編集、アルゴリズム、ソーシャルメディア、コンテンツ配信の3つの部分に分かれていますか？

まず私の個人的な結論を述べさせてください。編集（集中型の人間主導）配信、アルゴリズム（機械主導）配信、ソーシャル（個別的な人間主導）配信には、それぞれ独自の利点があります。コンテンツ配信サービスは、配信が到達できる長期的なビジョンを追求しています。ビジョンを達成するためには、「剣派」と「気派」の競争ではなく、配信の種類ごとに、より適切なアプリケーションシナリオを模索する必要があります。

このセクションでは、各配信方法が適しているシナリオと、コンテンツ配信システムでのその応用について説明します。

編集による配信とアルゴリズムによる配信

紙の新聞や雑誌からラジオやテレビ、そしてポータルサイトへと、情報発信の担い手は変化してきたものの、コンテンツ発信は中央集権的な流通を保っており、表示スペースは限られ、画一的な状態が続いており、情報発信の決定権は常に編集者の手に握られてきました。

編集配信の利点は、専門的な背景知識を活用して、膨大なコンテンツをフィルタリングし、限られた表示場所に選別できることです。選別されたコンテンツの平均品質は比較的高いです。しかし、専門家の判断による逸脱は必ず起こる。「批評的には成功しているが商業的には成功していない」という状況や、個別の編集上の逸脱を減らすために、コンテンツ配信者も対応する戦略を打ち出している。例えば、従来の紙媒体では編集委員会による投票制度があり、複数の人がテーマ選びを審査します。ポータルサイトでも、ホームページにコンテンツを時間差で掲載したり、一定期間内にクリック率が基準を満たさない場合は自動的に棚から削除するなどの対策が取られています。

機械による推奨アルゴリズムに基づく配信システムを導入し、各ディスプレイを各個人に合わせてカスタマイズする効果を実現しながら、ディスプレイスロット数を大幅に拡大しました。上映枠数に対して審査員の人員が不足している場合、編集者はどのような役割を果たすのでしょうか？

まず第一に、人間と機械は決して対立するものではない。そうでなければ、 Toutiao はメディアのバックグラウンドを持つこれほど多くのベテラン実務家を引き付けることはなかっただろう。 私と私の同僚は、武大（当時、今日頭条の運営責任者）を何度も心から称賛したことがあります。「私たちの運営チームは、豪華でハイエンドな文化人で構成されています。武大先生と話をするときは、辞書を持っていかなければなりませんorz。」

編集者は、推奨システムがコンテンツをよりよく理解できるように支援するだけでなく、私たちがコンテンツの背後にいるクリエイターをよりよく理解できるようにも支援します。

コンテンツ レベルでは、編集チームとレビュー チームは、どのようなコンテンツが低品質であり、システムに含めたり推奨したりすべきではないかを判断できます。編集およびレビュー評価チームは、コンテンツ推奨システムの門番のような存在です。彼らは、問題のあるコンテンツには「NO」と言い、低品質のコンテンツの背後にいる数字メーカーにも「NO」と言います。

Facebook は最大の情報およびソーシャル配信プラットフォームとして、事実確認や低品質のコンテンツ管理のために手作業による編集とレビュー作業に大きく依存しています。

2016年12月16日、Facebookは、ユーザーから報告された過剰な情報を機関ジャーナリストに提供して判断を求めるファクトチェックの仕組みを導入した。ジャーナリストがコンテンツがフェイクニュースであると判断した場合、それは物議を醸すものとしてマークされます。一方では、フロントエンドページでコンテンツが真実ではない可能性があることをユーザーに通知し、他方では配信の観点から制御されます。

2017年5月、ザッカーバーグ氏はFacebookがさらに3,000人のコンテンツレビュアーを雇用し、今回の採用により総数は7,500人になるだろうと投稿した。検閲は、小児性愛、身体の露出、人種的憎悪など、ソーシャルメディア上の不適切なコンテンツをフィルタリングします。

編集者は、特定のコンテンツに対して「NO と言う」だけでなく、「Yes と言う」ことも推奨します。

プッシュ シナリオを例にとると、強力な中断シナリオとして、プッシュされたコンテンツは、ユーザーを中断する価値があるかどうかを慎重に選別する必要があります。ニュース クライアントでは、常に「速報ニュース」の選別を重視しています。重要なニュースが発生すると、編集者は 24 時間体制で真偽を確認し、プッシュ範囲とプッシュ レベルを決定して、ユーザーの注目に値するコンテンツを見逃さないようにし、ユーザーが最新のニュースをより正確かつ迅速に入手できるようにする必要があります。このプロセスでは、ソーシャルメディアの追跡、主要なウェブサイト（気象局、運輸局など）のリリースの追跡など、テクノロジーを活用してニュース候補セットをより迅速に構築できますが、最終決定を下すのは人間です。

