解决方案:一号店SEO的系统化策略

　　解决方案:一号店SEO的系统化策略

　　百度站长学院作为站长学习运营知识的平台，已发布上千篇网站运营优化内容，涵盖知识点广泛。但是也有不少同学反映，知识点讲的很详细，但是不够系统。我们希望看到更系统的知识整理。今天我们请来了1号店SEO负责人刘苏，来分享系统的SEO策略。全文如下：

　　进入一号店后，领导说，没人做SEO，你会做，然后就莫名其妙的进入了这个行业。悟性不高，不善于交际。有赖于公司对我试错的​​*敏*感*词*，让我明白什么是SEO，也认识了很多人。现在写一下自己这几年的经历，也算是回馈SEO界了。

　　【概括】

　　说到底，SEO是一种营销手段。游戏的基本规则包括三点，1.在搜索用户中找到你的目标用户，2.把搜索用户拉到你自己的网站，3.把搜索用户变成你自己的用户。这个例程隐约让我想起了如何把大象放进冰箱

　　【在搜索用户中找到你的目标用户】

　　目标用户的定义其实就是一种匹配。搜索用户的信息检索需求以搜索中使用的词来表示，网站能提供什么样的信息服务取决于自身的业务和内容生产能力。这个匹配的过程其实就是一个了解自己，利用自己的特点去寻找用户的过程。最终输出将是一个适合您业务的搜索 关键词 库。

　　那么，这个 关键词 库是怎么来的呢？基本的关键词获取方式大家都知道，无非就是自己，搜索引擎，竞品。包括但不限于以下方式：

　　1、与您自有商品或服务相关的名词、品牌词、属性词等；

　　2. 站内搜索词；

　　3、您的网站在搜索引擎中获得曝光和流量的词；

　　4、百度相关搜索词；

　　5.百度丰巢扩词接口扩词；

　　6、百度索引中的相关词；

　　7.竞品网站的结构化数据；

　　8、上述关键词分词后得到的词；

　　关键词的介绍和数学是一个复杂的工作，会随着对自身业务的理解和搜索用户的理解不断完善。最终的输出将是一个连续流动的关键词库，关键词具有清晰的词性定义，关键词具有多维关系。此外，理想情况下，关键词 搜索量和竞争难度。关键词 的组织也是一件有趣的事情。一切有效的商业活动都是为了满足人们的需求，研究关键词就是研究需求。了解需求并满足它们是一个小的闭环。

　　关于关键词的特点，举个简单的例子（来自百度），

　　本质上，百度大搜召回的模板对应的是搜索行为模式。

　　不同行业的模板需要在大量领域的关键词基础上提取特征。

　　关键词库的排序可以系统化的实现，比如站内搜索词的导入，百度相关搜索词的抓取，使用丰巢接口获取丰巢扩展词，分词，词性定义等。等等。由于和业务的耦合度比较高，所以还有很多非结构化的东西需要结合人工处理。无论您在关键词 上花费多少时间，慢慢来，制作细致的作品都是值得的。就像商店要卖东西一样，它需要考虑顾客的需求，然后去迎合顾客。

　　其实，对于用户需求的挖掘，很多地方都可以找到应用。比如在广告方面，DMP公司从事用户特征提取和分析工作，将数据用于广告投放，实现精准营销；再比如站内精准推荐，根据系统跟踪的用户行为，为用户做相关推荐等等。

　　更好地了解目标用户的需求是成功的第一步。对于SEO来说，就是建立一个好的词库。有了词库，就可以明确需要推动哪些信息生产，才能满足搜索用户的搜索需求。有了词之间的关系，可以更好的构建页面中的信息维度，更好的布局内链，聚集相关语义的权重。

　　【在搜索结果页触达用户】

　　很多SEO初学者会问，学好SEO需要看什么书？我经常回答说搜索结果页（SERP，SearchEngine Result Page）是学习SEO最好的资源。由于搜索引擎的算法是不断更新的，搜索结果页可以告诉你什么样的做法比较好获得好的排名，什么样的词很商业化，纯SEO很难获得流量等等上。毕竟事实胜于一切。

　　SEO的基本套路无非就是对搜索引擎程序更加友好，满足搜索用户的信息检索需求，给搜索用户更好的体验。

　　当然也有一些黑帽或者切边的手段，比如利用搜索引擎的一些规则漏洞来快速提升排名，最典型的就是有害点击器；或者利用与搜索引擎的关系，做一些阿拉丁的投放，阿拉丁搜索结果的特点很明显。搜索结果项的样式有单词 result-op。与百度在电商行业有合作的百度微商，也属于阿拉丁的范畴；或者可以和百度换流量，但这需要关系和渠道。

