浏览量、订阅数、点击率、跳转情况……这些数字都描述了读者的行为，但是却并没有真正揭示读者对新闻的实际想法和感受。

娴熟使用、深入分析数据是很多记人的技能短板，而这恰恰也是需要改进的地方。

读者认为哪些故事最有价值？什么样的内容能够促使读者转变成为订阅者？有哪些信号表明读者正在重新回归社区？什么样的流量数据对组织目标具有意义？当新闻编辑室试图和读者建立起更好的信任关系时，他们也在努力解决上述问题。

一项由MelodyKramer和BetsyO’Donovan（这两位都是尼曼前雇员）完成的美国新闻协会研究报告，基于与20多位记者的访谈和20家媒体组织的数据，总结一些重要的指标，为创建数据驱动型新闻编辑部贡献了新的智慧，“我们的目标是寻找对大多数新闻编辑室都有意义的实践经验，但又尽量提供具体的可借鉴的做法。”

用“活”数据：摆脱单一、机械的指标

记者和新闻编辑室并不讨厌数据，只是他们喜欢易于理解的数据。

现在，各种数字指标往往使人徒增疑虑而不能提供指导。浏览量、订阅数、点击率、跳转情况……这些数字都描述了读者的行为，但是，与评论、对话不同，这些数字并没有真正揭示读者对新闻的实际想法和感受。大多数的数字指标只勾勒出新闻机构想要了解的真实情况的模糊图景：

“（我想了解）爱。我们被读者爱着吗？这份爱有多少？”负责Quartz增长业务的SariZeidler说道。“我们可以看到读者们的阅读频率和他们走向转化漏斗的过程，但我们真正想知道他们是否热爱我们？我们在如何影响他们？我想更好地了解这些人，了解他们为什么爱我们，了解他们为什么成为铁杆读者。“

这就是挑战。单靠机械的数字是无法告诉编辑室应该将注意力放在哪里，这些指标必须与经营战略、编辑室文化甚至每个记者的具体工作联系起来。

报告的撰写者Melody Kramer和Betsy O’Donovan表示，指标必须放置在具体的情境之中。适用于《金融时报》或者NPR的测量可能并不适用于AnchorageDailyNews或Virginian-Pilot。因此在这份报告里，研究者鼓励读者从与自己业务类型、经营目标相似的案例中寻找启发。

比如，像NewTropic这样的媒体组织正越来越注重建立起少而精、具有高度忠诚的读者群体，对他们而言就不会过分看重类似阅读量或者只订阅却从未有点开行为的订阅数量。相反，对于大多数正在转向付费订阅模式的媒体组织而言，他们十分关注如何将读者从闲散消遣的阅读者转化成订阅者。对于这些组织而言，他们正努力加速这一转化过程，正竭尽所能地缩短某个人订阅所需的时间。

不同的数据代表了不同的价值取向。在这里，我们需要区别两类指标类型：总结性评价指标和形成性评价指标。

在媒体机构，总结性评价指标对于产品经理和高管而言具有非凡的价值，这些指标帮助他们作出是否继续投入时间制作视频内容还是转移到文字内容上等决定。

这是目前大多数记者所面对的指标类型：你的文章有多少阅读量，获得了多少评论转发等。虽然这些指标对管理层具有价值，但是它们却很少为记者创造新的学习机会和延伸价值。

另一种指标类型是“形成性评价指标”，它侧重于展示如何实现目标，而不是评估目标的最终效果。在《金融时报》，一支读者参与小组帮助每个团队理解数据指标的含义，“以FT典型读者的身份出发，这支小组会帮助记者进行各种检查，确定读者感兴趣的内容，并共同开展实验进行测试。”《金融时报》首席数据官汤姆·贝茨这样介绍。

得益于这种帮助，记者们已经找到了最佳的文章发布时间。对于《金融时报》的记者而言，工作日中的上午8点到9点是个生死攸关的窗口期，“如果你太迟提交文章，就会失去大量的读者”，贝茨说。

