Cosa ti ha portato a iniziare a lavorare nello spazio di raccomandazione dei contenuti delle notizie?
Ho iniziato la mia carriera nel settore energetico negli Stati Uniti nel 2005. Ho lavorato 12 anni nel settore energetico. Il settore energetico è ad alta intensità di dati e molto presto nella mia carriera sono stato esposto a progetti di big data. Mi è sicuramente piaciuto e, col senno di poi, è stata anche una benedizione perché Big Data Analytics è davvero decollato negli ultimi 5 anni. C’è così tanta potenza di cloud computing prontamente disponibile che lo spazio dell’analisi dei Big Data sta diventando molto interessante.
Quella è stata la mia carriera professionale. Dal punto di vista personale mi piace rimanere aggiornato e tenermi al passo con gli sviluppi. Ricevo le mie notizie da varie fonti, tra cui siti web di notizie, social media e ovviamente blog specializzati. Intorno al 2017 ho sentito che sarebbe stato bello sposare il mio interesse per Big Data Analytics e News e sono passato dalla Big Data Analytics del settore energetico alla Big Data Analytics per la raccomandazione dei contenuti delle notizie.
Come questo ti ha portato a fondare Newsology?
Come ho già detto, sono un avido consumatore di notizie. Tuttavia, sentivo che stavo ricevendo consigli sulle notizie dal grande pubblico, piuttosto che da esperti e professionisti in un determinato settore. Quindi, ad esempio, ricevevo articoli sulla nutrizione dal grande pubblico, forse dai miei amici, e sentivo che avrei preferito leggere ciò che consigliano i nutrizionisti. L'ipotesi è che un professionista del suo settore sia meglio informato sulla qualità di un articolo di cronaca.
Abbiamo condotto più sessioni di feedback per testare la nostra ipotesi e abbiamo ritenuto che fosse necessario affrontare questo problema. Così abbiamo avviato Newsology nel 2017. Abbiamo ricevuto feedback dalla nostra comunità di utenti e dai giornalisti lungo il percorso per assicurarci di consigliare buoni contenuti ai nostri utenti. Continuiamo a ricevere feedback sui consigli degli articoli suggeriti dalla nostra app e ottimizziamo il nostro prodotto di conseguenza.
Come si svolge una giornata tipo?
Sono decisamente un nottambulo, quindi la mia tipica "notte" inizia con l'analisi dei nostri KPI chiave con il sistema esistente, quindi lo stato di completamento dei prossimi miglioramenti che stiamo implementando: potrebbero essere ritocchi al nostro motore AI o modifiche su la nostra App. Lavoriamo con un team distribuito. Non abbiamo orari fissi per le riunioni. Tutti sono su Skype, quindi ci scambiamo semplicemente messaggi e, se necessario, organizziamo teleconferenze.
Quindi la mia notte è occupata da altro lavoro tecnico. Durante il giorno tendo a svolgere altre attività come marketing, PR e attività relative al feedback dei clienti.
Come si presenta la tua configurazione lavorativa? (le tue app, strumenti di produttività, ecc.)
Ho un laptop collegato con una configurazione a doppio schermo. Cerco di evitare di scrivere lunghe e-mail sul telefono e di tenerle sul computer in modo da poter dare indicazioni e risposte chiare. Le nostre attività sono registrate su Trello. Abbiamo linee guida molto chiare su come vengono registrati i problemi su Trello, quando un'attività viene contrassegnata come completata, ecc. Cerchiamo di mantenere la cultura di fornire molte informazioni all'utente successivo in modo che l'attività proceda in modo efficiente con riunioni minime. Siamo sicuramente un negozio O365. I nostri documenti, KPI, flussi di lavoro, presentazioni, ecc. sono tutti archiviati sul cloud O365. Oltre a ciò, utilizziamo GitHub e AWS.
In che modo l'intelligenza artificiale fa emergere i contenuti originali?
Esistono alcune app di aggregazione di notizie che utilizzano l'intelligenza artificiale per far emergere contenuti originali. Esistono diversi modi in cui queste app utilizzano l'intelligenza artificiale per far emergere contenuti originali. Spiegherò due dei metodi più comuni utilizzati e poi una svolta utilizzata da Newsology.
La prima tecnologia che può essere utilizzata è il filtraggio collaborativo. Possiamo spiegare il filtraggio collaborativo con un semplice esempio. Diciamo che Stephan è interessato alla nutrizione e alla perdita di peso. E Sarah è interessata anche alla nutrizione e alla perdita di peso. Ma Sarah è interessata anche ai frutti di mare. Forse dovremmo consigliare articoli sui frutti di mare a Stephan? Se Stephan mostra una mancanza di interesse verso gli articoli sui frutti di mare, il modello lo riconoscerà e testerà un altro argomento. Qui puoi vedere che il motore AI trova in modo indipendente nuovi argomenti a cui un lettore potrebbe essere interessato.
