数据变多,工作量却在减少?看媒体如何借助算法优化内容分析

2020-01-06 10:30 来源:全媒派公众号 作者:刘景俊 点击: 评论:

A-A+

原标题:数据变多,工作量却在减少?看媒体如何借助算法优化内容分析

声明:本文来自于微信公众号全媒派(ID:quanmeipai),作者:腾讯传媒,授权站长之家转载发布。

信息大爆炸时代,丰富的数据资源是有待挖掘的宝藏之地,却也很可能变成压力之源。

随着媒体越来越多地进行内容创新和产品探索,能够反映用户情感态度的数据调查,已成为检验创新效果的重要标准。

黑客 代码 安全漏洞 程序

Maass Media是《卫报》美国分部的移动创新实验室(the Guardian US Mobile Innovation Lab)引入的数据分析合作机构,致力于帮助《卫报》深入了解用户。

此前,一篇名为《零基准分析:衡量移动创新项目的测量方法》(Analysis Without Benchmarks: An Approach forMeasuring the Success of Mobile Innovation Projects)的文章介绍了Maass Media和实验室共同合作进行用户调查分析的具体操作。比如,在 2016 年,为了测试用户对手机端的不同新闻格式的态度,他们以总统大选为契机,展开了用户对实时结果推送反应的实验。

在用户调查中,Maass Media的一个特色是提供了很多开放式问题,这些开放式问题能帮助调查者更好地洞察用户深层心理,避免了封闭式问题的一些弊端。但是,开放式问题会带来巨量的反馈信息,如果通过人工方式进行分析,效率会非常低。那该如何解决这个问题呢?

本期全媒派(ID:quanmeipai)独家编译Medium最新文章,一起来看,如何借助算法解决包含大量非标准数据的分析难题。

答案在此:自然语言算法

为了更准确地衡量新实验的效果,Maass Media和实验室十分重视用户的情绪和感觉,想通过对实验对象的反馈调查来发现用户反馈的态度积极与否。

因此,除了客观选择题外,在用户调查表的结尾会有一个开放式问题:“关于这次实验,你还有什么想告诉我们的吗?”

通过鼓励开放式回答,用户可以为调查提供更多形式的反馈,从而补充封闭式问题的不足。可以说,开放式问题为用户调查提供了用户反馈的盲点补充。

【易采站长站编辑:秋军】