“信息分发2.0”：超越“信息茧房”的人机交互新模式

北京时间10月27日（美东时间10月26日），全球最大中文搜索引擎百度（NASDAQ：BIDU）公布了2017年第三季度未经审计的财务报告。本季度百度营收为235亿人民币（约合35.3亿美元），同比增长29%；净利润79亿人民币（约合12亿美元），同比增长156%。

百度创始人李彦宏在财报信中表示：“移动搜索+信息流”双引擎构建的协同效应，正推动公司核心业务展现出强劲势头。上个季度，手机百度用户使用时长比第二季度提升15%，在国内DAU（日活跃用户）超过1亿的头部APP中成长率排名第一。信息流变现进入快车道，以第三季度业绩为基准的年化收入超过10亿美元。

我们知道，人类的信息分发模式迄今为止大体上经历了三个主要的发展类型：1.倚重人工编辑的媒体型分发；2.依托社交链传播的关系型分发；3.基于智能算法对于信息和人匹配的算法型分发。

这三种类型作为信息分发的主流模式依次出现，各有其特色与擅长。譬如，媒体型倚重人工进行信息的专业化处理和加工，这种分发模式可以解决社会的共性需要，把那些对于全局、对于所有人具有普遍意义的信息筛选出来，并以点对面的方式传播出去。它的价值在于解决了“头部信息”的社会化分发。

但是它无暇顾及人的分众化、个性化及偶然性、体验性及高场景度的信息需求。于是便出现了依托社交链传播的关系型分发模式：你的朋友、你关注的人帮你推荐、过滤信息，他们的评论、转发形成了一种信息筛选机制。

社交分发模式最大的价值是在人类的传播史上第一次激活了大众传播时代那些被忽略的极大量的“长尾信息”，形成了对于信息服务的“利基市场”，实现了信息分发的“千人千面”——不同的人通过不同的“朋友圈”有了个性化的信息世界。

2010年Facebook主页访问量超过Google，可以看作是社交驱动的“关系型分发”在全球成为主流的“拐点”，所谓“无社交不传播”即是对关系型分发的一种不无夸张的描述。

但“关系型分发”的问题在于无法解决用户社交关系爆炸情况之下的内容生产源的爆炸所带来的“信息超载”以及基于社交关系的推荐质量不断降低的问题。

经验表明，在微信朋友圈中养生、微商、晒娃晒吃类的无效信息越来越多；微博上则是大V和营销类账号占据了主体流量——有研究表明，在微博平台上，90%以上的内容是由3%左右的“大V”生产和分发的。在此背景下，基于兴趣的算法型信息分发模式便应运而生，渐成潮流：现在人们随便打开一个网站或资讯APP，都会有“个性推荐”或“猜你喜欢”之类的栏目，系统会根据你的浏览记录和爱好，自动为你推荐内容。

第三方监测机构易观发布了一个具有标志意义的数据：早在2016年，在资讯信息分发市场上，算法推送的内容已经超过50%。 “算法型”信息分发之所以“流行”，有分析者认为是因为算法对流量的分配独立于社交关系，不被“大号”垄断；算法能够处理的信息量几乎没有上限，能够更好地激活、适配 “汝之毒药，我之甘饴”的长尾信息；算法能够对用户的社交推荐机制进行二次过滤，优化推荐结果。

概言之，算法型实现了对于海量信息价值的重新评估和有效适配。“汝之毒药，我之甘饴”意味着你觉得不感兴趣甚至是垃圾的信息，对于我可能极有价值。于是，信息价值不再有统一的标准，不再有重要性的绝对的高低之分。对刚生下宝宝的妈妈来说，PM值绝对比英国脱欧更重要。对旅游者来说，当地的天气信息绝对比当地的房价更重要。在算法的驱动下，每个人都有了自己的头条，这一点得以实现。整个信息世界大一统的秩序被打破。

但也正因为如此，基于兴趣算法型分发模式站在了风口浪尖上。比如，在现在的算法还不足够“聪明”的情况下，用机器智能去完全替代人的“把关”，这样的资讯“守门人”是否可以完全信赖？再比如，由于算法性信息分发更多地建立在对于人们的直接兴趣和“无意注意”的信息需求的挖掘上，它的直接后果是对于人们必需的那些非直接兴趣和需要“有意注意”所关注的信息的忽略所导致的“信息茧房”问题，等等。这些问题对于兴趣算法型信息分发是不能不面对与正视的。于是，百度公司的AI驱动“搜索+推荐”双引擎模式来了。

