從騰訊網(wǎng)改版看網(wǎng)頁(yè)設計個(gè)性化潮流
著(zhù)名傳媒原創(chuàng )媒介理論家麥克盧漢的“媒介即信息”理論,在現在科技驅動(dòng)媒體的時(shí)代得到了很好的印證。傳統的紙媒已經(jīng)“深受其害”,被以互聯(lián)網(wǎng)形式崛起的四大門(mén)戶(hù)虐得不輕。而現在以四大門(mén)戶(hù)為首的傳統網(wǎng)媒卻也在遭遇更新的以微博等微信為代表的媒介新形式的沖擊。不甘心就此淪落的傳統網(wǎng)媒開(kāi)始突圍,最近,騰訊網(wǎng)以用戶(hù)喜好驅動(dòng)新聞內容的改版就是對滿(mǎn)足用戶(hù)個(gè)性化需求的探索。只是,這種探索能否成功抵制住傳統網(wǎng)媒的衰落?本文作者告訴你答案。
當人們在談?wù)摷埫降奈C時(shí),哪會(huì )想到曾經(jīng)“領(lǐng)風(fēng)氣之先”的門(mén)戶(hù)網(wǎng)站、新聞網(wǎng)站也在面臨潛在的衰落。相比曾經(jīng)紅火的“微博”,正在紅火的“微信”,以及在移動(dòng)端異軍突起的“新聞客戶(hù)端”,網(wǎng)站上看新聞就如同在電視上追劇集,一樣“傳統”。
因此,現在已經(jīng)完全可以把門(mén)戶(hù)網(wǎng)站稱(chēng)作“傳統媒體”,雖然相比紙媒,他們還有一定的優(yōu)勢。但面對這個(gè)媒體巨變的時(shí)代,如果你不變,那么任何優(yōu)勢都難敵衰落的速度。
對于可能到來(lái)的衰落,網(wǎng)媒們“發(fā)現”了“個(gè)性化”這把鑰匙,而它從誕生之日起就不斷地被雕琢著(zhù)。近期,個(gè)性化的革新又一次得到體現。騰訊網(wǎng)5月15日再次“變臉”,這是騰訊網(wǎng)成立以來(lái)最大規模的一次改版,是從2012年延續至今的歷次改版中最被期待的一次。按照官方說(shuō)法,“改版以大數據為基礎,實(shí)現個(gè)性化首頁(yè),為用戶(hù)進(jìn)行個(gè)性化內容傳遞,從千人一面的騰訊網(wǎng)首頁(yè)變?yōu)榱饲饲娴膫(gè)性化首頁(yè)”。
網(wǎng)媒的壓力下為什么是騰訊?
在新的騰訊網(wǎng)首頁(yè),我們可以發(fā)現個(gè)性化的內容權重大大增加:首頁(yè)新聞區都完全按照用戶(hù)興趣給出了“個(gè)性化要聞”,對于影視內容的推薦也結合了用戶(hù)的觀(guān)影數據,再下面更多的資訊板塊中,用戶(hù)可以逐一自定義想看到的欄目。
對比之前改版的騰訊新聞,完全的瀑布流發(fā)稿,內容稀疏了,對稿件的質(zhì)量要求卻更高了,用戶(hù)體驗也好了。改變的不僅僅是“傻大粗”的內容結構,還包括對的用戶(hù)的理解:過(guò)去是我把全部新聞給你,你想看啥自己找,如今是我懂你對什么感興趣,我來(lái)幫你精挑細選。
敢于做出如此大挑戰的為什么是騰訊?“春江水暖鴨先知”,正是因為騰訊在移動(dòng)端的強勢,才讓它捕捉到了用戶(hù)需求的變化。恰恰由于騰訊在PC端和移動(dòng)端都擁有數量龐大的用戶(hù)數,用戶(hù)的一個(gè)細微變化,在騰訊就會(huì )被反映成一個(gè)個(gè)宏觀(guān)的數字。
去年10月底,網(wǎng)傳劉熾平在內部講話(huà)中透露:“騰訊網(wǎng)整體的閱讀文章量和整個(gè)用戶(hù)量在PC側有所下降,但移動(dòng)側在非常、非?斓卦鲩L(cháng),移動(dòng)端的UV超過(guò)了PC端的UV!倍R化騰看到的是:雖然,移動(dòng)端的商業(yè)模式尚未清晰,但用戶(hù)在移動(dòng)終端上消耗時(shí)長(cháng)的增加是PC端的好幾倍。
之后,透露出的消息是騰訊將不再增加對騰訊網(wǎng)PC側的人員和資金投入——無(wú)論是否屬實(shí),都可以看出騰訊網(wǎng)面對的壓力。據其內部人士介紹,本次騰訊網(wǎng)首頁(yè)改版正是肇始于去年11月份。
人員不宜增加,如此情形下能改變的只能依靠技術(shù)。好在騰訊龐大的用戶(hù)群每一天都在為騰訊創(chuàng )造著(zhù)海量的數據,QQ影音掌控用戶(hù)觀(guān)影習慣、QQ音樂(lè )了解用戶(hù)音樂(lè )口味,更不用說(shuō)QQ和微信掌握的海量數據。
剩下的事兒就交給大數據,傳統網(wǎng)站的編輯需要對版面做出嚴格的控制,從選稿開(kāi)始就要對版面的編排做出計劃。而利用大數據,版面的工作量會(huì )大幅減少,編輯甚至不知道他們選擇的這條稿件會(huì )出現在那個(gè)位置,因為每個(gè)人看到的都是不同的版式。由此省下的是人員成本,提高的是工作效率。
從目前騰訊網(wǎng)的改版來(lái)看,用一句話(huà)來(lái)概括的話(huà),那就是焦點(diǎn)區域增加了個(gè)性化的推薦,各欄目版塊可以自主訂閱。其實(shí)就騰訊目前的嘗試,仍停留在基礎的個(gè)性化方向,這和兩年前雅虎推出的個(gè)人化主頁(yè)還有著(zhù)相當大的差距。就騰訊網(wǎng)所謂的通過(guò)大數據而來(lái)的個(gè)性化推薦,數據質(zhì)量基本上還不可用,和今日頭條的根據用戶(hù)習慣的推薦相比,仍然差距很大。
個(gè)性化是“藥”并非人人能服?
