專訪Mashable CTO:人工智慧如何幫助媒體編輯提升效率
專訪Mashable CTO:人工智慧如何幫助媒體編輯提升效率
2016.11.16 | 人物

科技媒體Mashable創建於2005年7月,其創始人是當時年僅19歲的蘇格蘭人皮特.卡什莫爾(Pete Cashmore)。在那之前皮特沒有任何媒體工作經驗,網站主要從社群網路上追蹤最受使用者關注的科技公司新聞。到現在,Mashable 在全球的Alexa排名已經達到516名,成為世界上訪問量最多的媒體之一。

Mashable
圖/ Mashable

不走傳統新聞操作,而是根據社群媒體熱門內容挑文章

正是因為Mashable的創始人沒有任何媒體從業經歷,這個科技媒體才沒有從傳統媒體那裡繼承任何過時的新聞操作方式。在Mashable創辦初期,整個團隊20多人每天最重要的工作是在Facebook、Twitter和LinkedIn等社群網路上查看自己關注的大量使用者都在轉發什麼內容,並根據熱門內容撰寫相關的文章。

後來隨著現任CTO羅賓.彼得森(Robyn Peterson)的加入,Mashable開始使用自己開發人工智慧工具來代替團隊每天在社群網路上追蹤內容的工作。羅賓帶領研發團隊設計了一個人工智慧資料分析系統Velocity,透過自然語言理解技術分析社群網路使用者對相關事件的討論,並透過視覺化的圖表向編輯部預測可能會爆發的熱點內容。

開發人工智慧追蹤數據、預測話題熱點

在今年的騰訊網媒體高峰論壇上,羅賓接受了《PingWest品玩》的專訪,並詳細解釋了Velocity系統的工作原理。羅賓表示Velocity會根據社群網路上的分享和討論生成一個熱度曲線,它其實很類似於經濟學中的供求曲線,橫軸代表時間,縱軸代表需求量。相應的,當某一個話題的需求量(熱度)提升時,Mashable就會生產相關的內容進行「供應」。

「舉個例子,透過分析我們預測到接下來一個關於食品比較大的事件有可能是《紐約時報》上所發表的轉基因番茄的故事,現在關於這條新聞的轉發量只有幾十條,但我們的系統可以預測到接下來幾個小時它的轉發量將達到上萬。」羅賓說。

使用自然語言處理等人工智慧技術的基礎是能夠擁有大量資料,Volecity每天能夠分析300萬個不同頁面的連結資料,這些連結包括社群網路貼文、文章、圖片和影片,並從中分析出下一個熱點。

2012年12月,羅賓曾在Mashable上發表了一篇文章稱媒體應該像程式師做產品一樣生產內容。在這篇文章裡,羅賓給了正在衰落的媒體公司四點建議,分別是:社群網路比搜尋引擎更重要、擁抱行動網路、提供個性化的廣告和以產品為主導生產內容

羅賓認為媒體公司的衰落主要在於工程師幾乎不為媒體公司工作來幫助他們創造更好的資料探勘工具,但換句話來說,就是媒體公司根本就不重視工程師和產品經理的作用。但沒有任何傳統媒體基因的Mashable卻利用資料探勘工具和演算法成為了新媒體裡的佼佼者。

Mashable CTO羅賓.彼得森
沒有任何傳統媒體基因的Mashable卻利用資料探勘工具和演算法成為了新媒體裡的佼佼者。

在Mashable的網站上,每篇文章下面都會有一個小小的曲線圖表,讀者可以直觀地看到與這篇文章相關的話題的熱度變化。但羅賓解釋道,這個曲線本來是給編輯作為內部參考的,只是初期將它放在了前臺給一個概念。但後來Mashable的讀者都習慣了這個小圖表,甚至在他們取消掉圖表後發出了抗議,所以這個圖表就被保留了下來,成為了Mashable的一個特色。

mashable
Mashable會標示出每篇新聞的熱度表。
圖/ 截圖自mashable

在中國,將人工智慧演算法和新聞編輯結合起來的公司同樣有很多,其中最成功的非《今日頭條》莫屬。羅賓表示,自己並不知道《今日頭條》這家公司,但他很贊同《今日頭條》用機器和演算法輔助人類編輯的做法。但他認為在新聞編輯這件事上,人的作用應該比演算法重要,而機器只能起到輔助作用