将指标与更大的目标勾连

“如果记者真正了解他们的工作是如何与更大的组织目标产生关联的，那么就更有机会让人们使用数据。“负责美国新闻研究所新闻指标工作的LizWorthing说道。

在《达拉斯晨报》，“将感兴趣的读者转变为订阅者”是其最为重要的关键指标，但这并不是对记者提出的直接要求，因为这个目标不仅难以实现，而且距离记者的实际工作太过遥远。

“直接实现这个指标十分困难，但是我们可以围绕这个目标设立与之相关的具体指标，”曾负责晨报读者开发的AmandaWilkins说，“我们最主要的一级KPI是转化率，但是具体的二级指标则可以是访客回头率和文章阅读时间等。”

在这份报告中，每个新闻编辑室都承认，对记者提出严苛的指标要求不仅痛苦而且困难，因为这样的要求往往是关于商业经营的，而不是关于新闻业务的，并且对于从未接受过正式数据分析培训的记者而言，这个要求似乎并不合情理。

为了解决这一问题，越来越多的新闻编辑室都引入了数据指标分析师，通过这些人士作为翻译，沟通起数据与新闻采编业务。“你不能丢给编辑和记者一些他们不甚了了的数据，指望他们据此做出改变”，NPR的数据指标分析师DanFrohlich这样说道。

过去十年，在数据指标与记者的激励体系之间存在着某种矛盾。许多记者表示，他们的新闻编辑室正经历着数据疲劳或者数据恐惧。

在通常情况下，记者担心这些数据指标成为做出裁员决策的记录卡，而不是帮助自己的工具。“我们会把数据作为一种新工具而感到兴奋，还是害怕它成为一种惩罚手段？”资深记者吉尔·尼科尔森提出这样的问题，“这与组织文化有关。有些领导团队将数据作为鞭子和棍子，这种情况下，如果你的领导在查看网页浏览量，这些数据就会让你感到压力。”

此外，有些记者也表达了对管理层偏好大流量而不是好故事的担忧。这些记者并不反对流量的重要性，但是他们怀疑这种取向会冲淡那些重要却不那么吸引人的报道主题，比如对当地政府的监督。

如果希望记者爱上数据指标，管理层就必须尊重和接受这些恐惧怀疑，并为解决这些疑虑做出积极回应。

在NPR等新闻编辑室里，一个值得学习的取向是，他们将数据作为整个编辑室值得庆祝、纪念的成就或者需要反思的失败，而不是鉴定记者质量的指标。

注重数据的可行性、可能性

新闻编辑室如何激发员工对数据的兴趣？

在很多编辑室内，数据分析师和培训师都为记者提供了简单可行的数据清单，比如指导记者在文章中添加更多的超链接，并且在一两个星期后，检测这些指标的结果并讨论下一步应该做什么。

在Chartbeat的新闻编辑室中，悬挂在室内的数据分析面板引人注目，通过这个显示屏能够让所有人实时地掌握数据情况。但是在Nicholson看来，这些数据的作用应该是启动对话，而不是结束讨论。

她指出，引入数据给新闻编辑室带来的好变化就是，他们能够从这些简单的数据中获取重要的信息，比如她会告诉记者：“你在文章里添加了相关链接吗？你已经让读者点击进入了页面，你能吸引他们点击进入第二页吗？在读者阅读时间和他们回访之间存在着相关性。”

对于记者而言，没有必要时时刻刻紧盯着数据，他们需要做的是回头看看昨天的文章是否引发了共鸣；对于编辑而言，则需要以更长的时间长度为周期进行回顾，从更大的数据面上分析哪些故事更受欢迎。基于这些分析，记者和编辑再商议是否需要做出调整和改变。

对于致力于引入数据指标的新闻编辑室，有一个广为流传的讽刺：“如果你有了一把锤子，那么一切看起来都像是钉子。”

换句话说，如果你唯一拥有的数据指标是独立访客数量，那么你可能会误以为增加这一数量就是目标。

在现在，新闻编辑室会定期检查是否需要关注特定的数据指标，了解这些数据是否具有良好的指导作用。

以Whereby.us为例，“有段时间，我们在发展订阅用户方面做了大量工作。我们的确看到我们的订阅用户越来越多，但是他们并没有像我们期待的那样给产品或者用户社区带来更多价值”，RebekahMonson说，“这些用户没有参与我们制作生产的内容。”

