今天的主题是新闻编辑室分析的演变。其实，以下内容本身并不复杂，但由于如今我们的注意力被分散到各个方面，所以我们不妨先举个例子。想想你的车。很可能是你自己买的，而不是自己造的（当然，如果你是自己造的，那真是太棒了）。关键在于：即使你分不清凸轮轴和化油器，你仍然可以驾驶它。事实上，当我们谈论驾驶和驾驶体验时，我们使用的语言与讨论汽车工程细节时使用的语言截然不同。我们很少有人会关注用户体验之外的东西。汽车行业早就明白，产品最终必须服务于用户，而不是开发者。这和新闻编辑室有什么关系呢？实际上，关系非常密切。.
向用户体验转型
“来自客户和社交媒体的数据浪潮正在涌现。随着物联网的普及，关于客户的信息将会更多。企业正争先恐后地思考如何从这些信息中挖掘价值。”这是 Gartner 分析师 Richard Gordon 的观点。他所描述的正是向商业界所谓的“商业智能”的转变。简而言之，虽然
分析 是一种技术辅助过程，其中软件检索数据，
商业 智力 商业智能更进一步，在数据到达目标接收者之前，对其进行解读并以易于理解的形式呈现。这有何价值？因为除非你针对数据提出了精准的问题，否则无论数字多么漂亮、界面多么吸引人都无济于事。即使你理解了数据，如果没有相关的解读，它对你和你的企业仍然没有太大用处。商业智能是商业世界体验的驱动力。它是为用户和最终用户而开发的。自从被商业世界所接受以来，它已经彻底改变了游戏规则。.
数据太多，洞察力不足。
那么，接下来我们来谈谈新闻编辑室，相信您很快就能明白我们的意思。数据分析在新闻编辑室里早已司空见惯，各种分析工具也层出不穷。我们可能都清楚，单一指标在新闻行业中存在诸多问题和局限性；尽管页面浏览量似乎有所下降，但它仍然占据主导地位，原因很简单，它是一种方便且看似通用的“成功”衡量标准——无论“成功”的定义是什么。然而，用通用的、“简单”的解决方案来应对复杂问题的问题在于，它们不太可能处理每个具体场景所需的复杂性。当然，如果能用非此即彼的二元标准来衡量成败，那当然很好，但在现实世界中，变量太多，细微差别也太多，这种标准对任何人来说都不方便。至于那些试图推销这些“解决方案”的人，就免了吧！如今的分析技术在用户体验方面无疑比以往有了显著提升，但再多的美化也无法改变这样一个事实：如果你只是单纯地呈现原始数据，你永远无法真正理解数据背后的含义。
方法 如果没有扎实的数据分析背景，编辑很难胜任这项工作。当然，凡事皆有例外，但大多数编辑既不具备这种技能，也不接受过这种培训——更遑论投入足够的时间来做好这项工作。当我们听到新闻界对“数据文化”的抵触情绪时，很难不感同身受。数据——作为原始素材——固然至关重要，但数据所揭示的背景和洞见才是关键所在。价值在于将数据和信息与特定的参照框架相契合，并以此呈现。这并不意味着编辑需要理解每一个细微差别，也不应该如此。将编辑和记者的技能运用到最能发挥其价值的地方才是更明智的选择，这无疑也更符合商业逻辑。.
缺失的环节
我们见证了分析技术的演变。从几乎对读者的真实消费模式一无所知，到如今我们拥有的数据量可能远超我们所能处理——而且，我们常常……
不 知道如何利用它。问题在于，由于历史上一直缺乏有效的方式将数据文化融入新闻编辑室的工作流程，编辑和记者就没有机会参与塑造其发展方向。开发分析工具的任务一直落到了编辑界之外的人——也就是广告商——手中，但由于这些工具旨在提高广告效率，因此对编辑和新闻实践毫无帮助。内容洞察公司拉丁美洲副总裁约翰·雷切茨曾表示：
“要让这种数据文化在我们的新闻编辑室里普及开来，最好的办法就是让每个人都参与进来。” 他的观点没错：改善信息获取渠道能够也确实会对新闻编辑室产生变革性的影响。如果记者了解自己报道的内容在各自部门和特定受众群体中的有效性，他们就更有可能制作出更高效的内容。同样，有了更细致的信息获取渠道，编辑们也越来越能够明智地选择资源的分配方向。但这并不意味着编辑们可以——或者应该——成为数据专家。
南德意志报 受众编辑
克里斯托弗·普拉姆斯塔勒 他们澄清道：“我们不想造成数据污染：我们认为更重要的是在合适的时机将正确的信息传递给合适的人。” 他们一直在努力寻找数据洞察与编辑和新闻工作流程之间的平衡点，以找到一种既适合员工、组织又符合其目标的方案。对他们而言，这意味着放弃实时分析，转而与新闻团队紧密合作，传递重要的数据洞察。这些报告可以帮助改进表现不佳的文章，突出成功的秘诀，或者指出可以提升文章曝光度的细微改动。.
