騰訊企鵝媒體平台負責人雷明

人民網深圳8月21日電（記者 燕帥）由人民日報社與中共深圳市委、深圳市政府聯合主辦的2016媒體融合發展論壇技術分論壇在深圳舉行，騰訊企鵝媒體平台負責人雷明發表題為“騰訊優勢技術和網絡媒體業務的融合之道”的演講。

以下是騰訊企鵝媒體平台負責人雷明演講全文：

大家下午好！

我這個裝扮，剛剛同事跟我說，你有沒有有領的襯衣，我說我好久沒有准備這種東西了。像我們這種典型的技術人員，這種裝扮也是我們平時在企業裡面最日常的裝扮。

剛剛聽到財新網黃老師說，數據都在“BAT”裡面，這個確實是實話，尤其是閱讀行為的數據，確切來說都在“T”裡面，在這個論壇之前我跟陳川老師做了交流，陳川老師也說現在對於傳統媒體，最大的優勢是內容生產和原創能力。對於互聯網來說最大優勢是內容分發渠道和用戶理解能力。所以說兩邊應該有非常多，各方面不管是內容上還是技術上合作的地方。

今天我也借這個機會，給各位一起分享一下，我們騰訊媒體業務，在和串通媒體融合的一些點。

信息技術持續在變革，信息技術的變革一直會影響著信息傳播的方式。最早期信息的傳播，更多是靠形體語言，其實這種傳播方式，現在在生物裡面也會有很多體現。大家如果讀過KK的《失控》，他會講到蜜蜂會通過群體翅膀的抖動，和一些轉動來傳播他們群體的信息。隨著人類技術的發展，象形文字和文字的出現，讓信息傳播更加便利，同時信息的可復制性還有信息的一些傳播的成本，還有它的延續性和生命周期也大大提升了。但是這個時候會有一個很大的問題，當時的信息載體，比如說甲骨或者絲泊、紙張成本非常高。

而進入現代，報紙、電視、廣播這樣的載體，成本快速下降，所以導致信息產業和媒體產業快速成長。而進入到互聯網領域之后，信息更是零成本復制。而這種復制的方式，也導致網絡媒體快速星期快速成熟。但是我們看，無論是信息技術怎麼變革，媒體產業如何變革，離不開一個內容，信息內容本身始終為王。同時我們還發現，用戶閱讀信息的渠道不同的時候，用戶對於整個閱讀行為也是不一樣的，尤其在社交場景下，用戶更願意表達自己的感受，而且特別願意去讓信息能夠理解自己。其實這兩個點，是在不同閱讀場景下一個特別大的變化。

而騰訊媒體業務，擁有中國目前，最優秀或者說最大的用戶觸達渠道。我們擁有騰訊新聞，是目前中國最領先的資訊APP產品，還有我們最近打造的天天快報，是另外一個基於興趣閱讀的產品，以及我們傳統的門戶像騰訊網，還有在社交媒體渠道微信上的新聞插件。其實這些載體，很多朋友就會關注，你們騰訊作為一個網絡媒體，你並不能生產內容，你如何去保証你的這些內容，能夠第一時間快速的觸達給廣大的網友？同時用戶在不同場景下，閱讀興趣是不一樣的，騰訊如何做到以最高效的方式把用戶最關注的內容推送給用戶？

這個是我今天跟大家具體分享的，騰訊的一些做法，希望能跟整個媒體融合的論壇，給大家有一些借鑒意義。

我們先回歸到信息和內容本身傳播方式，信息從內容生產方生產內容，到內容發現和聚合，到內容分發，有三個大的環節。在內容生產方，目前主要的內容生產者，更多是出去媒體，包括人民網、人民日報、新華。另外是一些地方的政務機構，還有一些PGC和UGC平台，或者個人做內容生產。內容生產完成之后，內容會通過類似於像騰訊這樣的一些網絡媒體渠道，或者其他的渠道進行聚合，並且進行內容的分發。

“內容的分發”會有幾種不同形態，最早是傳統門戶形態，傳統門戶更多是目錄結構，大家說：“什麼叫目錄結構”？，目錄結構就像數據一層一層，新聞下有國際新聞、國內新聞、社會新聞，財經下有A股、港股、理財、上市公司，這是傳統目錄式。

社交場景下有典型的訂閱方式，你喜歡我訂閱我，最典型的是微信訂閱號和微博大V。另外一個分發方式是基於用戶興趣和及其學習的推薦分發。這三種分發方式組成目前最主流的內容分發渠道。

騰訊在這三個領域分別做了哪樣的解決方案，解決這樣的一些痛點，包括內容生產、內容發現、分發的痛點。

首先內容發現領域，因為從內容產生之后，我們騰訊是沒有生產能力的，我們最主要是怎麼樣快速聚合內容，怎麼樣快速發現內容。這裡我們內部打造了一個很強大的內部監控體系，幫助編輯團隊發現內容。整個體系包括四個大的緯度，從數據採集到數據互通，再就是對輿情監控，以及熱點事件的趨勢預測上。