搜索巨头百度率先提出了“信息分发2.0”模式，即通过“搜索+推荐”双引擎结合的方式，让用户更高效获取信息，其核心在于基于用户主动搜索，同时通过AI对用户搜索结果与用户行为的深入学习与分析，洞察其真实意图，进而达到更全面、更立体、更精准的资讯推送。百度双引擎模式的价值在于，它洞察了兴趣和意图的本质区别，突破了“直接兴趣”的狭隘边界，并应用自己的技术和数据，扩张了对于用户需求版图的理解，走在了智能信息分发的前列。

我们知道，洞察用户的“兴趣”和洞察用户的“意图”所带来的后果是非常不同的。我们以广告推送为例，一名用户在新闻资讯类APP上阅读了保时捷的试驾体验文章，只代表其对保时捷的产品产生了“兴趣”，并不代表其对保时捷的产品产生了购买的“意图”，在用户只是有兴趣的情况下向其“精准”地推送保时捷的信息流广告，事实上效果是差强人意的。

但对百度的资讯流而言，由于百度的“搜索+推荐”双引擎，通过对用户搜索的历史数据和LBS行动轨迹的分析，能够更清晰地了解该用户是否有产生购买行为的意图。向一名“对保时捷有兴趣”的用户推送广告，与向一名“打算买一辆保时捷”的用户推送广告的效果差别将是巨大的。

所以，基于意图的信息分发相比较于基于兴趣的信息分发，虽然表面看上去都属于精准推送，但正如全球领先的市场咨询机构Millward Brown ACSR在其报告中指出的那样，“基于意图的信息分发比基于兴趣的信息分发更深入，更了解消费者，最终实现信息服务的结果更高效。”

进一步说，从“在商言商”的角度看，对于兴趣定向的信息流广告而言，由于单个APP数据推测能力有限，因此它们只能做到推测用户的兴趣，很难抓住用户的意图。

而百度则不同，通过百度地图，百度可以知道这位用户曾经去过哪些品牌的4S店；通过搜索数据，百度可以知道这位用户曾经搜索过哪些内容；通过百度糯米，百度还可以知道这位用户曾经购买过哪些服务，用餐住酒店的价格等等。于是，百度可以就此综合判断，这位用户实际能够承受的购买商品和服务的价格区间是多少，他的年龄段和社会地位也影响着对水平和服务品牌的态度等等。

最终，被推送到这位用户手机上的，是一条JEEP的广告，而不是保时捷。而实际效果也显示，基于用户意图精准推送的Feed广告效果显著，Millward Brown ACSR在Q2季度期间曾于手机百度平台上对金融、汽车、家电等八个行业分别进行过意图定向和兴趣定向的信息流广告投放效果对比。结果显示，采用意图定向时，受众人群更加精准，流量ROI也更高，如某汽车广告主预约成功量提升65%；而某金融广告主在CPA下降26%的情况下，实现了用户注册数360%的提升。

值得一提的是，无论是曾经最早在中国兴起的基于兴趣定向的信息流广告，还是在“搜索+推荐”的双引擎驱动模式下百度的Feed广告，包括国外刚刚上线的Google feed，一切迹象都表明信息流广告正在成为大势，它将在移动营销时代协同其他广告形式完成整合营销。百度作为全球最大的中文搜索引擎，“搜索+推荐”的双引擎模式是百度开展信息流广告的独有优势。

百度的AI驱动下“搜索+推荐”双引擎模式在创造高商业价值的同时，还为解决当下“算法型”信息分发的现实问题，开辟了一种创新的路径，是更具互联网发展“下半场”特征的“信息分发2.0”的新版本。（喻国明：教育部长江学者特聘教授，北京师范大学新闻传播学院执行院长，中国人民大学新闻与社会发展研究中心主任，中国新闻史学会传媒经济与管理专业委员会会长。）

总监制：刘明 执行总监制：卞卓丹

监 制：陈昕晔 责任编辑：明昊 作者：喻国明