财经新闻机器参与在赛博格时代的价值重塑与发展方向

文/袁秋雨

引言

在人工智能、大数据、物联网等技术推动下，智能化机器正在逐渐全面进入财经新闻信息采集、信息加工与信息分发、传播反馈等各个环节，这不仅重新定义媒介融合的含义，也带来财经新闻内容产业价值的新革命。

1.“万物皆媒”的大数据源

考虑到快速轻阅读的特征与财经新闻偏重数据来显示专业性的矛盾，使数据量的阈值成为财经新闻在新媒体领域的一个重要研究对象。本文考察财经新闻不同数据量阈值与传播效果的影响。考虑到不同公众号之间在看量受不同因素影响差异较大，故选取财经新闻领域较有代表性的公众号“钱眼”，相关检验结果如表1。本文抽取69个样本，按数据量从低到高等距分为3组，分别是0-12、13-34、34以上。运用皮尔逊相关性，对5组样本与在看量的相关性进行分析。除了日期的数字，其他数据均算入统计量，但表示相同意思的同数据多次出现则按一次计算。数据量的获取通过建立筛选规则，由Python抓取，人工核对。

分析结果显示，在0-12个数据之间，数据量与在看量皮尔森相关系数为0.414，呈中等程度正相关。在13-34个数据之间，数据量与在看量皮尔森相关系数为-0.195，呈弱负相关。在34个数据量以上，皮尔森系数为0.616，数据量与在看量呈强相关。总体通过显著性检验（＜0.05）。

分析结果证明，数据量与财经新闻传播效果呈“微笑曲线”正相关。在0-12个数据量范围内，财经新闻以适应快速轻阅读的少量数据为特征与财经新闻传播效果相关。在34个以上数据量范围内，财经新闻以其倚重数据的专业性与传播效果强相关。

表1 数据量与传播效果的相关性分析

传统人工数据采集往往面临精度误差、处理延迟和主观偏向的问题。机器在数据处理上的精准度和感情上的中立性在某些报道上比人工报道更能保证新闻的可信度。赛博格“万物皆媒”的时代，机器写作能把记者从枯燥而耗时巨大的基础编辑工作中解放出来，是机器新闻写作对新闻生产的数据解放的时代。

首先，“万物皆媒”将带来数据采集与加工的自动化，丰富财经新闻的数据源。在物联网等技术的支持下，机器可以自动从其监测的对象那里进行信息采集，为报道提供更广泛的数据来源。这既包括自然与与社会环境信息，也包括人的动态行为数据。与以往仅靠人进行的信息采集相比，机器进行的信息采集可以达及人不能到达的领域，延伸到过去人的感官不能触及的信息维度，也可以实现全天候不间断监测。此外，机器采集的大数据也比传统的问卷调查更为客观。例如，基于社会化媒体数据的分析，是以人们自发的信息与情绪披露为基础的，尽管这些信息与情绪未必百分之百真实，但是，相对人们被动接受调查的情形，机器对于社会化媒体数据监测往往更能反映受众的状态与意愿。

其次，赛博格丰富的数据源将为财经新闻记者带来选题源泉和增强预测未来趋势的能力。一方面，丰富的数据源让记者站在数据的肩膀上获得“精确制导”能力。机器能够对数据进行结构化的呈现与分析，为新闻记者提供了看待问题的全新视角。机器能够将那些单看起来可能意义不大，但连接起来又很有意义的信息挖掘出来，这种形式的信息呈现无疑具有一种更加宏观的视角, 更加符合互联网“连接产生意义”的本质。另一方面，对于趋势的预测，也是大数据技术的价值所在。机器数据分析有可能将那些隐藏着的人类行为与社会的变化之间深层关联揭示出来，为新闻选题的发现、新闻关键要素的揭示、规律与趋势的判断,提供新的源泉。

赛博格时代，财经新闻的数据源、财经新闻的工作效率和财经新闻对于未来趋势的把握性将大大提高，以更低的成本丰富财经新闻内容的数据源和站在数据之上的财经新闻记者是财经新闻在赛博格时代的价值。

2.基于场景思维的投资建议

投资建议与传播效果呈正向相关。本文基于“钱眼”公众号样本，采用有投资建议与无投资建议的二分法进行分组，统计两组的阅读量和在看量数据，并进行独立样本t检验。相关结果显示，投资建议与在看量显著相关。莱文方差等同性检验sig大于0.05，方差齐性，t为2.053大于0.7，相关系数高度相关，同时sig为0.046，显著性水平检验通过。

目前，财经新闻对于投资建议陷于矛盾处境。投资建议与在看量显著相关，但综合三个典型财经新闻公众号，平均每条财经新闻仅使用0.23条投资建议，仅占23.3%。这一结果的背后，一方面，由于财经新闻对于受众信息的不确定性，导致投资建议只能针对在共性化场景下，一般人群中的共性需求与行为特征提出。这样的投资建议缺乏受众针对性，只能在财经新闻资讯最后一笔带过，所以，投资建议的相关内容在财经新闻中的采纳比率非常低。此外，目前媒体报道中的投资建议主要来自于个别专家的分析，但这种方法的局限性显而易见。如果媒体能广泛借助大数据技术进行重大趋势的预测与分析，那么，它的预测的准确程度可能得到有效提升，它对社会的影响力就能得到提升。

