作者：段梦蓉

来源：狐说

摘要：以聚合内容为典型代表的Buzzfeed网站，其数据导向型技术实验室近年来逐渐增加媒体基因，利用数据分析系统自己生产原创的病毒式内容，朝着媒体公司转型。Buzzfeed正在使数据更加民主，同时做到超越数据，不为数据捆绑。

数据是数字内容生产商和用户建立联系、创造收益的重要武器，它不仅可以为高流量文章提供关键线索丰富素材，还可以提升用户的活跃度和忠诚度。世界上最敏锐的互联网行为观察家——以创造病毒性产品闻名的Buzzfeed更是精通数据之道，早期的小测试到后期的视频、电商都在社交媒体上深受喜爱。用户导向、技术为王，这支数据驱动型的年轻团队看重数据、利用数据，却也质疑数据、不过分炒作数据，他们不断思考和改变着和数据的相处方式，始终保持着媒体人的理性。

可视化数据的呈现和共享

2016年，Buzzfeed的开发团队尽力让数据民主化，数据工具的分析对象更丰富、细致，同时能为不擅长SQL这种编程语言的编辑团队轻松使用。Buzzfeed启用“Looker”的数据管理平台，它可以通过简单的方式将企业不同来源的数据以可视化的方式呈现并共享出来，编辑部的所有人都能够从中搜集多个平台数据，观察内容的传播效果。

Buzzfeed数据科学家史密斯表示，自从将部分任务外包给Looker之后，原本要处理大量数据调取请求的Buzzfeed的数据团队就有更多时间去开发工具和改进其它编辑系统的操作了，比如优化内容略缩图的机器学习工具，造一个Slack机器人用来提醒海外版编辑不同区域的实时流行话题，让他们能及时进行翻译编辑。

（图片来自Looker官网）

数据并不是高高在上不可接触的，现在Buzzfeed努力破除技术屏障，为员工提供了超过20种内部工具帮助他们更及时更方便的根据数据抓住用户的痛点。

数据对内容传播的影响：提供爆款支撑

“帖子如果没有被转发出去，它们就只是些没发芽的种子而已。”28 岁的 BuzzFeed 资深编辑Stopera这样说到。

2015年的时候，Buzzfeed的CEO, Jonah Peretti开始正式实施“把用户从自家赶出去”的社交媒体分发策略，即直接把原创内容发布到YouTube, Facebook,和Snapchat这样的网站上，而这些网站并不会完全向发布者公开流量信息。这就意味着buzzfeed原来单纯计算自家网站和APP流量的数据工具没有了衡量价值，于是他们开发了自己的跨平台的数据采集工具来面对buzzfeed越来越复杂的传播网络。

(BuzzFeed / Shaun Pendergrast)

Buzzfeed的编辑团队依赖一个叫“病毒式传播指数（viral lift）”的内部专用指标来定义成功，它能对内容的传播广度和速度进行量化。比起阅读量，buzzfeed更看重转发量，用户愿意分享才是引起广泛关注的核心。

Pound（网络传播优化及理解流程）就是数据团队开发计算这一指数的技术，它对内容在跨社交网络和通信平台的不同分享者之间的传播进行跟踪，帮助网站更好地确定内容投放和传播途径。Pound的分析结果完全改变了buzzfeed对内容传播细节的把握，每条内容有成百上千的初始分享者，这导致它的传播结构并非是树状而是森林状。这种度量技术使得社会口碑营销规律有迹可循，为内容生产者提供了“制造爆款”的支撑。

（图片来自Buzzfeed官网）

数据对内容生产的影响：创意灵感来源

Buzzfeed是近年来增长最快的数字视频发行方，这支40个人的团队始终聚焦于生产基调积极的、令人愉悦的轻量化内容。其中数据影响着buzzfeed视频制作的方方面面。在制作前，这群“住在互联网中”的编辑们会随时关注网上能引起受众共鸣较多的话题等，再把这些信息加工成一个更宽泛的对话。视频发出后，他们紧跟用户的反馈，找准究竟是视频中的哪些点打动了用户，也追踪用户是如何就相关视频在社交媒体上和自己的朋友互动。

（图片截自buzzfeed官方网站）

其实从视频战略到头条，再到改变内容模式，以及为赞助商提供品牌内容， Buzzfeed的编辑们的创意灵感大多来自数据显示的反馈回路。他们没有直接在内容中运用数据或者做可视化的加工，但数据的影响却无处不在。

勇敢对“数据奴隶”说不

但是，这并不意味着Buzzfeed是数据的奴隶。数据可以作为支撑和来源，但优质内容的灵魂是编辑天然的内容直觉——随时随地开脑洞和契合用户的“兴奋点”。尽管数据工程师尽全力使数据能更真实的反映现状，但是数据的收集框架是人为制定的系列规则构成的，任何的实验都可能包含偏见，每一个模型的假设都有可能存在错误。Buzzfeed的成员需要始终对数据的可靠性、分析方法等保持质疑。

Buzzfeed目前在11个国家有超过20个分发平台，想要保持内容足够新鲜、足够有活力，并且能精准推送到用户手中，这的确对他的数据和编辑团队提出了很大的挑战，但这家年轻的具有实验精神的公司一定会在变革中越走越远。

参考资料
[1]How BuzzFeed gets its employees data-focused[N], Digiday, 2017-03-27.
[2]How BuzzFeed Thinks About Data Science [N], Buzzfeed, 2014-09-25.
[3]Looker (Software) - Wikipedia
[4]Why Journalists Should Use Data [N]Data Journalism Handbook
[5]The secret to BuzzFeed’s video success: Data [N], Digiday, 2014-09-24.