶可以接收并分享與他們的興趣與立場(chǎng)相契合的信息。這類依托社交鏈傳播的關(guān)系型分發(fā)，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(wǎng)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(diǎn)相似的用戶進(jìn)行對(duì)話，與他們組成相對(duì)緊密的圈子；而與自身價(jià)值觀相悖的信息，則由社交網(wǎng)站的信息分享機(jī)制排除在外。這可能會(huì)進(jìn)一步鞏固用戶自身現(xiàn)有的立場(chǎng)，使得擁有不同觀點(diǎn)和價(jià)值觀的人群進(jìn)一步分化，進(jìn)而加劇社會(huì)價(jià)值觀的分化和對(duì)立。

在Buzzfeed平臺(tái)上，擁有相似政治傾向的人會(huì)組成相對(duì)緊密的在線社交關(guān)系，并通過(guò)在線互動(dòng)，分享與自身政治傾向一致的信息。比如，民主黨的支持者會(huì)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(chǎng)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(guó)總統(tǒng)大選中，臉書(shū)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(shū)的專家還專門(mén)研究了意識(shí)形態(tài)多元化的問(wèn)題并在2015年的《科學(xué)》雜志上發(fā)表了研究報(bào)告。[9]

三、新聞聚合創(chuàng)新新聞生產(chǎn)方式

在新聞聚合類媒體的運(yùn)作中，機(jī)器算法的加入顛覆了傳統(tǒng)的新聞采編流程。在傳統(tǒng)媒體機(jī)構(gòu)中，由記者進(jìn)行新聞采訪、寫(xiě)作，并經(jīng)由人工編輯的方式完成編輯和出版流程。但機(jī)器算法的運(yùn)用，則使得新聞聚合類媒體呈現(xiàn)出與傳統(tǒng)媒體截然不同的新聞生產(chǎn)邏輯。新聞聚合類媒體是一個(gè)信息分發(fā)平臺(tái)，其大部分內(nèi)容都是借助網(wǎng)絡(luò)爬蟲(chóng)技術(shù)，從各大媒體、網(wǎng)站等內(nèi)容生產(chǎn)方那里進(jìn)行信息抓取，并通過(guò)機(jī)器算法進(jìn)行信息的分發(fā)。

在新聞生產(chǎn)過(guò)程中，新聞聚合類媒體用機(jī)器算法代替了人工編輯。在今日頭條團(tuán)隊(duì)中，編輯的人數(shù)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(shè)計(jì)和資料分析。[10]機(jī)器算法以及爬蟲(chóng)技術(shù)對(duì)新聞生產(chǎn)流程的介入，不僅大大提高了新聞生產(chǎn)和分發(fā)的效率，也增強(qiáng)了新聞生產(chǎn)活動(dòng)的針對(duì)性——針對(duì)不同的受眾喜好，進(jìn)行個(gè)性化的信息分發(fā)。對(duì)于傳統(tǒng)媒體的人工編輯和規(guī)?；职l(fā)，無(wú)疑具有顛覆性的影響。對(duì)于傳統(tǒng)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(chǎn)的效率上落后于新聞聚合類媒體，使得傳統(tǒng)媒體機(jī)構(gòu)陷入更深層次的內(nèi)容生產(chǎn)焦慮，也更凸顯出傳統(tǒng)的新聞生產(chǎn)中受眾意識(shí)的匱乏。

新聞聚合類媒體對(duì)傳統(tǒng)媒體新聞生產(chǎn)帶來(lái)的另一個(gè)影響則是用戶生產(chǎn)內(nèi)容（UGC）的加入。聚合類媒體的內(nèi)容生產(chǎn)，同時(shí)納入了用戶內(nèi)容生產(chǎn)（UGC）與傳統(tǒng)媒體所生產(chǎn)的新聞內(nèi)容。以今日頭條的“頭條號(hào)”為例，它在2015年推出“千人萬(wàn)元計(jì)劃”，宣布至少保證1000個(gè)優(yōu)質(zhì)頭條號(hào)每月從平臺(tái)上獲得不低于1萬(wàn)元的收入。2016年9月，今日頭條又提出，將在未來(lái)一年內(nèi)至少投入10億元人民幣補(bǔ)貼頭條號(hào)上的原創(chuàng)短視頻創(chuàng)作者，助力短視頻創(chuàng)作爆發(fā)。

在聚合類媒體平臺(tái)上，原創(chuàng)自媒體內(nèi)容正在逐漸獲得與傳統(tǒng)媒體所生產(chǎn)的內(nèi)容相匹敵的受眾數(shù)量。在今日頭條日均5.1億次閱讀數(shù)中，頭條號(hào)貢獻(xiàn)了3.7億的閱讀數(shù)，占比73%；而從數(shù)量上看，頭條號(hào)每天的文章數(shù)量卻僅占文章總數(shù)的30%～40%。[11]這意味著聚合類媒體上的用戶原創(chuàng)內(nèi)容，正在呈現(xiàn)出相比于傳統(tǒng)媒體所生產(chǎn)的內(nèi)容更為強(qiáng)大的用戶吸引力。聚合類媒體平臺(tái)在內(nèi)容生產(chǎn)過(guò)程中對(duì)用戶生產(chǎn)內(nèi)容的納入，正在進(jìn)一步擠壓傳統(tǒng)媒體的生存空間。