「拿Mashable舉例,我們是在這個話題之前收集大量資料進行分析,對這個話題進行預測。這個過程中,我們預測的是人的一些行為。所以我認為我們仍然還是需要人的參與的,我們需要作者和影片製作人員為我們提供有意思的資料,或者說他們來觀看這些資料,來分享這些資料。在這個過程中,可能這些新的分享會給他們帶來一些啟發,給他們帶來一些興奮點,這個過程中他們可以創造更新的東西出來。」羅賓說。

是否擔心過於仰賴演算法造成回聲室?「會盡量做到中立。」

針對演算法和大資料過多的干預編輯是否會造成媒體過於以讀者的興趣為導向,羅賓認為這種情況存在,但最終還是取決於使用工具的人。「你說的這種情況或許在Facebook上是存在的,例如在這次美國大選中,你的資訊流裡幾乎只會出現你支持的觀點,而其他人的觀點是被過濾掉的,我們把這種情況叫做『迴聲室』(echo chamber)。但Mashable是一個面向大量讀者的新媒體,我們認為演算法不能用這種危險的方式來控制人們能夠看到哪些資訊,所以我們會儘量做到中立。」

羅賓認為,人工智慧演算法和大數據能為媒體帶來的最大幫助是效率的提升。「這幾年來媒體公司的日子都不好過了,很多媒體開始大規模裁員。在這種情況下,演算法和資料能夠説明編輯部甄選出值得關注的新聞,並讓他們集中精力在相關領域生產出更深度的新聞,同時也能讓媒體在保持稿件數量的情況下保持品質。」羅賓說。

本文授權轉載自:PingWest

往下滑看下一篇文章
從 CDP 到 Agent,beBit TECH 如何打造懂企業、懂行銷的 AI 代理人?
從 CDP 到 Agent,beBit TECH 如何打造懂企業、懂行銷的 AI 代理人?

當眾多 AI 新創仍將焦點放在追求更強大的模型能力,或尋找下一個成功案例時,beBit TECH 已開始思考另一個層次的問題:如何打造一家能夠持續成長、且具備規模化複製能力的企業級 AI 公司。

近期,beBit TECH 完成與日本 beBit 集團的戰略分拆,不僅確立台灣為全球總部,也同步完成逾億元首輪募資,並預計不久後啟動在台 IPO 規劃。然而,真正值得市場與投資人關注的,不單是分拆或募資本身,而是這一連串布局背後所釋放的訊號—— beBit TECH 已正式跨越產品與市場驗證階段,邁向規模化擴張的新成長階段。

而產品、產業應用及海外市場,就是驅動 beBit TECH 下一階段成長的三大引擎。beBit TECH 創辦人暨執行長陳鼎文表示, 未來將聚焦三大布局,包括持續深化企業級 AI 產品、擴大跨產業應用版圖,以及拓展日本與東南亞等海外市場。首先,在產品面,將持續強化 AgentBit 智慧代理人的能力,結合 OmniSegment CDP 的數據底座與產業 Know-how,打造真正懂企業、懂行銷的 AI Agent。

beBit TECH 創辦人暨執行長陳鼎文
beBit TECH 創辦人暨執行長陳鼎文
圖/ 數位時代

產品布局:從理解數據的大腦,進化為「自主執行」的虛擬員工

陳鼎文進一步說明,近年企業紛紛導入各種 AI 或 AI Agent 應用,希望提升營運效率與員工生產力,但 AI 能否真正創造價值,關鍵並不在模型本身,而是資料品質。若企業的會員資料分散、格式不一致,甚至充滿錯誤,即使導入再先進的 AI 模型,也難以產出可靠的分析與決策。換句話說,企業唯有先建立穩固的數據底座,才能真正發揮代理式 AI 的價值。

正因如此,beBit TECH 選擇將 AgentBit 建立在 OmniSegment CDP 上,形成以 CDP 為數據底座、Agent 為執行核心的新一代企業級 AI 架構。陳鼎文形容,OmniSegment 就像一顆智慧大腦,可以完成跨通路數據整合,並進行資料清理與標準化,而 AgentBit 則是智慧代理人,它可以根據 CDP 大腦所提供的數據做出決策,自主完成受眾分群、內容生成、活動執行、成效監測與優化建議等行銷工作。

更重要的是,OmniSegment 多年來已累積眾多不同產業的實戰經驗與行銷 Know-how,使 AgentBit 不只具備內容生成的能力,更理解不同產業的會員經營模式與行銷邏輯,能依據企業情境挑選最適合的受眾、生成更精準的溝通內容,並持續優化策略。

