那些文章該上Facebook？紐約時報交給聊天機器人選擇

紐約時報總部(圖:AFP)

對媒體運作來說，精選重要文章發布到社群網站，是經營發展的重要工作，不過《紐約時報》卻把這個重要的位置，交由機器人 Blossom 擔任。而他繳出了良好績效，據開發人員統計，Blossom 所挑出文章的平均點擊數，比未經他推薦的多出 380%。

據《NiemanLab》報導，《紐約時報》每天平均產出超過 300 篇文章，其中只有約 50 篇會發布到 Facebook 這類社群媒體。這種傳統上靠著人力選擇的工作，紐約時報由公司的數據科學團隊，開發了機器人 Blossom 來負責。

Blossom 不僅幫助預測那些文章可能有機會在社群網站傳播，也能顯示已發出文章的點擊表現，以及如何改善。

Blossom 的運作方式就像是聊天機器人，內置到內部團隊的 Slack 軟體上。紐時的社群編輯在對話框輸入需求，像是「Blossom Facebook?」，Blossom 就會提供他的建議。

Blossom 運作畫面(圖取自Nieman Lab 網站)

紐時數據科學團隊首席科學家 Chris Wiggins 表示，Blossom 運用了先進的科學技術，後端結合了 Java、Python及 MapReduce 幾種程式語言寫成，前端則是平易的聊天介面，因此很容易熟悉。

開發團隊統計，獲 Blossom 推薦的文章，在 Facebook 上的平均點擊數，超過未推薦的 120%。而Blossom 所挑出文章的平均點擊數，更比未經他推薦的多出 380%。