もちろん、システムの拡張性と有効性を確保するために、コンテンツの重みを調整したり、表示音量に介入したりするなど、日常的な推奨事項に人間が直接介入することは避けたいと考えています。しかし、直接介入しないということは、不在を意味するわけではありません。編集者は常に「是正」の役割を果たしています。主観的に良いと思うコンテンツが必要な数の推薦を受けていないと感じたり、主観的に悪いと思うコンテンツがあまりにも多くの推薦を受けていると感じたりした場合は、製品や技術に関するフィードバックを行います。この場合、製品、技術、編集（コンテンツ運用）が集まって、まずこれが問題であるかどうか、もしそうなら、頻繁に起こる問題であるかどうか、解決すべきかどうか、優先順位は何かなどについて話し合います。次に、より体系的な解決策を探り、この問題ではなく、この種の問題をより体系的に解決できるようにします。

クリエイターシステムレベル。私たちは製品を作るときにユーザーの視点を持つ必要があるとよく言います。プラットフォームとして、何億人ものユーザーと向き合うと同時に、何万人もの著者とも向き合うことになります。著者はコンテンツ配信システムのユーザーでもあります。編集者はクリエイターの状況をより深く理解し、クリエイターとその作品のスポークスマンとなり、システムの反復に影響を与えるようになります。同時に、プラットフォームのルールをクリエイターにとってより理解しやすい方法で伝えることもできるため、さまざまな段階のクリエイターがプラットフォーム上でより良く成長するのに役立ちます。

ちなみに、武大先生の机の上に「Pythonデータ分析」という本がありました。教養のある人はテクノロジーを理解しているので、誰も彼らを止めることはできません、笑。

ソーシャル配信とアルゴリズム配信

Facebook、Weibo、 WeChatがより多くのユーザーをカバーするにつれて、コンテンツの配信は徐々に分散化され、誰もがコンテンツを作成して独自のメディアに成長できるようになり、誰もがソーシャル関係を通じてコメントや転送を通じてコン​​テンツを広めることができるようになりました。情報発信の権利は、従来のエリート編集者から一般の読者へと移譲され、誰もが編集者となり、コンテンツ配信の中心となるようになったのです。

ソーシャルディストリビューションにより、情報の伝達が初めて「人によって異なる」ものになりました。各ユーザーはパーソナライズされたコンテンツを消費します。 2010年にはFacebookのホームページ訪問数がGoogleの訪問数を上回り、「ソーシャル配信」が主流の配信方法となった。ピュー研究所の以前の調査によると、アメリカ人の成人の62%がソーシャルメディアを通じてニュースを入手し、18%がソーシャルメディアに大きく依存しており、44%がFacebookを通じてニュースを読んでいる。

もちろん、社会的分配は新たな問題ももたらします。

一方では、安定期に入ってから、トラフィックにおいて新たな独占が出現した。一部の大手Vは、多数のファンを持ち、高い投稿頻度を維持しているため、実際にプラットフォームのトラフィック分配権をコントロールしているのだ。例えば、WeiboのトラフィックのほとんどはマーケティングアカウントとビッグVによって占められており、新しいコンテンツ制作者がトラフィックを獲得するためのコストは大幅に増加しています。

一方、ソーシャル関係の継続的な拡大に伴い、WeiboとWeChatはオンライン名刺となり、ユーザーはより多くの情報源に注目するようになり、ソーシャル配信に基づくコンテンツの質は徐々に低下しました。友人間での健康関連記事、マイクロビジネス、ベビーシェアリングが人気を集めていることがその最たる例です。

ソーシャル配信は人々を情報不足から救いますが、情報過多の問題ももたらします。 Facebook は、ユーザーの情報消費体験を最適化するために、自社のニュースフィードに並べ替えのアルゴリズムを初めて適用しました。

