人工智能和機器學習如何滲透媒體行業的？在過去的幾年中，越來越多的客戶旅程數字化以及云技術和計算能力的指數級提高，已經邀請媒體集團重新考慮他們的業務方式。如果聽起來我在說“數字顛覆”時用了很長的話，請相信您的直覺。這些破壞中的許多都集中在數據媒體組可以訪問的山脈周圍，以及人工智能（AI）（更具體地說是機器學習）可以使用它做什么。確實，盡管人工智能已經被眾多純粹的參與者傳統參與者仍然落后，現在將技術視為急需的新增長的捷徑。

以下是舊警衛目前在全世界實施的用例的詳盡介紹。

　　1.創建過程優化

　　元數據創建/索引自動化

使用機器學習，人工智能既可以轉換數據，又可以使用圖像識別來自動創建所有類型的內容的元數據。通過允許使用更精細的條件進行搜索以獲得更精確的結果，內部和外部利益相關者都可以更輕松地發現內容。自動索引加快了新聞工作者的工作，促進了事實的核實，并使人們能夠專注于具有更高附加值的任務。數十家媒體公司已經在其整個運營過程中實施了這些解決方案。

　　文章撰寫和視頻創建自動化

我們還看到了工具的出現，這些工具可以自動撰寫具有低附加值的文章，從而使記者可以從事需要更多調查和更多專業知識的主題。

　　識別新興趨勢

第一個打破新聞故事的記者獲得了全部榮耀，故事就這樣了。因此，控制和預測信息的移動是至關重要的，但也要實時跟蹤其傳播以在競爭者中脫穎而出。為此，知名新聞社的研發團隊開發了News Tracer工具，該工具借助算法可以識別Twitter上的重大事件。該工具為這些事件分配一個“媒體分數”，從而使人們可以主要關注最重要的事件。新聞追蹤器還能夠對這些事件的真實性產生信心。

最后一點特別重要，因為它滿足了媒體期望的信息可靠性的最高要求。

　　事實核查

實際上，某些算法還可以幫助記者驗證社交網絡上發布的圖像和視頻的可靠性和準確性。

　　2.內容的分發，個性化和推薦

盡管上述機會確實會對媒體市場產生破壞性影響，但它們僅代表機器學習為媒體行業提供的機會的一小部分。盡管科幻小說愛好者急切期待內容創建的自動化，但AI的主要影響將是通過對內容進行改編并將其呈現給觀眾的過程。

當市場產生質量和吸引力變化很大的海洋時，有效的配對就是將這種質量轉換成適合每個最終消費者或最終消費者群體的一組價值主張。這種粒度可以通過幾種方式變化：

　　可能意味著在正確的位置顯示了正確的內容

以Buzzfeed及其400個分發渠道為例。使用人工智能將正確的內容放置在正確的位置將非常耗時，并且任何優化都將是非常不完善的。因此，該公司使用人工智能來告知商品傳播病毒的可能性，并在最適合擁有最大欣賞機會的公眾的渠道上推廣該病毒。這種可能性是產品，社交媒體，工程和數據科學團隊共同努力的產物，他們基于高性能內容的歷史數據開發了機器學習模型。

可能意味著在正確的時間正確的內容

死者復活。知名雜志Le Temps使用的一種機器學習解決方案，能夠通過使用Chartbeat（向全球出版商提供數據和分析數據）和Google Analytics（分析）中的數據進行交叉引用，從而確定該雜志的最佳文章。然后，該算法根據定性指標分配相關性得分，并建議重新發布并吸引新受眾的最佳時間。這給內容帶來了第二次生機，隨之而來的收入可以直接轉到底線。

　　這可能意味著適合適當人群的適當內容

Business Insider提供的內容比任何人閱讀或觀看的內容都要多。因此，借助初創公司Sailthru的解決方案，發布者已基于消費內容的歷史記錄創建了配置文件。根據他們的個人資料，可以在網站上和他們的電子郵件中為讀者提供合適的內容。這個投資它的讀者的分割，使商業內幕至60%，它的點擊率在通訊由150%提高其點擊率。此外，返回網站的流量增長了52%。

在此最重要的是要注意，此類工具通過提供與現有觀點相一致的內容，具有極大的力量來進一步分化我們的社會，并且不應輕易接受其在媒體中的使用。

它尚未表示合適的人的合適內容

一種算法可以根據上下文數據和客戶旅程做出決策，但幾乎無法理解每個客戶的偏好：好惡很少穩定，通常是高度上下文相關的。暫時，各種各樣的人類口味仍然使機器感到困惑。因此，目前，個人層面的任何個性化都必須由策展人協助。然而，許多這樣的角色只是推遲了看似不可避免的事情：根據相關機構的一項研究，將近四分之三（72%）的媒體參與者計劃積極嘗試AI以改善建議并提高生產效率。

　　3.營利

獲利是傳統媒體賴以生存的最重要手段之一，因此從客戶參與到廣告空間，這一領域的許多用例開始出現。

　　付費墻

許多主要出版物都以一種形式或另一種形式使用付費專區（收費系統（訪問權限僅限于付費訂閱該網站的用戶使用的一種系統））。閱讀有限數量的文章后，它通常以阻止內容的形式出現。人工智能在這里也提供了更動態，更不具有強制性的價值主張。

　　實時出價

我們可以想象，實時出價(RTB)在智能算法的支持下會找到新的維度，尤其是在供應商方面：機器學習算法可以優化申請人的選擇，管理數據傳輸的成本，提高績效的可視性，避免欺詐甚至檢查廣告的質量。但是，此類示例在當今市場上仍然非常罕見。

結論

人工智能將影響媒體價值鏈的各個環節，幫助內容創建者提高創造力，使內容發布者提高生產效率，并幫助消費者找到適合自己興趣的內容。

但是，人工智能只是業務優化策略連續性邏輯的一部分，因此，人工智能不應被視為一場革命。現在，這一事實可以最大程度地減少實施該技術的工作，更多人工智能的信息，請繼續關注中培偉業。