　　抛开上面提到的资源和渠道的影响，回到SEO的基本套路，目标是尽可能多的占据搜索结果页的top位置，从而达到触达用户的目的。那么问题就变成了如何更贴近我们的用户？

　　

" />

　　简要说明搜索引擎的工作原理。

　　搜索引擎的工作分为离线部分和在线部分。离线部分负责抓取网页和建立倒排索引。在线部分负责提供前端搜索接口，根据用户查询的词获取倒排索引，计算排名，并进行一些本地化/个性化处理，最后返回一个搜索结果页面，有10条结果。整个信息流从左向右流动。

　　根据上述原则，触达用户的目标变为：

　　1.站内有用户查询词相关的页面，这一步是内容和页面的覆盖

　　2、本页面被搜索引擎抓取，收录，在索引库中参与排名

　　3.该页面获得良好排名

　　4、本页面的标题、描述、缩略图能吸引用户点击。

　　5.这个页面可以满足用户的需求，而不是快速跳出访问其他搜索结果项

　　6、该页面可以帮助网站实现品牌曝光或转化目标

　　对应漏斗模型，如下图所示：

　　上述漏斗模型也代表了SEO业务层面的数据链路，而从支持上述链路数据监控的系统中，可以清楚地知道中间过程中每一步的目标、输出、细节，从而您可以更好地利用数据来推动 SEO 工作。漏斗模型优化的一般方法是找到漏斗中的瓶颈，并有针对性地进行优化。根据后续节点的效果反馈，调整策略或实现，形成闭环。

　　下面简单说一下漏斗中每个步骤的数据处理。

　　【内容及页码】

　　内容就是原料，有了原料，厨子才能施展厨艺。一般来说，内容制作都是以商业目标为​​导向的。对于严重依赖SEO流量的领域，SEO在内容生产上的话语权会更大。一般来说，内容制作必须能够覆盖目标用户的搜索需求。例如，如果用户搜索“孕妇吃芹菜好吗？”这样的长尾。没有办法谈论SEO流量。如何更好地根据搜索用户的需求组织内容生成，一般需要公司高层的支持。如果没有自己的编辑团队，也可以考虑组建*敏*感*词*团队。3C/时尚女装/医药电商一般都有强大的编辑团队，典型的是太平洋（在香港上市）；据我所知，途牛有一个非常好的*敏*感*词*团队。

　　除了编辑之外，站内搜索聚合、站外再加工加工也是经常使用的内容生成方式。

　　很多以业务目标为导向的企业，没有从公司战略层面足够重视内容生产，没有意识到信息资产的价值，导致SEO人员难以断食。大量的领域优质内容和站内内容生产能力超越SEO。即使SEO不复存在或者被其他形式所取代，内容依然能够为自己的用户带来巨大的价值。

　　完成了从关键词到内容和页面的需求分析和制作。如何在页面上布局内容，如果处理好内容的结构，使其更符合搜索引擎的口味，还有很多细节工作要做，这将不在这里展开。

　　【抓取并记录】

　　搜索结果页面是用户在站点之间竞争的战场。要想在竞争中取胜，必先立于战场。根据前面提到的搜索引擎原理，我们知道要出现在搜索结果页面中，第一个产生的页面必须被搜索引擎的蜘蛛抓取。蜘蛛发现网页时，通常会使用站内链接和站外链接，按照广度优先的原则提取页面导出的URL。一般来说，站长还可以通过提交Sitemaps、Ping通知蜘蛛、人工提交等方式帮助蜘蛛找到有效的URL。

　　前面说过，通过链接爬取网页遵循广度优先的原则。对于一般的小网站来说，搜索引擎从起始页往深爬三四层就不错了。一般这个起始页就是网站的首页。因此，SEO需要将网站整体设计成扁平化的结构。有时需要为蜘蛛构建一些梯子，以帮助它在更短的路径上到达更多的 URL。例如，

　　一般情况下，一个页面中的出链不应该太多，超过一定的值，蜘蛛就抓不住了。之前的经验是100，但是这个值还是跟网站和具体页面有关。在网站级别和单页总出站链接量这两个约束下，还是有事可做的，那就是时间。单页导出链接最多100个，如果每天改50个怎么办？一种最简单的实现方式是通过缓存机制固定取50个，在完整集合中随机取50个。这 50 个设置缓存时间为 1 天，1 天后过期，然后随机选择 50 个，可以最大化导出链接的时效性，就像广告的周期轮换一样。这里的数字可以根据实际结果进行调整。站内就是这样，批量交换外链也可以类似的实现。

