【时政】自由苹果

去年中旬，我进入全球最大媒体集团NBC Universal旗下的NBC地方媒体网站，担任近3个月的实习记者，协助十几个NBC地方电视台的网站制作数据与互动新闻内容，接触了一个威力强大的新闻工具。

一位资深编辑这么形容它，“它就像毒品一样让人上瘾，我们无时无刻都需要它。”

另一位编辑回忆起某一天它故障了数个小时的情况时说，“当时我们就像瞎了眼一样，完全看不到，完全不知道网站上发生着什么事！”

它就是网站分析工具（web analytics tool）。

当时NBC网站使用两种付费网站分析工具，分别是几乎所有美国新闻室都在使用的 Chartbeat ，以及电脑软件巨擘Adobe旗下的 Omniture 。

那是我首次认真研究网站分析工具。之前在《当今大马》任职时曾接触过另一个免费网站分析工具Google Analytics，然而当时却是有眼不识泰山。

NBC网站的会议室里安装了一台大电视，每天早上的编辑会议都会盯着荧幕上的网站分析仪表板，讨论前一天哪一条新闻最吸引用户、哪一则视频最能让用户从头看到完、哪一个NBC地方网站出现了浏览量非常高的新闻等等，从而决定当天的新闻编采安排以及网站的新闻排版。虽然荧幕上的数据不完全左右编辑决策，但是其影响力非常大。

由于我热衷分析数据，当时上司交代了一份工作下来，要我运用网站分析工具，分析用户如何阅读NBC在世界杯期间所上载的所有世界杯相关新闻，因为足球在美国并不盛行，因此新闻室必须检讨所投下的编采资源是否值得。

在展开分析之前，我列出了以下问题：

（1） 用户喜欢世界杯新闻吗？是哪一类的世界杯新闻？

（2）相对于其他新闻，世界杯新闻带来了多少浏览量？

（3）世界杯新闻的用户是谁？他们是新用户还是现有用户？住在哪里？来自什么网站？

（4）世界杯新闻吸引了多少新用户？他们当中多少人变成了固定用户？

我这个新手用了大约3天时间，整理出一份报告回答了这些问题。我无法在这里透露报告结论，但是这个经验却让我认识到网站分析如何改变新闻生态。

不懂客户需求的产品

网络科技让网站经营者可以掌握与测量用户在网站上的行为。这项前所未有的突破，完全改变了新闻工作者与读者/用户之间的关系。

在平面媒体时代，新闻工作者无法准确知道谁在阅读他们的新闻，那一则新闻比较受欢迎，更不用说知道读者花多少时间在某则新闻上。报章所聘请的市场调查公司只能进行季度或年度的读者调查，让报章在调整较宏观的新闻方针时作为参考。至于日常的新闻安排与判断只能依赖新闻工作者的经验、价值观、偏见，甚至是直觉，行内一般统称为“新闻嗅觉”（new sense），视它为一种无法具体教授的抽象能力。此外，这些新闻决定的好坏效果大多都无法被准确测量。

从产品的角度来看，一般新闻机构的产品就是新闻内容。新闻机构每天生产数十甚至数百项产品，但是新闻机构经营产品的方式却和一般公司大为不同，它们鲜少去了解客户是否需要以及如何消费它们的产品，并从客户需求、行为和习惯来设计与制造产品。事实上，新闻从业员不善或不愿聆听用户需求，经常以“我知道读者需要什么内容”，甚至是“我知道什么内容对读者最好”的精英态度来供应新闻内容。

在平面媒体上购买广告的广告商也面对相同问题，它们无法准确知道刊登的广告是否有效，究竟有多少人看过。史上首名在报章刊登半页广告的美国百货商店之父约翰沃纳梅克（John Wanamaker）就说过，“我花在广告上的一半费用是毫无效果的，但问题是，我不知道是哪一半”，一句话点出纠缠广告商超过百年的困扰。

由电脑自动排版主页内容

网站分析技术的出现，解决了大半的问题。新闻工作者和广告商现在可以准确掌握每一则网络新闻或广告的点阅数（page views）、单一访客数（unique visitors）、用时（time spent）、跳出率（bounce rate）、印象（impression）、流量来源（sources）、先前访问网站（referrer）等等。

结合这些数据就能协助新闻工作者了解用户行为，进而制作更符合用户需求的新闻内容，或设计更实用有效的页面，不仅吸引更高的浏览量，同时制作更高素质的内容。

举个具体例子，若编辑使用Chartbeat进行网站分析，它不仅可以显示实时数据，包括上文提出的各种数据，还能告诉编辑网页上各个链接的点击率（下图的各个号码标记），以及有多少用户卷动至网页的某个部分（下图右下角的标记）。

实时数据的优势是编辑可以立即调整策略，包括将表现好但是却被埋在网页底部的内容置放到更具策略性的位置、决定要在社交媒体上推广哪一则新闻，或者将最受欢迎新闻的链接置放在每个新闻页面的显眼处，以吸引用户继续点击阅读，降低跳出率。

网站分析所提供的数据还能让新闻工作者执行更复杂的策略。举例说，当编辑更了解不同来源（社交媒体、主页或搜索引擎）的用户拥有不同的浏览行为时，就可以根据用户的来源显示不一样的网页编排，减少他们的跳出率；又或者编辑可以根据用户的所在地点，显示与该地点较有关联的内容。

美国其中一家最受欢迎的 新闻网站Mashable 就自行开发了一个名为Velocity的计算程序。这个程序收集与分析大量用户与新闻内容的互动数据，从而预测下一个会疯传的新闻。Mashable主页的新闻内容就是由Velocity自动排版，再加上少许的编辑手动干预，不仅确保用户一打开主页就会看到最好的内容，同时也大量减少编辑的工作量。

最重要的是，网站分析让新闻工作者可以测量一项新闻决定的效果，并展开各种新闻实验。最简单的例子就是许多主要美国新闻网站经常使用的A/B测试（A/B Testing）。它们以两种方式呈现同一则新闻，可能是不同的标题、图片或写法，再安排一半的用户只看到A方式新闻，另一半的用户则只看到B方式新闻，然后测量两组用户的浏览行为，鉴定用户较喜欢或习惯的新闻方式。这种实验长远下去能协助新闻工作者制作出更符合用户需求与习惯的内容。

读到这里，你们其中一些人可能会开始质疑，这样的运作方式会鼓励新闻工作者减少新闻判断，尽力迎合用户口味，结果沦为旨在追求最大浏览量而不惜制造大量“点击诱饵”（clickbait）垃圾内容的内容农场（content farm）？

这个问题让我留在下篇文章再讨论。

注：上一篇文章《 众筹新闻：独立报道新途径？ 》询问大家是否愿意资助25令吉，支持数名独立新闻从业员调查酿成去年杪全国大水灾背后的人为原因，结果请看下图：

郭史光庆，来自柔佛峇株巴辖的甘榜男孩，在《当今大马》从事新闻8年后，获得福布莱特（Fulbright）奖学金前往纽约大学新闻学院修读硕士文凭，目前是陶氏奈特创业新闻中心学人（Tow-Knight Center for Entrepreneurial Journalism fellow）。

推特@kuangkeng，电邮kuangkeng@gmail.com