AI时代下，“饲养员”模式的内容平台已经失灵了

2017-07-25 17:21来源:人人都是产品经理

原标题：AI时代下，“饲养员”模式的内容平台已经失灵了

在AI时代，我们需要重新理解和认知内容C2M（单用户沟通）的机制和规律，去检讨传统传播理论的不足以及公共危机的管理方法，进而思考如何赢得沟通。要站在单个用户的角度来进行个体化沟通，而不是千人一面的宣灌或传播。

在AI时代，我们需要重新理解和认知内容C2M（单用户沟通）的机制和规律，去检讨传统传播理论的不足以及公共危机的管理方法，进而思考如何赢得沟通–要站在单个用户的角度来进行个体化沟通，而不是千人一面的宣灌或传播。

自从互联网商业化发展以来，不论是新闻客户端、视频网站或是电商平台……所有的平台，都是把自己默认为一个优秀的饲养员，它按照自己的想法，把内容（饲料）Push（喂）给用户。

这些饲养员都是受过训练的专业人士，行话叫做—由网站编辑为用户设置议程，按照大多数用户的口味挑选内容。

后来编辑实在忙不过来，采用机器帮忙—最简单的机器方式则是“热门推荐”，比如按照点击量或其它数据来做排序。

饲养员模式最大的问题是不知道食客胃口如何，这会导致两个显著的后果：

一是食客不满意，用户个性化需求不能得到满足；

二是自身资源浪费，大量长尾资源长期得不到曝光，增加沉没成本。

有人发现了机器的好处。机器可以是根据用户特征来推荐内容。正如一个高明的厨子可以根据每一个食客的口味提供饭菜，如果机器足够聪明，在一定程度上可以解决所有用户的个性化需求。这岂不是内容产业的C2M？

准确的说，这是内容分发的C2M，它以单个用户为对象进行沟通，跳出了大众传播/分众传播窠臼，是不是足以革了所有的搜索引擎和门户网站的命？

这种智能化的内容C2M有深刻的时代背景。今天，你已经站在时代边缘，眼睁睁的看着AI技术点燃了IOT的引线，接下来你将发现自己无可拒绝的进入下一个信息核爆的时代：信息终端爆炸、信息规模爆炸、信息平台爆炸……

在信息高速公路上，你开过的车，你走过的路，全都变了规则，你所熟悉的一切的基于饲养员模式的知识框架都面临颠覆。

在这个时代，饲养员模式已经失灵了，聪明的机器将成为最大的变量。

第一个出现的场景是人类生产内容，机器分发内容。

下一个出现的场景是机器生产内容，机器分发内容。

内容产业面临C2M革命，行不行？

“当然不行，机器很蠢。”如果你这样想，那么很遗憾，你注定是看不到明天的太阳了。

“当然行。”如果你这么想，那么祝贺你掉进坑里了。

真实的情况，你可能意想不到。

一、内容C2M之路本质：走向个体化沟通

作为一个独立的研究方向，推荐系统的源头可以追溯到90年代初的协同过滤算法，中期的代表则是传统的机器学习算法，比如Netflix大赛所推动的隐语义模型，现在则是更加复杂的深度学习模型。

近些年，深度学习突飞猛进，使得机器推荐变成了整个互联网的太阳。在新技术的推动下，个性化沟通也变得更加可行，而且越来越接近单用户沟通。

（一）协同过滤蹒跚起步

按照百科词条解释，协同过滤是利用用户群体的喜好来为你推荐感兴趣的信息，这些用户要么兴趣相投、要么具有共同经验，然后网站结合你的反馈（如评分），进行过滤分析，进而帮助别人筛选信息。

当然，用户喜好不一定局限于特别感兴趣的信息，特别不感兴趣信息的纪录也相当重要。协同过滤表现出了出色的效果，开始在互联网行业称王称霸。

起先，协同过滤应用于邮件过滤。

1992年，施乐公司的科学家提出了Tapestry系统。这是最早应用协同过滤系统的设计，主要是解决Xerox公司在Palo Alto的研究中心资讯过载的问题。这个研究中心的员工每天会收到非常多的电子邮件却无从筛选分类，于是研究中心便发展这项实验性的邮件系统来帮助员工解决这项问题。

接着，协同过滤思路开始应用于内容推荐。

1994年，美国 Minnesota 的GroupLens 项目组创办了一个新闻筛选系统，这个系统可以帮助新闻的阅听者过滤其感兴趣的新闻内容，阅听者看过内容后给一个评比的分数，系统会将分数记录起来以备未来参考之用，假设前提是阅听者以前感兴趣的东西在未来也会有兴趣阅听，若阅听者不愿揭露自己的身分也可以匿名进行评分。作为最老牌的内容推荐研究团队，GroupLens于1997年创建了电影推荐系统MovieLens，还有性质相近的音乐推荐系统Ringo，以及影音推荐系统Video Recommender等等。

后来，出现了另一个里程碑——电子商务推荐系统。

1998年，亚马逊的林登和他的同事申请的基于物品的协同过滤（item-to-item）技术专利，是亚马逊早期使用的经典算法，一度引爆流行。