现在，Whereby.us降低了订阅用户这一KPI的重要性，而给文章打开率等其他指标赋予了更多权重。

简单的数据指标常常能为编辑室带来意料之外的启发。“我们借助数据来审视哪些做得好，哪些业务还具有更大潜力”，TheVirginian-Pilot的数字战略总监EricaSmith说，“数据表明我们的商业报道做得不错，但是消费者新闻，比如新餐馆或者新商业故事，表现得更加出色。因此，我们另组建了队伍从事这方面的报道。”

采用多类型的数据，能够帮助编辑室更好地制定战略，“当我们只关注浏览量时，体育运动类报道的表现不佳，但是当关注那些订阅者在看什么时，体育运动正是他们的最爱”，Smith说，“更深的数据分析帮我们区别忠诚的订阅者和随意的浏览者。”

如何创建指标驱动型新闻编辑室

在采访了众多记者和新闻编辑室后，研究者就如何创建指标驱动型的新闻编辑室绘制了蓝图。虽然每个组织采取的数据指标路径都是独一无二的，但是研究者从大量的例子中萃取了其中的相同性：

1. 定义组织的总体目标和关键绩效指标。

比如组织的增长计划等，广泛分享让每个人都明确这些数字；鼓励人们就目标、绩效指标和组织的运营状况提出质疑；当KPI发生调整时，确保组织内的每个人都收到了详细的解释和说明。

2. 将组织目标与编辑室工作联系起来。

如果媒体机构中的每个人都应对组织的良好情况负责，那么每个人就应该知道“良好”的样子。对编辑室而言，指标可以是增加用户阅读时间、提高文章点击率等。《金融时报》通过在新闻编辑室创建数据团队，定期反馈编辑室的工作，带来了公司范围内的成功，并且这种方式，帮助记者编辑更好地了解自己对团队胜利发挥的作用。

3. 为每个人建立情景和利益关系。

考虑这些问题：记者在组织的整体成功中扮演怎样的角色？他们需要靠什么来了解自己的作用？他们是否有适当的工具来衡量自己是否做得好？

4. 提供指导，建立沟通。

为了降低指标引入的困难、有效地使用指标，一对一的亲密对话是不错的方法。Chartbeat的客户关系总监JillNicholson经常亲切地告诉用户，数据分析面板（dashboards）不是对用户的分级对待，使用数据的目的是引发更深的讨论，比如一个简单的调整——在文章中添加相关故事的链接，为什么可以显著提高阅读时间，培养其他重要的阅读习惯。

5. 通过数据分析面板和新闻稿来强化反馈。

数据分析面板提供了简约、全景式的信息，新闻稿则可以通过添加相关具体内容和想法进一步补充数据信息。例如，NPR通过新闻稿深入分析数据指标如何帮助自身取得胜利，并进一步提出可以推进的想法。

6. 通过面对面的对话亲密跟进。

持续的、以学习为目的的数据反馈能够帮助记者更好地适应数据要求，带来更好的报道。在《达拉斯晨报》，一位体育编辑对于南方某足球迷为什么比其他足球迷更容易转化为订阅者的好奇，带来了一个全新的报道主题。随着对数据使用能力的不断提高，编辑室创建了一系列远高于平均阅读量的新栏目。

尽管这份报告已经为我们提供了大量鲜活的案例和具体的行动路径，但是正如两位撰写者所说的，在建立新闻数据指标上，没有所谓的“黄金法则”和“上帝指标”，因为每个读者社区都是独一无二的，每个新闻机构都面对着独特的挑战和目标。

随着数字阅读成为主流，对于新闻编辑室而言，数据更容易获得，对记者、编辑的考核激励似乎更加“有理有据”。但是这份报告所展示出的的复杂性和多样性，更在启示我们，数据驱动型新闻编辑室绝不仅仅是用一些表面化的数据，去为记者编辑打分定级，而应借助数据和分析，帮助记者和新闻编辑室实现共赢，为新环境下的新闻业增添新的驱动力。数据本身，既不是答案也不是真相，只有不停地拷问，它才会坦白一切。

公众号：全媒派（ID：quanmeipai）

本文由 @全媒派 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议