编辑情报
最终，我们需要让分析不再仅仅等同于用图表呈现数据。分析的作用远不止于此，因为现在，它们完全可以做到。分析必须提供洞察、背景和意义，并且要满足每个新闻机构以及每个部门每位记者的需求。这其中一部分是找到适合你的解决方案，但大部分工作都始于提出问题：
那些令人瞩目的数据究竟意味着什么？当一份报告提到百万页面浏览量时，它是如何计算出来的？如果你依赖关键指标，那就弄清楚这些指标是如何计算的。.
原因如下。.
以页面浏览量 为例。这是一个浏览器事件。它与购物疗法关系不大——尽管它也可能转瞬即逝。页面浏览量会在页面代码加载时产生，因此即使页面在后台加载也算在内。是的，即使是机器人触发的，也算在内。哪怕只有短短几秒钟。
例如，在内容洞察部门，我们有一个名为“文章阅读”的 。听起来很像，但实际上并不相同。“文章阅读”指的是：有人打开了一个页面，在该页面上停留了至少 10 秒钟，页面处于焦点状态，并且屏幕后面确实有人在操作。
因此，同一篇文章，如果用这两种不同的衡量标准来解读，很可能会得出截然不同的成功指标。第一种标准会得出更高的数字，让人感觉良好，也更令人印象深刻。第二种标准或许看起来低调得多，但却实用得多，也更具可操作性。了解这两种衡量标准之间的差异，至关重要。.
要从比率的角度思考，而不是从单个数字的角度思考——综合指标最有洞察力，而且由于它们已经过处理，因此可以让你一目了然地了解你的内容表现如何。.
最重要的是，如今的分析技术已经发展到能够快速、简洁、精准地提供信息。如果你还在苦苦翻阅海量数据，那就该停下来了。数据答案的质量取决于你提出的问题，如果你不知道该问什么或该如何问，那么你只会浪费大量时间迷失在数字的海洋中。.
您的企业结构如何？您需要哪些信息才能继续推进？最佳方法是优化工作流程，而不是扰乱工作流程。.
如果你要转向订阅模式，那么你可能需要与那些以广告收入为主的出版物不同的洞察分析。在如今这个细分市场林立的时代，使用相同的成功衡量标准既荒谬又毫无必要。.
科技公司是一个迭代的过程。反馈和建议有助于改进服务和拓展范围，因此，沟通对您和公司都至关重要。正是与新闻编辑室和通讯社的合作，才让我们得以推出新版本和新工具，而如果没有这些交流，这一切都无法实现。反馈能够激发创新。.
编辑分析发展的下一阶段
当您采用的分析方法充分考虑了新闻编辑室的具体需求、能力和要求时，生成的报告只会增强编辑的直觉，而不会削弱它。关键在于将有用的洞察融入新闻编辑室的日常工作流程，使这类分析像打开电子邮件或上传文章一样简单易用。具体做法会因新闻编辑室而异。您可能仍然拥有一个专门的分析部门，负责向各版块汇报某些文章的成功或问题。您的团队规模可能小得多，这类监控的责任落在编辑和版块成员身上。没有一种放之四海而皆准的模式。唯一正确的做法是找到一种能够帮助您迈向数据驱动思维的方法，让数据指导决策，而不是数据驱动决策。我们称之为内容智能，我们认为这是行业亟需的范式转变。.
最重要的是，如今的分析技术已经发展到能够快速、简洁、精准地提供信息。如果你还在苦苦翻阅海量数据，那就该停下来了。数据答案的质量取决于你提出的问题，如果你不知道该问什么或该如何问，那么你只会浪费大量时间迷失在数字的海洋中。.
最重要的是，如今的分析技术已经发展到能够快速、简洁、精准地提供信息。如果你还在苦苦翻阅海量数据，那就该停下来了。数据答案的质量取决于你提出的问题，如果你不知道该问什么或该如何问，那么你只会浪费大量时间迷失在数字的海洋中。.