以中秋節的節慶行銷活動為例,當過去行銷人員必須自行篩選受眾、撰寫文案,再依據活動成效反覆調整策略,整個促銷活動期間都要處於備戰狀態;如今,只要以自然語言輸入活動目標,AgentBit 即可串接 OmniSegment 的數據,自主完成後續工作。當行銷成效未達預期目標時,它還會持續分析結果、修正策略,直到找出轉換率更高的路徑為止,真正讓企業累積的數據,轉化為持續創造營收的智慧資產。

讓數據自己跑出營收!AgentBit 結合 CDP 乾淨數據與實戰 Know-how,只需輸入指令即
讓數據自己跑出營收!AgentBit 結合 CDP 乾淨數據與實戰 Know-how,只需輸入指令即可全自動執行行銷並自主優化成效,打造不斷線的 AI 營收引擎。
圖/ beBit TECH

市場布局:以電商護城河,打造 OMO 與金融雙成長引擎

其次,在產業應用面,beBit TECH 將持續擴大在實體零售、生活服務與金融業的市場布局。「電商是 beBit TECH 的核心基本盤,而實體零售與金融業則是我們下一波的成長引擎。」陳鼎文說。

beBit TECH 成軍初期聚焦於品牌電商,透過客戶數據平台 OmniSegment CDP 協助客戶整合並應用手中的第一方數據,提升會員價值與營收。至今,beBit TECH 已累積上百家品牌電商客戶,並在不同產業情境與應用需求中,持續驗證及優化 OmniSegment CDP 的產品能力。這些豐富的導入經驗,讓 beBit TECH 更深入掌握企業在數據應用上的實際痛點,進而推動產品與 AI 模型持續迭代成熟, 築起一條競業難以跨越的數據護城河。

有了電商戰場的成功經驗,beBit TECH 開始將目光投向線下與實體場域,運用 OmniSegment CDP 協助零售品牌打通線上與線下的會員數據,真正做到跨通路的數據即時整合,讓 OMO 經營不再只是口號。

過去一年,beBit TECH 更成功將觸角延伸至同樣擁有龐大數據的金融業,包括國際保險集團及指標金控,皆已導入 OmniSegment CDP,由系統依據客戶在不同通路的行為,即時判定其意圖並推薦最合適的金融產品。這意味著金融業也能運用電商「千人千面、即時觸及」的行銷模式,一改過去亂槍打鳥、只能照著名單一一撥電話的傳統做法。

「金融業的 AI 個人化行銷現在才剛開始,beBit TECH 能與多家指標性金融客戶合作,代表我們的數據安全和隱私合規性,已經通過了市場上最嚴格的標準,這對於未來跨足其他產業有非常大的幫助。」陳鼎文強調。

海外布局:立足台灣,加速拓展日本與東南亞市場

第三,在海外發展上,則是加速拓展日本與東南亞市場。陳鼎文表示,相較於多數台灣新創進軍日本市場,往往需要一、兩年才能站穩腳步,beBit TECH 憑藉與日本 beBit 集團的緊密合作,已經成功「逆向」打回日本市場,短短兩年多便累積超過 30 家大型企業客戶,涵蓋航空、餐飲集團等不同產業,未來日本仍將是 beBit TECH 拓展海外營收的核心關鍵。

除了日本之外,beBit TECH 也將東南亞視為下一階段的戰略要地。一方面,看好當地人口結構年輕與數位應用快速成長所帶來的商機;另一方面,隨著全球 AI 人才競爭白熱化,東南亞更是重要的人才庫,有助於 beBit TECH 持續推動產品全球化與技術迭代。

「我們希望將 beBit TECH 打造為『亞太區企業級 AI 的領導品牌』。」陳鼎文感性表示,這也是團隊確立將全球總部設在台灣的初衷。未來,beBit TECH 將持續以台灣為核心,向外輻射至日本、東南亞、甚至更廣泛的國際市場,讓世界看見來自台灣的 AI 技術實力與商業價值。

從台灣品牌電商起家,一路跨足實體、金融、日本與東南亞市場,beBit TECH 想做的不只是一套好用的 AI 工具,而是一個能讓企業把數據轉化為營收的企業級 AI 平台。當全球 AI 競爭開始從模型能力,轉向商業化與規模化,這家台灣新創正用清晰的策略布局,寫下屬於自己的下一個成長故事。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