　　对于移动端页面，主要有两种机制来通知爬虫PC端页面和移动端页面的对应关系。一种是在PC页面头部添加mobile-agent的meta属性，另一种是在站长工具中提交PC/移动页面对应关系。关系的规律性（也可以提交全量的URL地址对）。

　　爬行非常重要。需要时刻监控站长平台的爬取频率和通过accesslog分析得到的爬取详情。肖战的日志文件，市面上有一些日志分析工具，自己写也是可以的。大站点的日志很多都存储在Hadoop等分布式存储中，一般需要定制程序来分析处理。为了即时分析处理和快速反馈，可能需要接入流计算框架（kafka+storm）。

　　利用蜘蛛爬行行为数据可以评估蜘蛛对站点页面价值的评估，可以用来反馈辅助爬行所做的一些优化的效果，可以预测新生成页面的接受程度通过搜索引擎等。等等。没有使用价值的数据是没有用的，只有将数据与具体的应用场景结合起来，才能体现出它的价值。

　　对于爬取到的页面，蜘蛛在建立倒排索引后，会进行值判断，并根据值存储到层次索引库中。只有高级别的索引库才会参与最终的检索排序。

　　一般开始学习SEO的时候，都会接触到网站语法。基本上所有常见的搜索引擎也支持站点语法来查询域名或目录级索引卷查询。在站点查询语句后加一个词，可以查询域名中与该词相关的页面。更有价值的是，站点语法检查的结果是按照网页的值倒序排列的。此功能可以根据相关内部链接提高第二页/第三页着陆页的排名。

　　

" />

　　【排名与流量】

　　对于有搜索量的词来说，获得好的排名几乎一定能获得流量。差不多到这里，因为还有一个点屏比的概念（点击数除以曝光量）。根据谷歌的规定，PC端搜索结果中，前四名获得点击的几率分别为42%、12%、9%和6%。

　　先说排名吧。说到搜索排序，它可以用在很多场景中。比如在搜索结果页的推广链接区有排序；在淘宝搜索时，商品返回的结果列表有默认排序；App Store 中的搜索也会按照一定的规则排序返回结果列表；同样，候选广告素材在广告投放过程中争夺展示机会也有排名。这些排名与自然搜索排名有一个共同点，就是为了用户体验，将最符合用户需求的排在第一位，从而提高用户体验。

　　影响自然搜索排名的因素应该有很多，众所周知，比如网站本身的权威和价值，网页的入链权重，网页的结构/速度，网页内容的原创性，最重要的是，用户搜索词的频率。页面标题和H标签等搜索词出现的频率。这是事前因素。

　　需要特别提到的是，搜索引擎对新站有补偿机制，以构建良好的搜索竞争生态。这也是实际起作用的排序因素。

　　还有一点事后因素，得到排名，用户点击，之后是否点击其他搜索结果。如果你的页面在某个词的搜索结果中排名第一，而搜索用户在点击你之后总是会点击第二个结果，那么显然第二个结果更符合用户的需求，你可以想象排名会改变并且知道。这一点可以在百度公开的专利中找到，答题器也是利用这个原理实现的。

　　在排名搜索结果中呈现给用户的信息包括页面标题、描述或从页面中提取的信息摘要、缩略图和主页的子链接。后两者可能存在也可能不存在。还有一个相对次要的因素，即搜索结果的域/链接摘要。如何在获得曝光的同时吸引用户点击？除了让自己的排名尽可能靠前，还可以优化Title/Description的文案，在页面主要区域提供合适大小的图片作为缩略图概率等。搜索结果条目如下：

　　虽然百度自己的产品有抬高的嫌疑，但是从SEO的角度来说，还是有很多值得学习的地方。有些不清楚的可以百度自己的产品看看具体的实现方法。

　　走完了关键词，内容，页面，抓取，收录/收录，排名，流量的长链，我们回过头来看看封面上的漏斗模型，从中可以反映出，我们的不足在哪里，在哪里是机会。如果把这些数据采集

在一起，通过这个数据链接可以随时监控网站的SEO状态，用数据来监控一些优化操作的效果，甚至可以定义一些自动化的策略，让系统进行一些优化操作自身并利用数据反馈、重新调整、重新优化，实现智能优化，真正发挥数据的力量。

　　【转化流量】

　　解决了SEO流量获取的问题之后，就要考虑如何承接这些流量了。与广告类似，流量的目的一般有两个，品牌曝光和直接效果。品牌曝光一般很难做效果监测，所以本文主要讲直接效果。

　　其实承接的效果对获取流量的能力有很大的影响。对外，如果内容不符合搜索用户的需求，跳出率高，在搜索引擎中的排名就会下降。对内，老板看的就是最终目标。大曝光、多转化、多订单，才能让老板更加重视SEO，给到更多资源。有了资源，就可以做更好的SEO，从而形成良性循环。

