摘要：互联网技术和移动终端飞速发展且广泛普及，使得新闻传播有了多种途径、平台和形式，在这种情况下受众对新闻信息个性化的需求越发明显，传统“一刀切”的新闻传播模 式已经不能满足用户的多元需求。本研究着眼于多途径传播语境下新闻传播个性化表达的策略和路径，想要探寻怎样在确保新闻真实客观的基础上让新闻内容个性化起来，采用文献分析、 案例研究、深度访谈等方法，系统梳理新闻传播个性化的理论依据，剖析当下新闻传播个性化表达的状况和挑战，给出基于用户画像、大数据分析、人工智能技术的个性化新闻传播策略框架。关键词：多途径传播；新闻传播；个性化；用户画像；算法推荐

1、引言

在当今数字化时代，新闻传播领域被前所未有的变革深刻影响着，并且伴随着5G 技术、人工智能、大数据等新兴技术飞速发展，新闻传播方式变得多元、碎片化且充满个性化。中国互联网络信息中心（CNNIC）发布的第50 次《中国互联网络发展状况统计报告显示》，到 2022 年 12 月时中国网民规模达 10.67 亿，互联网普及率为 75.6%，移动新闻用户规模达 7.98 亿，在移动互联网用户里占比 78.4%。在这种情况下，传统“一对多”的大众传播模式逐渐向“多对多”的网络化传播模式转变，新闻生产与传播的界限越来越不清晰，用户不再是单纯的信息接收者，也成了内容的生产者和分发者。

在多种传播途径构成的新常态下，新闻传播已发生巨大改变，路透社数字新闻报告显示 2023 年超 65% 的全球用户借助社交媒体获取新闻资讯且直接访问新闻网站的仅占32%，中国信息通信研究院发布的《中国数字经济发展白皮书（2023 年）》称 2022 年中国数字经济规模达 50.2 万亿元、同比增长 10.3% 且在 GDP 中的占比升至 41.5%，这股数字化浪潮极大地重塑了新闻传播生态，传统媒体和新媒体融合发展、PC 端与移动端共同推进且各种形式如文字、图片、音频、视频等都存在，从而让新闻内容的生产、分发和消费方式从根本上改变了。

这一传播环境复杂多变，受众的新闻消费习惯与需求也有了显著变化，他们不再满足于只能被动接收统一信息的情况，而越来越愿意按照自己的兴趣、偏好和需求主动去选择、定制新闻内容，艾瑞咨询《2023 年中国数字内容行业研究报告》表明超 72% 的用户更喜欢接收贴合个人兴趣的个性化内容推荐，这种变化给新闻媒体带来新挑战，在确保新闻的真实性、客观性与公信力之时满足受众不断增长的个性化需求是个难题，并且在信息爆炸的时代有效筛选并推送最契合特定受众的内容也是个问题，这些都成了当代新闻传播研究重点关注的事情。

2、多途径传播语境下新闻传播的现状与挑战

2.1 新闻传播渠道的多元化

新闻传播渠道因数字技术革命变得空前多元，传统报纸、广播、电视等媒介渠道与网站、APP、社交媒体、即时通讯工具、短视频平台等新型传播渠道组成复杂传播矩阵。中国新闻出版研究院《中国新闻媒体融合发展报告（2022）》数据表明，到 2022 年底，中国新闻类媒体各类新媒体账号超 200 万个，微信公众号有 68.5 万、微博 55.4 万、头条号 47.6 万、抖音号 29.8 万，多元化渠道分布让新闻内容借不同平台、形式触达受众，极大拓展了新闻传播的广度和深度。

渠道多元化带来了诸多挑战，首先内容同质化的现象突出，因为好多媒体在多个平台发布相似内容，致使信息冗余且让用户产生审美疲劳 [1]。其次渠道特性和内容匹配存在难题，由于不同渠道的用户群体、使用场景和技术特性不一样，所以媒体要为特定渠道定制最合适的内容形式是个大课题。再者资源分配也是个问题，在人力、物力、财力有限的情况下，媒体得平衡好各渠道的投入产出以让资源配置更优。普华永道《全球娱乐及媒体行业展望 2023-2027》报告显示，未来五年媒体机构在数字渠道的投入每年平均会增长 13.5%，而传统渠道投入持续减少，投入结构这么一变媒体就得进一步寻找更高效的多渠道运营模式。

2.2 受众需求的个性化与碎片化

在数字时代，受众信息消费习惯有着明显的个性化与碎片化特点，受众对内容的需求变得愈发多元且差异化，他们不再满足于标准的新闻产品，想要得到与自己兴趣、职业、教育背景以及价值观相符的个性化内容。Quest Mobile 发布的《2023 中国移动互联网春季大报告》显示，超 85% 的用户更喜欢能按他们的兴趣偏好推送内容的新闻平台，并且近 68% 的用户会主动调整 APP 的内容偏好设置以获取更精准的推送，由于受众有这样的个性化需求，媒体不得不持续优化推荐算法、加深用户画像，从而精准投放内容。