傳統網(wǎng)站一直沿用的資訊欄目堆砌模式,源自互聯(lián)網(wǎng)早期用戶(hù)撥號上網(wǎng),流量精貴,能一次性看全內容,再點(diǎn)擊進(jìn)自己需要的內容,無(wú)疑是為用戶(hù)考慮,也贏(yíng)得了用戶(hù)。但時(shí)過(guò)境遷,如今流量已經(jīng)不是事兒了,還沿用這種“傻大粗黑”的堆砌模式,表露出的是傳統網(wǎng)站“只懂PC、不懂用戶(hù),服務(wù)單一,適應力弱”。
事實(shí)上,看看微博、微信的成功,傳統網(wǎng)站也明白個(gè)性化、社交化對于傳媒變革的重要性了,但是“個(gè)性化”這味藥,還真不是能適應所有的網(wǎng)站。
首先,“個(gè)性化”是藥,是藥就有副作用:一是人都是感性的動(dòng)物,興趣時(shí)刻隨心思而變化,機器跑出來(lái)的“大數據”,永遠無(wú)法感知我們當下需要的閱讀;二是太過(guò)機械的推薦會(huì )讓我們缺少對外的了解,只會(huì )讓我們越來(lái)越狹隘。
因此,這一次騰訊網(wǎng)在構建個(gè)性化頁(yè)面的時(shí)候,一定需要把人的因素權重加大。把大數據推薦節省下來(lái)的人力,拿去研究人的需求,研究人群對新聞資訊興趣的轉移上,掌握規律。反饋到騰訊網(wǎng)的頁(yè)面系統,讓它智能且更具人性。這或許是包括騰訊網(wǎng)在內的網(wǎng)媒,下階段要面對的挑戰。
其次,對于傳統網(wǎng)站來(lái)說(shuō),個(gè)性化真不是容易嘗試的。傳統網(wǎng)站不敢冒險做這樣的試驗,相比訪(fǎng)問(wèn)量第一的騰訊,其他網(wǎng)站每天的訪(fǎng)問(wèn)量考核都是壓力山大,疏散的頁(yè)面排版甚至瀑布流,直接減少的是稿件呈現數量,由此最直觀(guān)的變化一定是訪(fǎng)問(wèn)量丟失;這丟失的一塊需要靠個(gè)性化,千人千面的頁(yè)面來(lái)解決,因此技術(shù)支撐必不可少。
而最重要的就是這個(gè)技術(shù),一來(lái)要有海量的用戶(hù)數據,完整的用戶(hù)系統,且能全方位地掌握到用戶(hù)興趣;二來(lái)要有分析數據的能力,這個(gè)顯然不是有資金投入就可以解決的,而是需要長(cháng)期的數據積累和人才培養。
可見(jiàn),其他網(wǎng)站的改變需要另辟蹊徑。在2012年騰訊網(wǎng)掀起的這撥改版潮中,作為新聞網(wǎng)站的央視網(wǎng)也在其中。我曾在去年12月應邀參與了其改版體驗,他們采取了疏散的頁(yè)面排版,突出了自身內容上的特性,用自身內容的“個(gè)性化”去吸引網(wǎng)友。
從如今的Alexa數據看,央視網(wǎng)的改版也僅僅是抑制了用戶(hù)的下滑,讓用戶(hù)數回到了前期的水平。由此看來(lái),傳統網(wǎng)站的改變才剛剛開(kāi)始,沒(méi)有現成的道理可循,好在用戶(hù)還沒(méi)有離開(kāi)PC,我們還有探索的機會(huì )。
所謂個(gè)性化的內容,從另一個(gè)角度講,就是在信息冗余的情況下,通過(guò)用戶(hù)習慣的分析,給用戶(hù)進(jìn)行第一輪的信息篩選。以前網(wǎng)站通過(guò)編輯來(lái)實(shí)現信息的篩選工作,現在只是換成了計算而已。象傳統網(wǎng)站的編輯水平高低決定了網(wǎng)站內容的影響一樣,根據個(gè)人習慣進(jìn)行的大數據計算結果是否合適,決定性因素來(lái)自于數據模型。只是這應該是基于對用戶(hù)喜好的數據分析基礎上的,愿景固然好,但這涉及到較強的大數據分析能力,對用戶(hù)所需內容的能否精準化投遞,通過(guò)用戶(hù)的閱讀歷史,如何預測用戶(hù)未來(lái)閱讀趨向,也是值得探討的問(wèn)題。而從用戶(hù)角度而言,只是每天看到自己喜歡的東西,就會(huì )讓思維更加固化,也不利于對其他差異化內容的獲取,這個(gè)問(wèn)題怎么解決,也是需要考慮的問(wèn)題。



