　　对于直接影响目标流量，转化会受到四个因素的影响，

　　1、流量的好坏，或者流量背后的用户和需要服务的用户的重合程度，吸引不相关的流量可能没有用。用术语来说，就是实现精准营销；

　　2. 当用户到达该站点时，他们对该站点有一定的信任度。有了信任作为背书，转化率往往更高。例如，知名品牌的官网往往转化率较高。认知和转化会更高；

　　3、由于自身提供的产品或服务的特性，在某些情况下，用户会做出快速决策，比如购买单价低的标准化物品，更容易形成转化；

　　4.给用户第一眼看到的内容。就电商行业而言，如果在页面上展示相关的促销信息，或者给用户提供更多的选择，就会有更高的转化概率，比如列表页比单页要好。

　　不同的行业/不同的承载方式（网站/APP/微信/淘宝店铺/自媒体等），有不同的流量获取渠道和方式，不同渠道的流量占比也会有所差异。比如京东的网站应该包括但不限于以下渠道，直达，搜索引擎（PPC/拼转/SEO），导航站，返利站，导购站，输入法弹框，网络联盟（自有/第三方） ) )、广告、微信入口等。 具体说到SEO，两年前听过一个未经证实的数据，京东SEO流量约占总流量的11%。作为对比，某知名在线旅游网站SEO流量占30%。对于垃圾站推广的文学/影视网站，SEO流量占比不低于90%。不同渠道的流量转化率也会有所不同。对于电商来说，直达流量和返利/导购网站的流量一般都有比较明确的目的和一定的认知度，因此决策曲线短，下单概率高。下面画个假饼图

　　全站整合营销考虑的是整体ROI。有时候为了配合大型的促销活动，ROI的标准会降低，因为高转化的优质流量毕竟是有限的。当然，具体的调整手段包括增加网盟CPS结算返利、与搜索引擎等流量入口达成临时合作等。可能会有一些未尝试过的流量，可以少量测试。总的策略是在保证总量的前提下提高整体的ROI，内部可以通过CPA或者CPS的方式衡量。

　　【流量追踪】

　　最后简单说一下Track。我们一般会使用GA、百度统计、CNZZ、51.la等统计工具，或者模仿这些工具，自己搭建一个流量跟踪系统。对于对外投资的流量通道，往往根据链路参数中的track code来区分来源。比较常见的就是GA中定义的那种。

　　当然，如果你不喜欢，你可以自己制作，比如tracker_u之类的稀奇古怪的东西。

　　对于用户进入站点后的行为，会根据用户的session生命周期，或者cookie中埋藏的guid进行监控。js代码埋在页面中，用户跳转到页面或者点击页面中某个元素的动作都会被js发送到后台数据库，作为后续分析的依据。对于效果流量的效果反馈，最直接的方式就是下载、订阅，或者加入购物车、下单等。

　　数据驱动的决策是科学的，基于经验的决策是耍流氓。因此，在流量之后，对用户进入网站后的行为进行数据采集，不仅是对流量效果的反馈，也是对网站的精准推荐，或者说是在不侵犯用户隐私的前提下对数据进行处理，类似DMP的方式放到ADX中出售，也是变现的一种方式。

　　全文结束，感谢观看。

　　解决方案:人工智能技术环境下 新闻出版业运作模式创新

　　摘要：以机器学习和深度学习为代表的新一代人工智能技术正在深刻改变新闻出版行业的技术环境。通过研究人工智能技术在新闻出版行业内容生产、内容推送和读者互动三个方面的应用，分析人工智能技术对新闻出版行业的影响，创新新闻出版行业运营模式探讨了人工智能技术环境下的新闻出版业。

　　2016年以来，人工智能技术逐渐开始受到大众的关注。以机器学习和深度学习为代表的新一代人工智能技术的爆发，是该技术自1956年达特茅斯会议提出人工智能概念以来的第三次发展高潮，人工智能时代的大幕正在拉开，人工智能技术开始在越来越多的行业得到广泛和深入的应用。

　　在新闻出版行业，互联网正在从社交网络向智能网络发展。未来的互联网不再只是信息和人的网络，而是涵盖信息、人、产品和服务的智能网络。只有将虚拟现实、增强现实、算法推荐、机器新闻、新闻游戏、大数据等前沿技术置于人工智能和智能网络的背景下，才能对这些技术的影响有更深刻的认识和认识。新闻出版行业的前沿技术。帮助新闻出版行业更有效地掌握和使用这些技术。从这个角度来看，与其说人工智能技术是上述技术的聚合，不如说 不如将人工智能技术视为下一代新闻出版业的生态环境。人工智能技术不仅会改变新闻出版业价值链中的特定环节，还将重塑新闻出版业的整个业务流程，人工智能技术在新闻领域有着广泛的应用领域和想象空间出版业。

