最近數(shù)月，興趣門戶一點資訊連續(xù)獲得來自鳳凰新媒體總計1450萬美元的兩度追加投資，這是繼今日頭條之后，又一款獲得資本青睞的獨立資訊類App產(chǎn)品。近日，一點資訊又推出新版本，搜索功能前置，強化搜索基因，引導用戶進行興趣表達。

至此，移動資訊平臺的幾大陣營也初現(xiàn)端倪，一邊是內(nèi)容超市，以門戶為代表，它們?nèi)砸越Y構化的新聞分類為慣性，輔以個性化的定制功能，希望解決資訊入口的問題，夾在中間的像今日頭條，主要提供最熱門的信息，同時也強調(diào)自己是推薦引擎、主打個性化。另一邊則是分發(fā)引擎，它們則建立在強技術和創(chuàng)新的產(chǎn)品理念之上，像一點資訊定位于興趣引擎，將搜索引擎和推薦引擎進行有機交融，為用戶提供更加長尾的信息。

機器與人工的博弈

今年七月，美聯(lián)社宣布啟用機器寫稿，但是機器能否比人工更加懂得人心——基于人的喜怒哀樂，識別人的愛恨情仇——這是相當有趣的一個實踐方法論。

門戶時代，編輯這一職業(yè)擁有最高話語權，其判斷標準來自流程、經(jīng)驗及其供奉媒體的價值觀，在大部分的公共議題，譬如經(jīng)歷世界杯、政治峰會等事件時，門戶的表現(xiàn)，是勝過大部分個性化媒體的，一個機智的專題，足以匯聚萬千流量。

然而，編輯畢竟依賴勞力堆砌，所以門戶模式通常只能抓大放小，在那些無暇關注的長尾區(qū)域，則必須由用戶主動尋找內(nèi)容，搜索引擎、RSS閱讀器、社交關注按鈕，都是技術驅(qū)動而成的解決方案。

也就是說，編輯服務于大多數(shù)用戶。但是伴隨著媒體的變化，用戶的注意力也隨之發(fā)生改變，在富媒體資訊的背景下，用戶注意力集中的時間越來越短暫。

統(tǒng)計顯示，用戶在每分鐘大約會切換36次應用，這意味著平均不到兩分鐘就會切換一次應用。這意味著傳統(tǒng)的PC門戶模式已經(jīng)無法滿足用戶，需要提供更加精準的內(nèi)容，以降低用戶的注意力成本。

而技術則服務于每一個的獨立用戶，把最合適的內(nèi)容，最高效地送到最需要的人手里，即所謂的“千人千面”。

在短暫的互聯(lián)網(wǎng)歷史上，關于編輯導向和技術導向在引領用戶獲取信息上孰優(yōu)孰劣的爭論，似乎從未休止。但是，編輯的能力進化，相對技術的日新月異，速度差異似乎就有些大了。

以往詬病的機器算法不夠“準確”，通常是受技術瓶頸限制——包括數(shù)據(jù)量、算法、用戶樣本、隱私條款等——所以，當個性化閱讀等同于打包新聞鏈接、僅僅依靠關鍵詞聯(lián)想來完成推送，用戶體驗自然難以維系。

一個典型場景是，用戶出于好奇，點擊瀏覽了某娛樂八卦的新聞，接下來的數(shù)日內(nèi)，他都會被判定為有著娛樂新聞的需求，產(chǎn)生大量的無效推送，此時，用戶的預期被徹底打亂，與其接受這樣混亂的“個性化”，還不如選擇結構化的門戶按圖索驥。

技術輸給編輯，是因為前者不具備后者的經(jīng)驗，但是，當技術也能夠通過學習來積累經(jīng)驗，事情是否會不一樣？

以Amazon久負盛名的推薦系統(tǒng)為例，其算法被稱為“Item-based”，簡單來講，它會保持連續(xù)性的追蹤用戶行為，并將用戶與用戶之間的“鄰里關系”也考慮進來（參考有著相似興趣的用戶行為），經(jīng)過一系列的加權計算——即對用戶已經(jīng)有了相當程度的熟悉和了解——之后，才做出符合邏輯的推薦。

當然，和人相比，機器無法判斷哪些消息能夠突然躥紅，哪些人和故事能夠打動人，涉及到復雜的情感的東西，人的作用是不可替代的。機器能夠?qū)⒛男┤唛L復雜的機械工作快速完成，而優(yōu)質(zhì)的內(nèi)容還是需要人的把控。

平臺與內(nèi)容的合作

隨著用戶的時間更加碎片化，已經(jīng)覆蓋到除睡眠以外的所有時間，其實用戶已經(jīng)不僅僅滿足于那些熱門資訊，在切分開的不同時段里，他們也需要更長尾的內(nèi)容、有深度的解讀。

基于這種興趣引擎的發(fā)展，我們是不是可以展望，在未來建立這樣一個媒體生態(tài)圈，編輯和技術不是對立而是互補。比如說發(fā)現(xiàn)了用戶喜歡什么頻道、喜歡什么樣的內(nèi)容，這些編輯或者在這一領域非常擅長的自媒體、UGC就來創(chuàng)造一些優(yōu)質(zhì)的、有價值的內(nèi)容，滿足用戶，讓用戶在這里面走得更深入。

而媒體也不用一味的追逐熱門的、娛樂的內(nèi)容，形成這樣一種機制，讓市場引導媒體，回歸到他們本來的業(yè)務，制造更多有深度、長尾的信息，然后利用一點資訊這樣分發(fā)平臺送到最需要這些信息的人手里。

一點資訊的創(chuàng)始人鄭朝暉及其所帶領的技術團隊，有著深厚的搜索引擎和推薦引擎的履歷背景，鄭朝暉對一點資訊的引擎模式有過透露：“我們會根據(jù)用戶的行為不斷進化，為單個用戶匹配資訊，進行智能拓展，這和傳統(tǒng)的搜索引擎也不同，你今天搜一個詞，明天搜一個詞是不一樣的，搜索會更加低頻化、高質(zhì)量。”

目前，一點資訊有超過100萬個精選興趣頻道，能夠真正滿足用戶的長尾興趣需求。每個用戶都可以單獨創(chuàng)建興趣關鍵詞，比如看過《星際穿越》之后，就有“蟲洞”這一關鍵詞被創(chuàng)建成了頻道——顯然，立足于新聞的媒體及其編輯很難實現(xiàn)這樣細密的內(nèi)容切口。

總的來講，編輯推薦和機器算法是移動新聞客戶端產(chǎn)品對于用戶需求的不同實現(xiàn)，前者讓用戶接受熱點，是完全被動的，后者讓用戶發(fā)現(xiàn)新鮮，更加主動，這條分水嶺，就構成了未來移動資訊入口的兩種路徑。誰能夠抓住用戶有限的注意力，提供更加符合需求的內(nèi)容，大概會決定誰能成為下一代領先的資訊平臺。