Parliamo di una seconda tecnologia: Doc2Vec. A volte c'è una prospettiva interessante che offre un giornalista o un blogger. E questo viene sommerso da un gran volume di articoli che, essenzialmente, parlano della stessa cosa. Possiamo usare algoritmi come Doc2Vec per vedere se i giornalisti parlano dello stesso evento. Quindi, ad esempio, supponiamo che un astrologo scopra due cose interessanti sulla nostra galassia nello stesso giorno. Potremmo avere 10 giornalisti che coprono il primo evento ma solo 1 giornalista che copre il secondo evento . Doc2Vec può identificare che in realtà i 10 giornalisti stanno discutendo dello stesso evento, e i loro articoli verranno raggruppati in un unico 'display'. Ciò dà la possibilità che il 2 ° articolo venga mostrato agli utenti interessati all'astrologia. In questo caso, l’intelligenza artificiale ha aiutato un utente a vedere sviluppi che altrimenti sarebbero rimasti nascosti.
La svolta che Newsology aggiunge è che tiene conto anche del background professionale di un utente. Usiamo il nostro primo esempio con Sarah e Stephan. Se un utente di Newsology afferma di essere un nutrizionista, ora aggiungiamo questa terza dimensione nel consigliare articoli a Sarah e Stephan sugli articoli sulla nutrizione. Ovvero: quali articoli leggono i nutrizionisti? Date queste informazioni, cosa possiamo ora consigliare a Sarah e Stephan?
Naturalmente, non ci sono solo due o tre modelli di intelligenza artificiale utilizzati dalle app di aggregazione di notizie. Esistono molti altri modelli che funzionano insieme, testano insieme e consigliano insieme. Stanno anche imparando se la loro raccomandazione funziona. Ad esempio, l'utente sta rispondendo al consiglio. Questo è noto come test A/B. E se l'utente non risponde, cosa facciamo?
Qual è il vantaggio per blogger e scrittori?
L'utente desidera consumare contenuti originali e ben articolati. Ci sono migliaia di blogger e scrittori che scrivono contenuti originali che non ottengono abbastanza visibilità. Newsology sta aiutando a far emergere il contenuto di blogger e scrittori indipendenti.
Quali sono alcuni suggerimenti di delega a cui ti attieni?
La delega è un processo. Il primo passo è utilizzare il quadrante delle deleghe (importante/non importante vs urgente/non urgente). Saresti sorpreso di quanti compiti cadono in quella fase. Se si delega, trovo che sia meglio prendersi il tempo per scrivere prima io stesso la visione/esigenza/problema per essere sicuro di aver compreso appieno il problema e il risultato finale desiderato. Dopo aver riflettuto attentamente sul compito, mi chiedo chi sia la persona migliore a cui assegnare il compito. È importante spiegare come si presenta un successo e incoraggiare il delegato a chiedersi se ritiene che un'attività sia stata completata con successo. Ciò garantisce che l'individuo che completa l'attività stia eseguendo il proprio controllo di qualità.
Contenuti dei nostri partner
Che consiglio hai per gli ambiziosi professionisti dell'editoria digitale e dei media che entrano nello spazio dell'intelligenza artificiale e del machine learning?
Offrirò due consigli. Una soft skill e una hard skill.
Dal punto di vista delle competenze trasversali, dedica molto tempo ad assumere la persona giusta per il compito. Ma una volta assunta la persona, non aver paura di mantenere il tuo team secondo standard elevati. Saresti sorpreso di quante persone operano con la mentalità del "abbastanza buono". Non è colpa loro. Stanno cercando una guida da te su quali sono le tue aspettative.
Dal punto di vista delle competenze difficili: le tecnologie AI e ML possono aiutarti a esporre i tuoi contenuti. Prova a utilizzare tag e parole chiave nei tuoi articoli. I motori di scansione cercano queste parole chiave. Inoltre, non diluire il tuo articolo. Ci sono alcuni editori che aggiungono tutti i tipi di parole chiave ai loro articoli. Quindi, il loro articolo potrebbe riguardare l’escursionismo, ma aggiungono in sottofondo parole chiave come “Politica internazionale, viaggi nel tempo, ecc.”. I motori di intelligenza artificiale possono rilevarlo e, se non altro, fa male mostrare i tuoi articoli.