Как СМИ работают с push-уведомлениями

Tow Center for Digital Journalism и Guardian US Mobile Innovation Lab изучили практики СМИ в области push-уведомлений. О результатах рассказывает Nieman Lab.

Исследователь Пит Браун (Pete Brown) изучил 31 iOS-приложение и Apple News в течение трехнедельного периода в июне и июле 2017 года. Всего он получил 2577 push-уведомлений, а затем провел 20 анонимных интервью с продакт-менеджерами, мобильными редакторами и менеджерами аудитории.

Цифры

В среднем каждое издание посылает 3,2 уведомления в день, но эта цифра сильно меняется в зависимости от редполитики СМИ. Например, CNN MoneyStream посылал 11,1 пуша в день, а в некоторые дни число пушей CNN и MoneyStream достигало 17 штук. В клуб «больше десяти» также вошли AP, Fox News, Mic и USA Today.

В большинстве случаев (57%) уведомления были срочными новостями, хотя у каждого издания собственное понимание этого термина. Apple News вели себя иначе — там 74% приходились не на срочные новости.

Интересно и то, что пуши пришлось разделить на четыре категории: заголовок, тизер, дополнительный контекст и итоги. Чаще всего пуши давали дополнительный контекст (55%), затем шли заголовки (25%), тизеры (11%) и итоги (8%). Оставшийся процент отнесли в «разное».

Язык уведомлений отличается от обычного — там часто задействуют эмодзи, причем те играют существенную роль в формировании смысла и часто индицируют жанр/формат материала, скрытого за оповещением.

Выводы

Пит Браун выделил следующие преграды, которые пытаются преодолеть издатели, использующие push-уведомления.

  • Забитый информацией экран с оповещениями, мешающий выделиться;
  • Несовершенные инструменты. Не везде пуши выделены в отдельное направление и хорошо управляются.
  • Сложность сегментации и персонализации. Рассылка персонализированных оповещений по-прежнему очень трудна. В частности — потому что она сразу ограничивает содержание пуша автоматической генерацией, например, заголовком статьи.
  • Не все понимают, что на пуши можно кликнуть.
  • Хороших метрик нет. Трудно отличить «успешный» алерт от других — фактически, главной метрикой остается число открытий. Это же создает трудности для региональной и городской прессы, которая пытается определить свою, более узкую аудиторию.
  • Ценность пушей в глазах читателя для издателя неочевидна. Так или иначе, ценность должна измеряться в качественных категориях, а не количественным способом.

Facebook помешал фактчекерам бороться с фейками

 

Независимые фактчекеры пожаловались на нежелание Facebook делиться данными о том, как их усилия по проверке спорных сообщений влияют на распространение фейков. Об этом пишет Politico.

Сейчас фактчекеры, с которыми Facebook сотрудничает с декабря 2016 года, ставят на спорные посты и новости тег disputed («спорный»). Однако на этом их возможность влиять на подобные материалы в крупнейшей социальной сети мира фактически заканчивается.

Они не знают, как влияют (и влияют ли вообще) эти теги на распространение информации. Также у них нет возможности выделить самые важные новости среди сотен доступных для проверки.

Отсутствие данных и информации, по словам партнеров, подрывает доверие к самой инициативе Facebook по борьбе с фейками.

В США Facebook сотрудничает с фактчекерами из PolitiFact, FactCheck.org, Snopes, AP и ABC News. С марта пользователи могут помечать новости как ложные и отправлять их в очередь на проверку. Эту очередь пополняют и автоматические алгоритмы фейсбука. Для того, чтобы новость показалась как «спорная» в новостной ленте, ее должны так пометить двое независимых проверяющих.

Журналистика и искусственный интеллект: 2027 год

Предполагается, что к 2027 году редакции будут широко использовать системы искусственного интеллекта. Columbia Journalism Review по следам соответствующего отчета AP описывает будущее журналистики через 10 лет.

Исследование предполагает, что ИИ сможет не только писать некоторые новости, но и поможет журналистам выявлять паттерны и тренды из нескольких источников; превращать данные и устную речь в текст; текст в аудио и видео; вычленять эмоции из текста; анализировать изображения на предмет объектов, лиц, текста, цветов — и так далее.

Для журналистики, привлекающей весь этот арсенал, предлагается новый термин — «дополненная журналистика» (augmented journalism). Предполагается, что успех издания все равно будет зависеть от журналистов, умело применяющих инструменты, а не от роботов.

Дается краткое (и невероятное) описание дня журналиста в 2027 году.

