互联网之父蒂姆·伯纳斯·李爵士曾提出“新闻的未来，是分析数据。”
即便各类数据分析系统已让人产生选择恐惧症，但总有些媒体越玩越机智，比如让大数据帮编辑起个最带流量的标题。
《纽约时报》就在这样做。其内部分析系统Stela可以追踪每篇文章的传播情况，员工可以通过这一系统查看每篇报道的用户流量和实时变化，从而不断测试哪类标题最带量。记者不但可以通过分析数据来改进报道，还可以从中挖掘新闻点及了解某一新闻事件的“故事轮廓”。
这个名叫Stela的数据分析系统是如何运作的？又到了全媒派（qq_qmp）走进科学的时间了。
▌Stela是什么？
Stela是《纽约时报》内部的一款分析系统，《纽约时报》希望通这一系统整合全球用户数据，让数据信息易查询，易理解，甚至在使用上也充满趣味性。
7月8日早晨，《纽约时报》一篇有关Dallas警察被枪杀案的报道连续修改了10多次的标题。标题从一开始介绍嫌疑犯的名字到阐述作案动机，紧接着聚焦嫌疑犯被击毙，最后到警察局长通报嫌疑人的犯罪动机。而每次相应的大标题的改变，纽约时报记者和编辑都可以通过它新定制的内部表盘监测到点击量变化和读者反馈。
Stela，一款基于“故事与事件分析学”的分析工具，这个工具可以从众多的消息来源中收集信息，并用清晰图形和简洁目录在一个平台上加以呈现。
“记者经常在线调整标题及向公众推送消息，而我们也正在寻找一种能够帮助记者和编辑获得反馈的方法。”纽约时报发展部编辑Steve Mayne说：“我们相信一个能够直观展示读者阅读量的工具会很有帮助。”
Stela于2015年9月向整个新闻编辑室开放，主要聚焦于单篇文章的相关分析。（在此之前，还有一个仅向受众研究团队和一些感兴趣的编辑开放，具有基本的分析功能初级版本的系统。）现在这一系统进一步扩展，还包括了视频内容的观看与阅读分析。Stela团队还根据记者需求向他们发送有用的数据分析信息。记者和编辑每天都会在编辑室里接收到按时发送过来的桌面邮件，可以在邮件正文中了解相关数据。
▌内部专用：快速过滤处理数据流
和任何现代化的机构一样，纽约时报也需要理解流量，和它所带来的庞大数据。Stela可以帮助新闻团队剔除重复和无用信息，迅速整合数据。
Mayne说Stela在刚上线的一两个月时间内使用情况不温不火，但Stela现在每月有1300名用户。（纽约时报新闻团队目前大约共有1300人左右，还有市场和产品部的员工也在使用这个工具）这些Stela的使用者中10%都来自美国之外的地区，他们多数来自纽约时报在伦敦和香港的机构。
Stela 从纽约时报的桌面和手机端网站和应用中抓取数据。（但不包括像是Facebook中即时信息那样其他平台的文章）除了基本的页面阅读量和推荐来源分析外，Stela还将其他的数据点加以细化分解，例如分析了每篇文章的读者来自不同国家的比例，读者中多少人是订阅者、注册者以及匿名点击。
它还抽出那些评论最多的推送文章，编辑可以了解在Facebook和Twitter上的哪些推送被分享和转推的最多。编辑通过关注Stela的数据分析，可以借鉴那些流行的表达方式，这比单纯的人工在Facebook和Twitter上寻找热门推送要好的多。
分析平台每10分钟抓取一次数据，目前Stela只保留2周的数据存储，但是绝大多数故事在他们被其他新闻淹没时，只有1到2天的高峰阅读量。
▌提高编辑室效率：员工说好才是真的好
新闻总是瞬息万变，难以预测，但Stela可以实时关注报道的流量变化，通过监测这些流量激增的故事，Stela可以帮助记者抽取出围绕这一报道的热点话题，进而极大的缩短报道的响应时间。
易用性是Stela的一大追求，“很明显的是，我们一开始便有自己的分析系统，但问题在于编辑室里很少人有在使用它。”Mayne说：“我们之前有事件追踪系统，这个系统有大量的数据，但想要使用其中的数据，你必须会用SQL，记者和编辑不得不写SQL来分析数据，这种情况下记者们不得不请分析师们帮他们搜索数据。”而Stela则极大的改进了之前系统的不足。
“我们很兴奋的了解到这个工具可以帮助拓展故事线索。”Mayne说：“我们会写出一个有很多评论、很多关注的故事，很多时候这个故事甚至在你关注Faccebook和Twitter之前变已经做好了。Stela会为你标明这些故事，而编辑则可以决定是从边缘角度切入还是做一个跟踪报道的故事。”
很多其他机构的新闻编辑室也研发了自己内部的分析工具，。Mayne说：“数据分析并不仅是一时的流行，它已经成为新闻业的一部分，它可以帮助你了解你的受众，并接近他们。”
▌不依靠外部平台，一手数据分析更可靠
很多新闻机构依赖Facebook、Twitter等社交媒体平台获取数据，但纽约时报认为那样会带了很多的问题。
记者需要不停地登录Facebook，然后在登录Chartbeat，紧接着登录谷歌分析来查询数据，这一切使得数据零散又难以整理。纽约时报的研发人员Erica Greeene说：“至于，我们为什么要把整个流程都在内部研发，主要是因为我们可以接触到所有不同数据来源的数据信息。能在一个地方同时展示所有的数据会很有价值，我们可以将脸书的推送放在数据的最上层，从而让你看到它产生的影响。我们可以从文章推送的一瞬间就开始追踪它的数据情况。记者可以实时了解到不同的行为是如何影响结果的。”
“很多第三方分析软件的问题是你并不清楚数据想要回答什么问题。我们不想让这些问题含含糊糊。我们想要回答下面的一些问题：读者都是怎么找到这篇报道的，读者是怎样推广一个故事的，这样才不会特别困惑。”Mayne说：“这其实是一个很宏大的目标：这并不仅仅是建立起对受众的理解，同时还是数据的可接触型增强，让它们的使用更加便捷，甚至是十分有趣。”
▌记者可实时参考，提升移动端报道技巧
“在Stela中，你会看到很多报道的读者60%-80%来自移动端，这一特点在一些新闻事件报道中表现十分突出。”Mayne说。“我们一直这样告诉大家这一点，但和看到具体的数据图表相比还有一些区别。
数据的变化让记者从另一个角度审查自己的文章：这个是不是太长了？我是不是需要多次滑动屏幕才能看完整篇文章？”
除了记者的写作外，Stela还在报道场景中发挥作用。通过Stela的数据分析，记者可以知道某个故事和其他相似的故事的是否能够有效配合，是否有效传递给了目标受众。
当然，目前这并没有单一的比较标准。例如，较高的阅读时间数据可能比较好。但视频内容作为一个完全不同的媒介形式，也有不同的评估标准。Stela告诫说，很多分析方法并不是很完美：突发新闻事件或者是大型的商业行为可能在主页上发布，进而通过社交媒体广泛传播，但是还有很多的其他类型的故事无法达到这种水平。
“这个数据好不好？”这是我们培训人们使用这一工具时经常遇到的问题。Greene说“我们希望能更好的回答他们的问题，而不是简单地给一个答案。人们想要了解他们的故事效果如何，又是否起到共鸣，并且希望能够评估它们。”