另一方面，从投资建议与在看量的高度相关可以发现，受众对财经新闻的投资建议有强烈的需求。传播学经典学说中，伊莱休·卡茨等提出的“使用与满足”理论指出，受众是基于特定的信息需求而主动选择媒介的，而从中获得的满足感将影响其评价行为与后续接触。受众订阅财经新闻，归根到底是出于投资需要。所以，财经新闻能否提供合理、可行、深度的投资建议，满足受众对财经新闻微信公众号的投资决策的期待，将直接决定传播效果。

财经新闻提供合理、可行、深度的投资建议的前提是对受众个人信息的匹配，这正是赛博格时代提供给财经新闻的优势所在。赛博格时代，LBS（基于位置的服务）技术的应用意味着用户现实场景的资源聚合。财经新闻基于场景思维，匹配数量庞大的用户场景，为受众提供不同的个性化投资建议。

赛博格时代，财经新闻将基于场景思维来匹配投资建议，用大数据拓展财经新闻传播能力。由机器跟踪、理解数量庞大的用户的个性化场景，再由机器整合结构化大数据，根据大数据对趋势的预测，撰写有针对性的投资建议。最后由机器匹配用户的个性化场景，将与受众个体相匹配的个性化场景纳入财经新闻之中，针对同一条财经新闻生产出风格迥异的投资建议版本，以适配不同受众的需求。根据“长尾理论”，受众对个性化投资建议需求的满足将进一步提升财经新闻的内容传播效果。

3.数据可视化的信息图表要求

针对典型财经新闻公众号（“钱眼”）进行采样分析，69个样本的信息图表的数量主要由人工进行筛选，筛选规则如下：推送中出现的财经新闻文本和数据结构化呈现的图片、表格、视频均计入统计，文本框不计入统计。

信息图表与传播效果相关。相关性系数分析结果显示，信息图表的数量与在看量皮尔逊系数0.21呈正相关，且通过显著性检验（＜0.05）。

一方面，区别于传统媒体的固定终端与“黄金时段”，从移动互联网开始，媒体惯性被打破，也造成了人们行为方式碎片化和专注力受损害。对于媒体来说，要适应碎片化时间中的传播，提炼碎片, 用结构化手段完成碎片的“拼图”。财经新闻不仅需要寻找更灵活的传播节奏，也需要探寻与用户的碎片化信息消费相适应的表现形式。另一方面，赛博格时代，飞速引领大数据成为新闻报道中的重要资源，但这并不意味着新闻报道是数据的堆积，信息爆炸时代需要的是对信息更明晰的呈现、更准确的分析和更深层的解读。

赛博格时代，要求媒体进入一个新的“读图时代”，即通过信息的视觉化再加工，更好地传达、解读信息，甚至通过信息图表拓展与深化新闻。

在这样一种背景下，信息图表（Infographic）开始扮演越来越重要的角色。赛博格时代，根据凯恩斯预期理论，在财经领域，受众的反馈和预期将对财经波动有影响。所以，财经新闻除了揭示已经发生的新闻事实，还应收集与反映受众的反馈。“万物皆媒”时代意味着信息终端的自然物体化。人们的信息接收，不再只依靠电脑、手机等这些专门的终端，而是可以在不同情境下，通过不同的智能化物体实现，甚至可能基于投影等新技术，一切物体的表面都可以成为“屏幕”。通过各种“屏幕”投放具有互动功能的信息图表作为一种数据“采集器”，实时收集受众意见，并且将它们马上转化为新闻内容的一部分，成为新闻延伸与深化的基础。通过财经新闻具有互动功能的信息图表，受众不仅可以通过这个图表了解到各种资讯的状况，还可以通过图表进行互动和表态。受众的反馈即时地被汇总统计出来，每一个受众都可以更好地把握当前的财经生态。

赛博格时代，信息图表不再只是一种简单的表现形式，它更是包含了认识世界、揭示现实的新角度、新思维。通过信息图表手段将财经新闻的数据和文本多手段呈现，不仅与受众的碎片化信息消费相适应，还能够带来更明晰的呈现、更准确的分析和更深层的解读。

4.财经新闻在赛博格时代的传播新方向

新闻生产中跨界合作的增强。赛博格时代，意味着对于财经传媒专业的媒体机构来说，要拓展自己的信息能力和数据源，需要尽可能将掌握着智能机器和传感数据的 IT 企业、物联网企业纳入，成为自己新闻生产系统中的成员。

趋势预测性财经新闻新闻数量的增加。以往财经新闻的选题更多地报道正在发生或已经发生的事实。如果媒体能够利用大数据技术，把更多的注意力放在对未来趋势的预测上，那么，就有可能颠覆以往财经新闻报道中的投资建议主要来自于个别专家的分析的局限性。对社会的影响力就会得到提升，借此实现媒体价值的重塑。

信息碎片价值整合的发展空间。赛博格时代信息爆炸，但并不意味着新闻报道是数据的堆积。用结构化手段完成碎片的“拼图”，将碎片的价值导入深度报道，将是财经新闻未来的一个重要发展空间。

赛博格时代，“万物皆媒”机器参与，意味着信息终端的自然物体化，财经新闻发展方向始于此，也远不止于此。赛博格时代不仅意味着机会，也意味着更多的发展方向的挑战，但无论如何，这是财经新闻必须面对的一个新的时代。