В 8 утра журналист, освещающий проблемы окружающей среды, едет в беспилотном автомобиле в ньюсрум.  Сенсоры, которые он разместил в Спрингфилде, передают на экран такси, что воздушная среда в Спрингфилде на 10 процентов хуже, чем обычно. Журналист отправляет пару дронов для забора проб воды и воздуха.

В 8:30 приходит оповещение от мониторинга социальных сетей — пользователи чаще говорят о загрязнениях в Спрингфилде и приступах астмы у детей.

В 9 утра в ньюсруме журналист запрашивает у своего компьютера голосом результаты тестов от дронов. Он связывается с одной из матерей из Спрингфилда и организует интервью.

В 10 утра он использует шлем смешанной реальности, чтобы рассмотреть сотни свежих фотографий Спрингфилда и видит, что видимость (показатель загрязнения) ухудшилась, а сильнее всего это заметно около новой фабрики.

Он собирает изображения с автоматических камер региона и с помощью алгоритмов компьютерного зрения сравнивает изменение видимости на фотографиях с течением времени.

11 утра. Журналист  просматривает правительственные записи. Ему помогает искусственный интеллект. Они обнаруживают, что в других местах владельца фабрики оштрафовали за манипуляции данными проверок на уровень выброса вредных веществ.

Он звонит пиарщикам фабрики, по результатам разговора ему кажется, что те что-то скрывают. ИИ считает, что голос на том конце звучит неуверенно и нервно.

Полдень. Голодный журналист просит доставку посоветовать рецепт, основанный на любимых ингредиентах. Система оптимизирует предложение, а через 20 минут дрон сбрасывает на площадку у окна ньюсрума еду.

13:00. Сытый журналист прочесывает другой набор правительственных записей. Он обнаруживает родственную связь между владельцем фабрики и проверяющей в Спрингфилде. На эту связь указал ему алгоритм, а журналист сделал выводы.

14:00. Журналист надевает шлем виртуальной реальности и запускает два дрона в район фабрики. Он обнаруживает источник выхлопа и акцию протеста. Искусственный интеллект оценивает размеры толпы, а также накладывает тепловую карту, помогающую найти источник загрязнений.

Он едет на фабрику, но к интересующему его месту пройти не может — охрана не пускает. Он опрашивает пару рабочих, те говорят, что с момента открытия фабрики не видели инспектора.

15:00. Журналист останавливается в местном кафе, чтобы поговорить с матерью двоих детей-астматиков. Искусственный интеллект анализирует запись и считает, что женщина была искренней.

16:00. Журналист снова звонит на фабрику, но представитель отказывается от комментариев. Он натравливает на предыдущие пресс-релизы автоматического помощника и выясняет, что никто и никогда не извинялся и ранее.

17:00. Журналист диктует материал приложению на смартпьютере. Тот форматирует и «вычитывает» историю. Редактор получает уведомление, просматривает материал и одобряет выпуск. Статья, на диктовку которой понадобилось несколько минут, распространяется на все возможные платформы.

К 2020 году 80% новостей AP будет генерироваться автоматически

Пример работы прототипа AP
Пример работы прототипа AP

Nieman Lab пишет, что AP собирается к 2020 году автоматизировать до 80% процентов производства контента.

  • Сейчас средний редактор AP, пишущий материал о спорте, производит 8 различных версий одной истории. Кроме основного текста вручную пишутся несколько саммари, отдельные лиды для обеих команд, подводка для вещательного формата и так далее.

  • Все вместе журналисты AP только на конвертацию в вещательный формат еженедельно тратят 800 человекочасов (вещательный формат подразумевает короткие предложения, округление чисел, ссылку на источник в начале предложения и т.п.).

  • Чтобы попытаться автоматизировать процесс, используется машинное обучение. Команда из пятерых сотрудников AP создала прототип, который указывает, какие элементы в основном тексте надо улучшить, чтобы получился близкий к вещательному продукт.

  • В 2015 году в AP разработали пятилетний стратегический план по достижению определенных целей в 2020. В конце октября 2016 руководство собиралось, чтобы определить, какие инициативы получат финансирование в приоритетном порядке. Обсуждались 7 инициатив, включая автоматизацию, привлечение пользователей и пользовательский контент.

  • AP уже автоматизирует написание некоторых новостей по корпоративным отчетам с помощью технологий компании Automated Insights. Это позволило в 2015 увеличить число выпускаемых материалов в этом разделе в 10 раз до 4000 штук в квартал.

  • AP инвестировала в Automated Insights и начала автоматически отписывать некоторые бейсбольные новости в автоматическом режиме (речь о мелких командах, о которых агентство раньше никогда не писало).

  • Предполагается, что автоматизация не только облегчит работу журналистов, но и позволит поставлять клиентам истории, адаптированные под их читателя (например, под конкретный город или аудиторию).