Facebook 独自のソート方法は、エッジランクアルゴリズムと呼ばれます。

アルゴリズムの核となる計算式は、 E = uwd: です。

• u: ユーザーとコンテンツ パブリッシャー間の親密度スコア。インタラクションが高ければ高いほど、関係スコアも高くなります。
• w: 表示、コメント、いいねなど、さまざまなフィードバックアクションには異なる重みがあります。たとえば、コメントアクションの重みは「いいね」よりも大幅に高くなります。
• d: 時間ベースの減衰、新しいコンテンツほど重みが高くなります

上記の式から、親密性とアクションの導入により、大きな V やマーケティング アカウントが画面に溢れる状況が大幅に抑制されたことがわかりにくくありません。これまでは、企業アカウントがファンを獲得すると、安定した広告スペースを獲得したことと同等となり、ほぼコストゼロでファンの情報フローに新しい広告がすべて表示されていました。しかし、その後は交流のないファンはページ上の数字として残るだけとなり、企業アカウントもファン層を維持するための努力をしなければなりません。

その後、Facebookは機械学習を通じてソートアルゴリズムの改善に取り組み、元々のEdgeRankの3要素に加え、Story Bump （ユーザーが見逃した情報をシステムが2次的に判断し、重要と判断された場合は時系列を飛ばして先頭に表示する）、Last Actor（ユーザーが最近頻繁に交流した50人に基づいて情報ソートの重みを調整し、短期的な関心の影響を増幅する）など、新しい機能やソート方法を追加し続けた。

偶然にも、中国では、Weibo が徐々にトラフィックがインフルエンサーやマーケティング アカウントによって人質に取られている問題を認識し、情報フローに推奨アルゴリズムをますます適用し始め、画面のスワイプや広告の増殖などの問題を制御し、ユーザー エクスペリエンスを最適化するために、従来の時間ソートをインテリジェント ソートに調整しました。 WeChat Momentsの配信に注目していれば、過剰に拡散されている疑いのあるコンテンツ（小規模ビジネスの広告、転送、いいねの収集）がWeChatによってフィルタリングされていることに気付くでしょう。

Weibo と Facebook は、フォローアップ関係をスクリーニング要素として使用し、ユーザーのクリックとコメントの行動を重み付け要素として使用し、「フォローアップ関係出力コンテンツ」の候補セットに対してアルゴリズムによるソートを実行します。それに比べて、Toutiao は重み付け係数として注目関係も弱めており、それによって候補セットの範囲が広がり（ユーザーは Toutiao 上のすべての Toutiao アカウントをフォローするのと同等）、これに基づくソートはマッチングの効率性を高め、スケーラビリティを向上させることができます。

アルゴリズムによる配布の終わりとは何でしょうか?

ある観点から見ると、アルゴリズム分散は究極のソリューションと言えるかもしれません。

なぜそう言うのでしょうか?推奨アルゴリズムはバスケットなので、何でも入れることができます。これは、現実世界に対する私たちの理解の抽象化とモデル化に基づいており、私たちが気にするすべての要素（編集分布、ソーシャル分布）をアルゴリズムによる推奨の参照要素に変換できます。

この問題を単純化し、推奨要因を編集要因、社会的要因、モデル要因の 3 つの部分に集約すると、システム内のコンテンツのスコアは次の式で表すことができます。

コンテンツスコア = a 編集要因 + b ソーシャル要因 + c* モデル要因

a、b、c はそれぞれ 3 つの要因の重みです。ある要素の重みを 1 にリセットし、他の要素の重みを 0 にリセットすると、アルゴリズムによる配布は編集による配布やソーシャル配布と同等になります。

さまざまな重みの調整は、プラットフォームの価値指向によって完全に決定されます。 FaceBookを例にとると、実際の友人からの生活記録コンテンツの方が重要だと考えています。配信の過程で、実際の友人からの生活記録コンテンツの重みを強化し、彼らが転送したコンテンツの重みを弱め、メディアが発表したコンテンツの重みをさらに弱めるなどします。

実際、私たちがよく知っているあらゆる種類のコンテンツ配信製品は、その出発点に関係なく、集中型の編集指導と介入に依存し、分散型のユーザー制作と配信に依存し、機械学習を適用して効率を向上させるなど、多要素統合の道を歩み始めています。また、新バージョンのWeiboでは、フォロー中のチャンネルの隣に人気チャンネルを配置し、購読関係に依存しないコンテンツ推奨サービスを提供している。WeChatも「Take a Look」という実験室機能を開始した。

気派と剣派の戦いに夢中になっている観客は、さっさと解散したほうがいい。