　　但是，人工智能技术的一个特点是，当一种人工智能技术被应用时，人们不再认为这种技术是人工智能。正如凯文·凯利所说，“人工智能的每一项成就都会将其重新归类为‘非人工智能’”。这一特点使人们很容易将一些应用型人工智能技术排除在人工智能之外，低估这些技术对新闻出版业的影响。基于此，本文将从人工智能技术在新闻出版行业内容生产、内容推送和读者交互三个方面的应用现状进行探讨，揭示人工智能技术环境下新闻出版业运营模式的创新，研究人工智能技术发展对新闻出版的影响。行业影响。

　　1、内容制作：智能编辑部

　　目前，人工智能技术已广泛应用于新闻出版行业的内容生产领域。人工智能技术正在改变内容生产模式和流程，编辑部正在从传统编辑部向智能化编辑部转变。

　　1.人工智能编辑

　　虽然当前人工智能技术还处于弱智能时期，人工智能在通用智能方面还不如人类智能，但人工智能技术可以帮助新闻出版机构从事一些特定的编辑工作。例如，德国Inkitt公司利用人工智能技术来规划图书选题。公司认为，传统出版社由编辑策划图书选题，图书编辑主观性更强。随着数字阅读的普及，数字出版商积累了大量的读者阅读数据。通过对读者阅读行为数据的分析和研究，了解读者的阅读行为和偏好，减少图书编辑的影响 个人因素，根据主题和内容做书。以及在表达风格上更符合读者需求的书籍。

　　2016年，《纽约时报》成立了以新闻编辑室为基础的人工智能研发中心StoryX。在特朗普就职典礼的报道中，StoryX利用人工智能技术对所有在场就座的人进行了标记，方便读者识别。坐着的人的身份。StoryX 负责人在接受尼曼新闻实验室采访时表示：“纽约时报不会建造无人驾驶的‘自动新闻编辑室’，但当我们认识到技术对改造新闻编辑室的重要性时，我们必须适应这种发展。” 2017年5月，纽约时报宣布取消2003年设立的公共编辑职位，取而代之的是评论版块，

　　2017年，美联社推出新闻编辑室人工智能用户手册。手册将人工智能技术下的新闻称为“增强新闻”，认为人工智能技术可以帮助记者完成最初的数据采集

和处理，让记者腾出时间进行更复杂的报道，并带动新类型产品的出现。新闻出版业。

　　但是基于 AI 的算法编辑可能会犯有经验的人类编辑很少犯的明显错误。例如，在Facebook取消了“热门话题”的内容管理团队后，页面上出现了一条关于希拉里竞选的假新闻，并获得了20万个赞。这个故事没有任何可验证的来源，人类编辑通常可以毫不费力地发现这类假新闻，但 Facebook 的算法未能发现它。

　　2. 机器写作技术

　　机器书写技术在*敏*感*词*得到广泛应用，书写机器人在速度和数量上都远超人类。2017年8月8日，九寨沟发生地震。中国地震台网发布了一则机器人写的新闻。新闻500多字，介绍了地震参数、震中地形、周边村镇、天气等信息。这份报告只用了 25 个小时。第二。

　　2016年3月，4部人工智能技术创作的小说参加日本“星新一文学奖”，1部小说通过专家初审。2017年，微软机器人小冰出版了诗集《阳光迷失了玻璃窗》，从小冰写的几万首诗中选出了139首。

　　2015年，腾讯率先采用Dream writer撰写财经报道。目前，Dream writer每天为腾讯财经和科技版块撰写2000多篇新闻文章，为体育版块撰写500多篇新闻文章。新华社“开笔小新”每天发布文章100篇左右，今日头条“小明机器人”在里约奥运会期间每天发布文章30多篇。2007年，美联社联​​合其他投资者成立了Automated Insights，一家从事机器新闻写作的公司。2013年平台产出新闻3亿篇，2014年产出新闻10亿篇。美联社使用Wordsmith平台撰写企业财报，每季度可撰写4000份财报，而手工编写每个季度只能完成300多份财务报告。2011年，Narrative Science推出了Quill平台，可以生成不同风格的报告。其创始人哈蒙德宣称，在 2000 年代中期之前，90% 的新闻内容都可以由计算机自动编写，机器新闻有望在几年后获得普利策新闻奖。

