今天当你打开手机终端设备时,新闻资讯类APP必不可少。其中不难发现,网易近年来在移动端上不断发力,在新闻资讯领域持续领先。根据艾瑞2015年第四季度发布的数据报告,代表用户黏性的“人均使用次数”和“人均使用天数”这两项重要指标上,网易新闻均位居各家新闻客户端首位。
多年来,网易新闻以“有态度”的内容和品牌形象立身,而面对新的竞争者和新一代的用户,网易新闻客户端如何取得成功?近日,ZD至顶网记者与网易传媒CTO罗尚虎先生进行了面对面的沟通,了解到应用于网易新闻客户端的“态度标签”项目,以大数据技术为依托,进而实现对用户的精准传播。
网易于2015年启动的“态度标签”项目,是联手国内最大的第三方数据公司秒针,将网易的“态度营销“理念产品化、数据化的落地,在理性的DMP系统加入感性的“态度标签”元素,不仅用精准化技术锁定目标人群的性别、年龄、地域、网络行为特征,更聚集了人群态度,通过深度挖掘人们的态度诉求,在客户端实现更“懂人心”的内容推送;同时在营销层面,态度标签还能为品牌筛选最能体现产品的“态度热词”,从而找到用户与品牌的连接点。
内容和用户是打造态度标签的核心
网易传媒CTO罗尚虎
罗尚虎表示,网易通过内容、用户以及内容与用户之间的互动来精准打造的态度标签,涵盖了以下几个维度:
第一个维度是来自内容,一个标签必须要刻画内容,它的主题,它的关键词,它描述的某些事件,这是内容方面的东西。
第二个维度是用户,用户标签就是用户画像,用户本身的性别,人口学的属性是怎么样的,他使用的方式,早上多还是晚上多,或喜欢看的东西。
第三个维度是用户和内容之间的互动,即“我看到这个内容本身我会得到什么样的一个感受”,然后我跟内容会有什么样的互动,大概是这三部分。所以“态度标签”可以看作是一个升维,是对原先内容标签、用户标签和内容和用户之间产生互动的升维。
这样每个“态度标签”都来源于当下的最热点的网民态度,可以说是中国互联网态度“晴雨表”,无论用户态度怎么变,“态度标签”总能在第一时刻洞察到,这无疑能帮助品牌找谁用户的“消费时刻”,破解了用户态度、用户需求“实时化”难题。
大数据技术让态度标签更立体精准
罗尚虎认为态度标签的实现是一个建立、搜集、整理、分析,进而实现标签化的过程。
建立,首先是建立大数据平台。目前网易传媒的大数据平台从基础结构上采用了开源平台,有自己的Hadoop、Spark、Storm计算平台,也有基于开源软件二次开发的缓存集群、搜索集群、消息队列、NoSQl软件等等。
从搜集来看的话,网易在几个维度上收集用户信息。首先,用户在产品内部的行为本身是可以收集到的,包括用户看这篇文章的时间,点击的推荐,具体的点击数,以及用户在产品中的轨迹等等。与此同时,网易内部平台的用户数据是打通的,这有助于在冷启动中搜集用户数据,当一个新用户进入网易新闻客户端后,显然没有任何数据,这时根据他在其他产品品牌的数据,依然可以第一时间向他推荐契合的内容。此外,包括非结构化数据,像日志这些,会有一部分数据倾斜进入到大数据系统里面进行计算;另一部分则会进入网易的实时计算系统,用户本次点击所产生的行为,都会反映到他下一次点击或下一次阅读的推荐列表中去。
当用户使用了产品以后,就会不断产生大量的行为日志和轨迹,数据传递到后端数据收集系统后,网易通过自己的工具和算法,进行整理,结合用户、内容等数据来发现数据之间的联系, 标签化的工作亦随着同步完成。
态度标签能够实现两方面利益,第一,对于智能化推送能够更精准,让网易的内容在态度层面更容易打动用户。当我们说服一个人可能先要事实,然后是态度和信仰。因此,如果态度上面有认同的话,传输的信息就更容易得到用户的接纳。
第二是在服务品牌广告主上面,网易可以发现品牌广告有它的调性和态度,这些调性和态度可以非常精准的映射到内部的用户群体上面去。网易可以选择这些群体给他们讲品牌故事,这样的话更能获得用户的认同,在效果上可能会更好,这就是态度营销的落地方式和业务上的使用场景。
当然,网易对于用户数据的抓取与运用自始至终都有一套严格的安全管理规范,以保护用户隐私、防止数据滥用。
最后我们看到,无论数据有多大,技术多先进,最核心的还是研究人、掌握人和服务于人。在上个月刚刚结束的戛纳国际创意节上,网易传媒也将“态度营销”和对于移动时代的用户的情感洞察带上了国际舞台。无论是基于大数据,还是基于数字化整合,网易希望让品牌营销更精准、更有价值,而不是让品牌陷入大数据漩涡。“态度标签”除了运用理性的大数据外,更加入人为修正,找准了用户“态度”诉求与营销的结合,为营销多加了一个更精准的维度,也令冰冷的数据营销更有温度。
好文章,需要你的鼓励
RiOSWorld是一项开创性研究,评估多模态计算机使用代理在真实环境中的安全风险。由上海人工智能实验室团队开发的这个基准测试包含492个风险任务,涵盖网页浏览、社交媒体、操作系统等多种应用场景。研究将风险分为环境源和用户源两大类,通过风险目标意图和完成两个维度进行评估。对十个代表性MLLM代理的测试结果表明,当前代理在风险目标意图上的不安全率高达84.93%,在风险目标完成上达59.64%,揭示了AI代理在计算机使用安全性方面存在的严重隐患,为未来可信AI系统的开发提供了重要参考。
牛津大学林元泽及其国际合作团队开发的IllumiCraft是一种创新的视频重光照技术,它首次将几何和光照引导统一到一个扩散模型中。通过同时处理HDR环境图、合成重光照帧和3D点轨迹,该技术能生成与用户提示一致的时间连贯视频。研究团队还构建了包含20,170个视频对的高质量数据集,实验表明IllumiCraft在视觉质量、提示对齐和时间一致性方面显著优于现有方法,开创了可控视频生成的新可能。
中国人民大学物理学院研究团队开发了HTSC-2025,这是一个专为AI预测超导临界温度而设计的常压高温超导体基准数据集。该数据集包含140个样本,涵盖了2023-2025年基于BCS理论预测的超导材料,平均Tc为27.3K,最高达160K。研究不仅提供了公开的评估框架,还总结了提高超导温度的物理策略,如空穴掺杂和轻元素引入。该基准已在GitHub开源,为AI驱动的超导材料发现提供了重要支持。
MBZUAI研究团队开发了FinChain,这是金融领域首个可验证的符号化思维链推理基准测试。该基准涵盖12个金融领域的54个主题,每个主题包含5个不同难度的参数化模板,配有可执行的Python代码验证每一步推理。研究者还提出了ChainEval评估指标,同时评估最终答案正确性和中间推理步骤一致性。对30个大语言模型的测试表明,即使最先进模型在处理复杂金融推理时仍有很大提升空间,且模型规模是决定推理能力的关键因素。