Controlled Personalization in Legacy Media Online Services: A Case Study in News Recommendation
该行业文章通过对一家主要挪威新闻机构的 A/B 测试表明，“受控个性化”——一种将编辑策展与算法选择相结合的混合方法——在坚守新闻价值观的同时，成功提升了用户参与度和内容多样性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一份传统报纸，就像一位备受尊敬的地方图书管理员，已经为社区策划故事超过 160 年。这位图书管理员（新闻机构）秉持着一套严格的价值准则：他们希望确保每个人都能接触到各类内容，从严肃的政治到本地体育，从而让整个社区保持知情与联结。他们对“算法”（机器人）接管持谨慎态度，因为他们担心机器人可能只会展示你早已喜欢的三则故事，从而形成一个“回音室”，让你永远听不到新思想。
另一方面，现代科技公司（如 Google News）则像一台超高速的自动售货机。它们确切知道你想买什么，并立即递给你，但它们并不关心你的“教育大局”或社区的健康状况。
实验：“受控个性化”配方
本文的研究人员提出了一个问题：我们能否融合这两个世界？ 我们能否在保留图书管理员价值观的同时，利用一点售货机的速度？
他们在挪威主要报纸《晚邮报》（Aftenposten）对此进行了测试。他们并未让机器人完全掌控方向盘，而是制定了一种“受控”配方：
- 图书管理员之手（80%）： 机器人仍须遵循图书管理员的规则。它优先展示最新新闻、热门故事以及编辑人工挑选的文章。
- 机器人的轻推（20%）： 机器人被允许向系统轻声建议：“嘿，这位特定用户昨天其实喜欢体育文章，也许也可以展示这一篇。”
他们进行了一项为期一个月的测试（A/B 测试），其中一半读者看到旧模式（100% 遵循图书管理员规则），另一半读者看到新模式（80% 图书管理员 + 20% 机器人）。
发生了什么？结果
结果令人惊喜地积极，即便只有那 20% 的机器人轻推。以下是他们发现的，使用了简单的类比：
1. 在干草堆里找针变得更容易了
- 旧方式： 读者必须滚动长长的新闻列表（就像翻阅一本巨大的电话簿）才能找到有趣的内容。
- 新方式： 读者滚动的次数更少。因为机器人帮助更快地呈现相关文章，用户以更少的努力找到了所需内容。
- 结果： 人们点击了更多文章（增加了 14%），但实际滚动次数却更少。这就像图书管理员在你甚至还没开口询问之前，就把你要找的书递到了你手中。
2. 没有“点击诱饵”陷阱
- 有时，当你用耸人听闻的标题诱骗某人点击链接时，他们会发现文章很无聊并立即离开。这被称为“取消点击”。
- 结果： 尽管人们点击次数增加了，但他们并没有更快地离开。他们实际上花费了稍多一点的时间阅读文章。这证明机器人并没有欺骗他们；它实际上是在帮助他们找到真正想读的内容。
3. 打破“回音室”
- 担忧： 图书管理员们担心机器人只会反复向用户展示相同的热门故事，而忽视小众话题。
- 结果： 情况恰恰相反！机器人实际上帮助用户发现了更广泛多样的话题。
- 多样性： 用户点击了来自更多不同版块（如文化、政治和体育）的文章，而不仅仅局限于某一个领域。
- 流行度： 机器人帮助那些不太受欢迎、较为“小众”的文章获得关注。它减少了对仅“大片”级热门内容的偏见。
- 类比： 这不像镇上的广场里所有人只谈论同一三首流行歌曲，而是机器人帮助人们发现了一些他们否则永远不会听到的精彩爵士乐和古典音乐。
4. 对所有人都有效
- 无论用户是“新闻狂人”（每天阅读 50 篇文章）还是“休闲读者”（只读几篇），机器人都帮助他们找到了更好的内容。即使是那些通常只浏览标题的休闲读者，也开始探索更多样化的话题。
核心启示
该论文得出结论：你无需让机器人完全接管，也能获得个性化的益处。通过让“人类编辑”掌控重大决策（80%），而让机器人处理细微的个人化调整（20%），这家报纸达到了一个“甜蜜点”。
他们成功做到了：
- 让用户更满意、参与度更高。
- 帮助用户更快地找到相关内容。
- 至关重要地： 依然坚守其新闻价值观，确保用户看到多样化的新闻，避免陷入只展示他们已认同内容的陷阱。
简而言之，这项研究表明，传统媒体（传统报纸）可以安全地采用个性化技术而不会丧失其灵魂，只要它们始终让“人类之手”牢牢握紧方向盘。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。