　　机器写作正在从强调数量和规模的1.0时代进入到强调质量和个性化的2.0时代。目前的机器写作可以快速生成大量标准化的例行报告，但报告的质量和个性化还存在不足。随着深度学习、自然语言处理、语义情感分析等技术的发展，机器编写的报告质量可以不断提高。此外，目前的技术是将相同的内容推送给所有感兴趣的读者，内容本身和表达方式缺乏个性化。进入机器写作2.0时代，新闻出版业需要根据不同读者的阅读习惯和品味，为读者制作具有不同表达风格和文本特点的内容。不仅内容要符合读者的需要，文风和表达方式也应该是极具个性的。一些外媒已经开始进行初步尝试。例如，《华盛顿邮报》使用的机器新闻写作工具Heliograf将人工智能与人类智能相结合。编辑选择一些特定的模板和关键词后，平台可以自动生成各种对应的表情。在报道美国总统大选时，Heliograf 可以生成具有分析和评论基调的报告。但是文风和表达方式也应该是很有个性的。一些外媒已经开始进行初步尝试。例如，《华盛顿邮报》使用的机器新闻写作工具Heliograf将人工智能与人类智能相结合。编辑选择一些特定的模板和关键词后，平台可以自动生成各种对应的表情。在报道美国总统大选时，Heliograf 可以生成具有分析和评论基调的报告。但是文风和表达方式也应该是很有个性的。一些外媒已经开始进行初步尝试。例如，《华盛顿邮报》使用的机器新闻写作工具Heliograf将人工智能与人类智能相结合。编辑选择一些特定的模板和关键词后，平台可以自动生成各种对应的表情。在报道美国总统大选时，Heliograf 可以生成具有分析和评论基调的报告。编辑选择一些特定的模板和关键词后，平台可以自动生成各种对应的表情。在报道美国总统大选时，Heliograf 可以生成具有分析和评论基调的报告。编辑选择一些特定的模板和关键词后，平台可以自动生成各种对应的表情。在报道美国总统大选时，Heliograf 可以生成具有分析和评论基调的报告。

　　3. 数据新闻与信息可视化

　　

" />

　　在数据新闻和信息可视化方面，人工智能技术也有很多应用。目前的数据新闻仍然需要大量的人力和时间投入。人工智能技术可以从海量数据形成的数据库中快速找到相关数据，并在极短的时间内生成可视化图表。2016 年，路透社与语义技术公司 Graphiq 合作，提供数据新闻和信息可视化服务。Graphiq拥有财经、体育、娱乐等领域的海量数据，在报道新闻时，可以利用人工智能技术抓取数据，生成与报道内容相匹配的可视化图表，增强报道的吸引力。比如在报道鳄鱼袭击人的新闻时，Graphiq可以从数据库中抓取相关历史数据，形成与报告内容密切相关的可视化图表，报告中的图片和图表可以实时更新。该公司副总裁罗森博格说：“在当今时代，平面设计师无疑将被取代。除了一些大型逼真的图表需要人操作外，其他处理不需要他们。”

　　4.文字语音转换

　　长期以来，文字与语音的转换是一项费时费力的工作。人工智能技术可以快速完成语音与文字的转换。2015年，科大讯飞推出了文字转语音技术平台，可以在5分钟内将一个小时的语音转换成文字，效率是人工转换的几十倍。科大讯飞开发的“讯飞听觉”还可以将语音转换成文字，然后自动生成字幕。

　　2016年，美联社开始使用人工智能技术将文本内容转换为音频广播。在此之前，美联社记者每周花费 800 小时将文本新闻转换为广播。美联社战略发展高级副总裁肯尼迪说：“这是记者的噩梦。想象一下，一位编辑竭尽全力炮制零散的信息，硬着头皮制作了 8 个不同版本的新闻稿。” 美联社 目标是到 2020 年自动转换 80% 的文本。美联社 2017 年的七大投资之一包括从印刷新闻到广播新闻的自动转换。

　　谷歌在2009年推出自动字幕加载服务，通过语音识别、深度学习网络等技术，谷歌英文字幕的准确率提高了50%，基本接近人工翻译的错误率水平。该技术已经为 YouTube 上的 10 亿部视频提供了自动字幕，涵盖英语、法语、德语、俄语等 10 种语言。

　　2、内容推送：趋势识别与个性化定制

　　基于大数据技术开发的算法推荐系统已广泛应用于内容推送服务中。今日头条、一点资讯等通过为用户提供个性化的信息服务，获得了巨大的市场份额。今日头条提出，“头条就是你关心的”。除了算法推荐，人工智能技术还可以帮助新闻出版业预测内容传播趋势和传播效果，为读者定制个性化的报道内容和报道风格。