在信息採集領域，我們目前採集了目前已知所有各大內容提供方所有內容來源，包括資訊APP，微信、微博上的大V，外媒、通訊社，核心的報紙、周刊、機構、政務，包括線人渠道和自媒體，這是我們整合最全的內容形態，每天大概有40萬篇以上的內容會採集到這個平台上，內容採集后這時候最大的難題是怎麼樣把最優質的內容篩選出來提供給採編團隊分發？這個時候基於我們自己，會有自己的機器學習技術，把重要的內容，去篩選、排重，根據媒體本身的權威性根據媒體本身內容報道緯度，我們會對機器進行排重學習，同時會有採編團隊幫助我們標記整個內容的標簽，用戶的標簽，保証內容被機器能識別出來。其實機器是不懂人的，必須要有人告訴他，什麼是好內容，什麼是不好的內容，機器是無法判斷這個東西的，你隻有通過人告訴他，什麼是好什麼是不好，機器才能去持續的自主學習。

同時當內容被機器學習和分析出來之后，我們整合整個內部的復雜的分發渠道，讓內容第一時間能夠觸達到值班編輯以及最終用戶。然后當事情發生之后，其實最關注的是事情持續的進展以及輿情的變化，所以我們也打造了整個輿情的監控。還有是當一個事情發生之后，更多人關注的是下一個事情在到來的時候，我能不能提前知道，會不會火起來？這個是非常多關注的點，所以基於趨勢的預測，也是我們在平台裡面，主要打造的能力。

這個平台最終我們內容做到，在全球各種形態內容源，能夠在10分鐘之內保証內容被我們監控和抓取到，同時也可以預警給採編團隊，去把內容推給最終用戶，我們打造了一個內容監控體系。

另外，在大事件發生的時候，我們會發現整個採編體系會有一個非常大的痛點，當一個事情發生之后，用戶往往關注的並不是事情本身，他關注的更多的是事情，以及事情的周邊內容，不只是說這個事情是什麼樣的，人都有八卦心理，他也許把一些其他東西或者相關領域，但是正常傳統組織結構裡面，更多是以本身垂直領域的結構在劃分，比如新聞同事做新聞，娛樂同事做娛樂，財經同事做財經，在大事件發生之后，其實最典型的是馬航事件，關注的並不僅僅是飛機墜落事件，更關注的是對旅游、財經，各個體系的影響。各個團隊之間，怎麼樣互相協調？是當時我們遇到一個非常大的難點，基於這個難點，我們解決方案是打造一個多屏互動的體系，當事情發生之后，我們希望一個信息流，能通過不同的端，不同的渠道去觸達給需要觸達的人，讓他在任何地方能夠去審批，能夠去保証信息發布的及時性。這裡面“端”包括電視端，手機流和PC流，傳統值班編輯更多是在PC流做，有一些需要審批的可能是在手機上進行更多操作。同時當一些大事件全景緯度，我們希望通過電視呈現整個事情的全景緯度，這個是大事件發生的時候我們的解決思路。

剛才講完了內容監控和內容發現領域我們的解決思路，在內容生產領域，我們的解決思路是這樣的。因為網絡媒體沒有內容生產能力，我們希望更多和我們傳統媒體，和機構做好合作，包括人民日報這樣大的媒體集團，我們希望更好跟這樣的機構做好合作。我們希望把我們的能力和我們的渠道，都開放給傳統媒體和我們的政務機構，讓這些最優質的信息，能夠第一時間通過騰訊的渠道觸達給廣大網游。

這裡我們提供了包括RSS同步解決方案，包括媒體倒流，因為傳統媒體更關注的是流量和盈利模式。

另外直播領域，我們希望把我們的直播能力開放給傳統媒體。因為傳統媒體在大事件的現場直播上，是有先天性的優勢，這個是我們網絡媒體確實不具備，也很難去做太多的革命的。這個時候就需要我們傳統媒體的內容，來幫助整個網絡媒體，更好的內容分發。所以直播的能力，我們希望更好的去開放給傳統媒體。

還有一個方面是“本地化的內容”，本地化的內容是最貼近用戶實際需求，最貼近用戶的關注點。所以說本地內容，我們也是希望把本地內容的能力開放給傳統媒體，包括把我們推送的渠道開放出去，讓這些能力幫助更多傳統媒體，做好內容的下發。

剛剛說完的是內容分發模式，另外一個是大家之前一直提到的大數據的學習模式，大數據的學習，其實主要會分成兩個大的緯度。第一個是用戶畫像，第二個是推薦算法。用戶畫像，騰訊我們怎麼做的？在用戶畫像裡面首先第一個，我們融合了整個QQ和微信，他們兩個應該是作為“國民帳號體系”，基本上每個人都有QQ號或者微信號。這個是作為我們對用戶識別，用戶畫像的一個最基礎的能力。另外一個用戶在整個騰訊體系下的內容，以及它的標簽。包括它在社交場景，資訊場景，電商場景，以及閱讀普通的生活服務的場景，這種標簽的採集能力，我們會把用戶的登陸行為，以及用戶的閱讀行為，各種生活操作行為，都採集起來，這是我們用戶畫像的第一步，對畫像和用戶登陸行為的採集。

用戶行為採集之后，我們更多的是希望整個用戶的畫像不單單只是一個畫像，我們希望把它識別成一個真正的人。人看人和機器看人是不一樣的，機器看人是結構化的，結構化的意思是說，因為機器是一個數據庫，每個人都有具體的標簽、行為，閱讀行為是什麼，年齡標簽是什麼？你的閱讀場景是什麼？

所以針對用戶的興趣，用戶屬性和用戶的場景，三個大的緯度，我們分別去做了，對用戶興趣的採集和標准化，這裡包括用戶的閱讀興趣，用戶互動興趣。

分享讓更多人看到