人工智能和机器学习如何渗透媒体行业的？在过去的几年中，越来越多的客户旅程数字化以及云技术和计算能力的指数级提高，已经邀请媒体集团重新考虑他们的业务方式。如果听起来我在说“数字颠覆”时用了很长的话，请相信您的直觉。这些破坏中的许多都集中在数据媒体组可以访问的山脉周围，以及人工智能（AI）（更具体地说是机器学习）可以使用它做什么。确实，尽管人工智能已经被众多纯粹的参与者传统参与者仍然落后，现在将技术视为急需的新增长的捷径。

以下是旧警卫目前在全世界实施的用例的详尽介绍。

 1.创建过程优化

 元数据创建/索引自动化

使用机器学习，人工智能既可以转换数据，又可以使用图像识别来自动创建所有类型的内容的元数据。通过允许使用更精细的条件进行搜索以获得更精确的结果，内部和外部利益相关者都可以更轻松地发现内容。自动索引加快了新闻工作者的工作，促进了事实的核实，并使人们能够专注于具有更高附加值的任务。数十家媒体公司已经在其整个运营过程中实施了这些解决方案。

 文章撰写和视频创建自动化

我们还看到了工具的出现，这些工具可以自动撰写具有低附加值的文章，从而使记者可以从事需要更多调查和更多专业知识的主题。

 识别新兴趋势

第一个打破新闻故事的记者获得了全部荣耀，故事就这样了。因此，控制和预测信息的移动是至关重要的，但也要实时跟踪其传播以在竞争者中脱颖而出。为此，知名新闻社的研发团队开发了News Tracer工具，该工具借助算法可以识别Twitter上的重大事件。该工具为这些事件分配一个“媒体分数”，从而使人们可以主要关注最重要的事件。新闻追踪器还能够对这些事件的真实性产生信心。

最后一点特别重要，因为它满足了媒体期望的信息可靠性的最高要求。

 事实核查

实际上，某些算法还可以帮助记者验证社交网络上发布的图像和视频的可靠性和准确性。

 2.内容的分发，个性化和推荐

尽管上述机会确实会对媒体市场产生破坏性影响，但它们仅代表机器学习为媒体行业提供的机会的一小部分。尽管科幻小说爱好者急切期待内容创建的自动化，但AI的主要影响将是通过对内容进行改编并将其呈现给观众的过程。

当市场产生质量和吸引力变化很大的海洋时，有效的配对就是将这种质量转换成适合每个最终消费者或最终消费者群体的一组价值主张。这种粒度可以通过几种方式变化：

 可能意味着在正确的位置显示了正确的内容

以Buzzfeed及其400个分发渠道为例。使用人工智能将正确的内容放置在正确的位置将非常耗时，并且任何优化都将是非常不完善的。因此，该公司使用人工智能来告知商品传播病毒的可能性，并在最适合拥有最大欣赏机会的公众的渠道上推广该病毒。这种可能性是产品，社交媒体，工程和数据科学团队共同努力的产物，他们基于高性能内容的历史数据开发了机器学习模型。

 可能意味着在正确的时间正确的内容

死者复活。知名杂志Le Temps使用的一种机器学习解决方案，能够通过使用Chartbeat（向全球出版商提供数据和分析数据）和Google Analytics（分析）中的数据进行交叉引用，从而确定该杂志的最佳文章。然后，该算法根据定性指标分配相关性得分，并建议重新发布并吸引新受众的最佳时间。这给内容带来了第二次生机，随之而来的收入可以直接转到底线。

 这可能意味着适合适当人群的适当内容

Business Insider提供的内容比任何人阅读或观看的内容都要多。因此，借助初创公司Sailthru的解决方案，发布者已基于消费内容的历史记录创建了配置文件。根据他们的个人资料，可以在网站上和他们的电子邮件中为读者提供合适的内容。这个投资它的读者的分割，使商业内幕至60%，它的点击率在通讯由150%提高其点击率。此外，返回网站的流量增长了52%。

在此最重要的是要注意，此类工具通过提供与现有观点相一致的内容，具有极大的力量来进一步分化我们的社会，并且不应轻易接受其在媒体中的使用。

 它尚未表示合适的人的合适内容

一种算法可以根据上下文数据和客户旅程做出决策，但几乎无法理解每个客户的偏好：好恶很少稳定，通常是高度上下文相关的。暂时，各种各样的人类口味仍然使机器感到困惑。因此，目前，个人层面的任何个性化都必须由策展人协助。然而，许多这样的角色只是推迟了看似不可避免的事情：根据相关机构的一项研究，将近四分之三（72%）的媒体参与者计划积极尝试AI以改善建议并提高生产效率。

 3.营利

获利是传统媒体赖以生存的最重要手段之一，因此从客户参与到广告空间，这一领域的许多用例开始出现。

 付费墙

许多主要出版物都以一种形式或另一种形式使用付费专区（收费系统（访问权限仅限于付费订阅该网站的用户使用的一种系统））。阅读有限数量的文章后，它通常以阻止内容的形式出现。人工智能在这里也提供了更动态，更不具有强制性的价值主张。

 实时出价

我们可以想象，实时出价(RTB)在智能算法的支持下会找到新的维度，尤其是在供应商方面：机器学习算法可以优化申请人的选择，管理数据传输的成本，提高绩效的可视性，避免欺诈甚至检查广告的质量。但是，此类示例在当今市场上仍然非常罕见。

 结论

人工智能将影响媒体价值链的各个环节，帮助内容创建者提高创造力，使内容发布者提高生产效率，并帮助消费者找到适合自己兴趣的内容。

但是，人工智能只是业务优化策略连续性逻辑的一部分，因此，人工智能不应被视为一场革命。现在，这一事实可以最大程度地减少实施该技术的工作，更多人工智能的信息，请继续关注。