　　1.传播趋势识别与效果预测

　　过去，编辑是根据经验来预测故事的发行趋势和效果。在社交媒体环境下，读者越来越多地参与到新闻的生产和消费中。读者对新闻的分享和消费也影响着新闻的传播趋势和效果。媒体需要更科学的工具来预测报道的传播趋势。和效果。《纽约时报》每天产生 300 多篇报道，记者和编辑无法凭经验预测哪些报道会在社交媒体上流行。纽约时报科学团队开发了内容趋势预测工具Blossomblot。该平台分析社交媒体上的大量文章，然后预测哪些内容更受欢迎，帮助编辑筛选出更多潜在新闻，并自动为新闻设计新闻。标题和标题。Blossomblot 筛选推荐文章的平均阅读量是人工推荐文章的 38 倍。

　　《华盛顿邮报》使用“病毒传播预言机”来预测报道的传播趋势。该工具可以实时监控报告。报告发表30分钟后，可以预测报告是否会达到病毒式传播的门槛，并反馈给编辑，编辑可以据此修改报道。然后，该工具会创建 24 小时故事流量统计图表，向编辑人员展示故事的传播和生命周期。华盛顿邮报每天将该工具应用于 300 多个故事。

　　美国科技博客Mashable开发的人工智能数据分析系统Velocity，每天可以分析3亿个网页链接的数据，根据用户在社交媒体上对事件的分享和讨论，识别流行趋势和预测病毒式内容，提供相关紧随其后的内容。速度还可以预测内容分发的饱和点。在达到饱和点之前，编辑部将停止跟进，将资源转向下一个热点内容。2016 年，Mashable 获得了时代华纳 1500 万美元的投资。

　　2. 报告内容和风格的个性化定制

　　目前的算法推荐技术主要是基于用户行为数据的统计分析。算法系统通过分析用户点击、浏览、转发、评论等行为，生成用户偏好数据，推送针对性内容。下一阶段的人工智能技术可以为不同的读者生成个性化的报告内容和报告风格。例如，利用人工智能技术，美联社可以在体育报道中为比赛双方的支持者提供不同的报道，并以不同的方式向*敏*感*词*观众进行转播。美联社还试图为不同的读者播放不同风格的音频。对于受教育程度较高的读者，

　　Crystal 是一款人工智能应用程序，可以帮助用户编写电子邮件。通过分析收件人的个人大数据（主要来自社交媒体数据和邮件数据），应用可以为作者推荐邮件的措辞和语气。例如，当应用认为收件人随和友善时，会建议写信人将书面表达换成更口语化的表达方式。Boomerang推出的人工智能插件可以帮助写信人撰写邮件，提高邮件质量。当作者写邮件时，插件会实时分析邮件内容，告知作者影响邮件质量的因素，并给出具体修改。在编写和修改电子邮件时，插件还会显示邮件是否及时得到对方的回复。这个插件可以增加邮件被及时回复的概率。新闻出版行业也可以利用这些工具分析读者写作的内容和表达方式，为读者定制个性化的内容表达方式。

　　算法推荐技术也有局限性。它将信息从公共产品转变为个性化商品。算法推荐系统只能根据用户当前接触到的信息来推荐相似的信息。随着时间的推移，网络两极分化的力量作用下，算法为用户制造了一个“信息茧房”，公共讨论空间的开放性和活力将大大降低。

　　3. 与读者的互动：聊天机器人和虚拟角色视频

　　人工智能技术可以促进新闻出版业与读者的互动。聊天机器人和虚拟人物视频是目前比较常见的应用。聊天机器人可以与读者“聊天”新闻，与读者互动采集

新闻，与人合作主持节目。利用人工智能技术制作人物虚拟形象，可以再现历史人物和各界名人。读者可以随时与自己关心的人物进行面对面的交流。该技术在新闻出版行业有着极其广阔的应用空间。

　　1. 聊天机器人

　　

" />

　　聊天机器人可以通过三种方式与读者互动：采集

内容、推送内容和主持节目。BuzzFeed 推出聊天机器人 BuzzBot 来采集

新闻。例如，在Facebook Messenger上，BuzzBot会与读者互动，询问读者是否关心在某个地方举行的会议，并要求读者选择一个表达自己感受的表情。如果读者在会场，BuzzBot会要求读者提供现场的视频或图片，后面的编辑会把读者提供的内容进行整理编辑，发布在页面上。“我们将聊天机器人视为我们新闻报道的补充，”BuzzFeed 主编史密斯说。