四、新聞聚合創(chuàng)新分發(fā)渠道

對(duì)于傳統(tǒng)媒體而言，新聞聚合類媒體帶來(lái)的最大挑戰(zhàn)在于對(duì)內(nèi)容分發(fā)渠道近乎壟斷式的占據(jù)。在傳統(tǒng)媒體時(shí)代，新聞生產(chǎn)和分發(fā)都由媒體機(jī)構(gòu)完成；媒體記者和編輯完成新聞采編，再通過(guò)媒體自身的發(fā)行或播出渠道完成內(nèi)容的分發(fā)。但新聞聚合類媒體的盛行，使得由傳統(tǒng)媒體機(jī)構(gòu)生產(chǎn)的內(nèi)容在聚合類平臺(tái)上進(jìn)行了二次分發(fā)。

在內(nèi)容分發(fā)過(guò)程中，無(wú)論是基于社交關(guān)系還是基于機(jī)器算法的新聞聚合類媒體，都通過(guò)其獨(dú)有的分發(fā)邏輯，得以占據(jù)更大的市場(chǎng)份額以及更多的用戶使用時(shí)間。以Buzzfeed為代表的社交性聚合類媒體，通過(guò)基于社交平臺(tái)的用戶行為分析與傳播機(jī)制設(shè)計(jì)，為用戶提供與社交關(guān)系緊密相連的信息獲取與資訊分享，增強(qiáng)了用戶黏性，并得以借助社交網(wǎng)絡(luò)進(jìn)一步拓展用戶數(shù)量。以今日頭條為代表的機(jī)器算法類新聞聚合平臺(tái)，憑借精準(zhǔn)契合受眾閱讀興趣和閱讀習(xí)慣的個(gè)性化推送，實(shí)現(xiàn)了信息分發(fā)與受眾興趣的高匹配，因而無(wú)論是從用戶總數(shù)還是從用戶日均使用時(shí)長(zhǎng)方面，都遠(yuǎn)超普通的新聞客戶端。

新聞聚合類媒體對(duì)內(nèi)容分發(fā)渠道的占據(jù)，也同時(shí)意味著這類媒體平臺(tái)對(duì)廣告商的吸引力增強(qiáng)。以今日頭條為例，在成立4年內(nèi)，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(yīng)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(lái)源。

聚合類媒體通過(guò)社交化、精準(zhǔn)化的內(nèi)容分發(fā)，壟斷內(nèi)容分發(fā)渠道，并同時(shí)吸引廣告商。這意味著由傳統(tǒng)媒體生產(chǎn)的內(nèi)容，只有少量在傳統(tǒng)媒體自有的渠道中完成分發(fā)，而絕大部分內(nèi)容則流向了這些聚合類媒體平臺(tái)。

新聞聚合類媒體的發(fā)展，正在快速革新現(xiàn)有的媒介生態(tài)，并對(duì)傳統(tǒng)媒體的新聞生產(chǎn)和內(nèi)容分發(fā)產(chǎn)生顛覆性的影響。在新聞生產(chǎn)流程中，新聞聚合類媒體通過(guò)納入U(xiǎn)GC內(nèi)容，使傳統(tǒng)媒體與自媒體之間的用戶爭(zhēng)奪更為激烈；機(jī)器算法和爬蟲(chóng)技術(shù)的運(yùn)用，則極大提升了內(nèi)容生產(chǎn)和分發(fā)的效率，使依賴人工編輯的傳統(tǒng)媒體面臨更大的內(nèi)容生產(chǎn)焦慮。在內(nèi)容分發(fā)過(guò)程中，新聞聚合類媒體通過(guò)基于社交關(guān)系或機(jī)器算法的分發(fā)機(jī)制，得以獲得更多的用戶份額，并對(duì)傳統(tǒng)媒體的內(nèi)容分發(fā)渠道形成了近乎壟斷式的占據(jù)，傳統(tǒng)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(fèi)方式趨向個(gè)人化，并可能使受眾陷入由信息偏向?qū)е碌摹斑^(guò)濾泡”和“回音室”的困境中。與此同時(shí)技術(shù)“矯正器”開(kāi)始出現(xiàn)，比如《華爾街日?qǐng)?bào)》推出的“藍(lán)推送、紅推送”（Blue Feed,Red Feed），《衛(wèi)報(bào)》的“吹破你的泡泡”（Burst Your Bubble）、健形矯姿器（Lumo lift）的新應(yīng)用，都在嘗試讓信息消費(fèi)更加平衡。