　　Quartz 以人机对话的形式与读者互动。不提供新闻标题和全文，仅摘录一小部分核心内容提供给读者。如果读者对Quartz推送的内容感兴趣，可以选择“了解更多”，Quartz会为读者推送更多信息。很多内容。英国大选期间，BBC 推出聊天机器人与读者互动。该应用程序除了向读者推送选举新闻外，还可以通过测试、问答、游戏等方式与读者互动。在测验中，读者需要回答一系列与选举和英国退欧相关的有趣问题。在游戏环节，读者通过游戏了解脱欧对英国社会的影响。

　　微软推出的机器人小冰，可以与主播共同主持节目。微软小冰在东方卫视主持《小冰摇》50多期。小冰在节目中配合主播，利用大数据分析讨论热点问题，与版主互动。小冰还担任东方卫视天气预报员，通过微信平台采访、汇总读者意见，累计访问量超过60万次。2017年4月，小冰开始与何炅共同主持湖南卫视《超级偶像》节目。

　　2.虚拟人物视频

　　虚拟人物视频是媒体对当事人进行深度采访后，综合运用多种人工智能技术，制作出具有一定思维能力的人物虚拟视频。读者可以围绕新闻事件与虚拟视频进行深入交流。虚拟人物视频可以让读者直接与当事人互动，了解他们感兴趣的内容。虚拟人物视频与虚拟现实技术相结合，可以丰富和加深读者对新闻的切身体验。即使新闻主角去世，虚拟人物视频依然可以继续与读者互动。此外，虚拟人物视频可以扩展到更广泛的历史人物和各行各业的名人群体。通过深度采访或搜集史料，制作历史人物、社会各界名人的虚拟人物视频。未来还可以利用虚拟现实技术和全息投影技术，创造出更加逼真的人物形象，读者可以全天候与虚拟人物形象展开对话。虚拟人物视频技术在新闻出版行业有着非常广阔的想象空间。读者可以全天候与虚拟人物形象展开对话。虚拟人物视频技术在新闻出版行业有着非常广阔的想象空间。读者可以全天候与虚拟人物形象展开对话。虚拟人物视频技术在新闻出版行业有着非常广阔的想象空间。

　　《中国日报》在新闻出版行业率先采用该技术制作虚拟人物视频。该报告重点关注*敏*感*词*的第一位变性人。*敏*感*词*是亚洲第一个承认变​​性人权利的国家。报道的主角是布米卡·什莱什·塔(Bhumika Shresh Ta)，他是第一个持有“第三性”护照的*敏*感*词*公民。《中国日报》记者赴*敏*感*词*对布米卡进行了长达20多天的视频采访，之后综合运用各种人工智能技术，打造出具有一定思维能力、说话流畅的布米卡虚拟人物视频。表达能力可以与读者进行实时互动，回答读者关心的各种问题。

　　四。结论

　　人工智能技术可分为弱人工智能、强人工智能和超智能三个阶段。目前还处于弱人工智能阶段。牛津大学的学者预测，到本世纪中叶，人工智能将达到人类智能的水平，具有很强的智能。并从强智能发展到超智能。很难预测新闻出版业在强人工智能和超智能阶段会是什么样子，但目前的人工智能还远没有达到人类智能的水平，更谈不上达到全面超越人类智能的超智能水平. 所以，

　　当前人工智能技术处于弱人工智能阶段，人类智能总体水平远超人工智能。弱人工智能阶段的特点是人机分工和人机协作，人类智能仍然占主导地位。正如控制论创始人维纳所说，“人有其用处”。在弱人工智能阶段，新闻出版业需要积极尝试和应用各种人工智能新技术，积极推动人工智能与人类智能的分工协作。在人工智能更擅长的数据处理和分析领域，充分发挥人工智能技术的优势，将记者编辑从这些活动中解放出来，让他们把更多的时间和精力投入到人类智能更擅长的领域。只有人工智能和人类智能“各有美”，人工智能和人类智能才能“共美”。

　　参考：

　　1.松尾丰。人工智能热潮：机器人会超越人类吗？[M]. 北京：机械工业出版社，2012：41．

　　2. 凯文·凯利。必然[M]．北京: 电子工业出版社, 2016: 49.

　　3.杨倩。《纽约时报》研发中心升级StoryX实验室，全速推进计算机视觉、人机交互、混合现实[EB/OL].

　　4.人工智能研究所。人工智能上任，《纽约时报》取消公共编辑职位[EB/OL].

　　5.于婷。美联社推出新闻编辑室“人工智能”用户手册[EB/OL]。

　　【作者单位为西安外国语大学国际传播学院。本文为2017年陕西省教育厅科研项目“一带一路背景下陕西中亚形象建设及对外传播战略研究”（2017JK0624）的研究成果】