另一方面，当代信息消费的主要特征是碎片化，在快节奏生活方式下用户的注意力愈发分散且新闻阅读时长持续缩短。数据表明，2023 年中国移动用户单次新闻阅读平均时长仅 4.2 分钟，较 2019 年少了 1.8 分钟，并且短视频新闻平均观看时长从 47 秒缩减到 32 秒，这种碎片化消费模式给新闻内容形式和表达提出新要求，媒体要在短时间内传递核心信息且保证内容有吸引力、完整。另外，不同时间段、场景下用户需求差别明显，媒体得解决基于时空情境动态推送内容这个关键问题，受众需求个性化、碎片化趋势下传统内容生产与分发模式已经不适用，媒体急需找新方案。

2.3 新闻内容生产与分发的困境

多途径传播语境下，新闻媒体在内容生产与分发环节遭遇不少困境，首先得面对内容生产效率和质量的平衡难题，因为多平台运营迫使媒体快速产出大量内容，可优质内容创作需充分调研加深度思考，中国社会科学院新闻与传播研究所《中国新闻业发展报告（2023）》表明，近 60% 的媒体机构称内容生产压力大幅增加，超 45% 受访媒体坦言很难兼顾内容数量和质量这两个方面的要求 [2]。

其次要讲讲算法分发引发的“信息茧房”以及平台垄断的问题，算法会依据用户兴趣偏好来进行推荐，虽说这样能提高内容分发的精准度，但可能会把用户局限在有限的信息圈层里，使其难以接触到多元观点，研究显示超 72% 的用户主要是靠算法推荐来获取新闻的，并且这些推荐内容里有 84% 和用户的阅读习惯特别相关，而且内容分发渠道越来越被少数几家大型平台把控着，导致媒体对自己内容分发的主导权变弱，只能按平台规则来调整内容，进而对新闻的独立性与多样性产生了进一步的影响。

三、商业价值和社会价值存在矛盾，在流量经济驱使下，轻量化、娱乐化、情绪化内容往往能得到更多点击和分享，深度报道、调查性新闻传播效果相对差些，国家广播电视总局研究中心《2022 年中国网络视听发展研究报告》数据显示，娱乐、奇闻、情感类内容平均点击率为时政、经济类内容的 3.6 倍，这种不平衡让媒体在内容选择上陷入两难，媒体急需解决核心问题即如何在商业可持续性和社会责任之间找平衡点。

在多途径传播语境下，新闻媒体面临着由诸多困境共同构成的复杂挑战，所以得从内容生产机制、分发策略、价值导向等好多维度来搞系统的变革与创新。

3、新闻传播的个性化表达策略

3.1 数据驱动的受众画像构建

新闻个性化传播以数据驱动的受众画像构建为基础，媒体若要构建精准且动态的用户画像模型就得从多维度收集分析用户行为数据、偏好特征和社会属性，从而给个性化内容推送提供依据。QuestMobile发布的《2023中国移动互联网用户行为研究报告》表明，领先的新闻平台可依据超 200 个用户特征维度构建包含人口统计学特征、内容偏好、消费行为、活跃时段、社交关系网络等的复合画像，在机器学习算法整合分析多维度数据后能识别用户短期兴趣波动与长期稳定偏好进而达成更精准的内容匹配。

3.2 智能算法辅助的内容生产

智能算法在新闻内容生产环节的应用越来越深入，这使内容生产的效率和精准度得到极大提升，且自然语言处理（NLP）、计算机视觉（CV）等 AI 技术在新闻写作、内容编辑和形式创新方面被广泛应用。《2023 年全球新闻自动化报告》统计过，全球超 47% 的主流媒体用 AI 技术来辅助内容生产，中国的比例达 52%，中国日报社开发的“媒体大脑”系统能自动识别热点事件并分析舆情走向，它会根据不同受众群体的特点生成不一样的新闻报道初稿，从而把记者从基础写作中解脱出来，让他们能专注做深度采访和观点分析 [3]。

3.3 多维度的内容形式创新

实现新闻个性化表达的重要路径是内容形式的创新，在多途径传播环境下，不同受众有差异化需求，媒体借助多种创新形式来满足这些需求。数据新闻这种新兴形式利用数据可视化技术把复杂信息变成直观图表，从而使受众能更高效地获取与理解信息，《中国新媒体发展报告（2023）》表明，在 25 到 40 岁的高学历用户群体里，数据新闻的接受度达到 89.3%，比传统图文形式的 72.5% 高很多，新冠疫情报道时，各大媒体平台发布的疫情数据可视化产品用动态图表展现病例变化、传播路径和防控措施，访问量超5 亿用户。

3.4 交互式与沉浸式新闻体验设计

个性化传播在交互式与沉浸式新闻体验设计面前有了新可能，因为引入用户参与机制后受众不再只是被动接收信息而是能主动参与内容探索与意义构建，腾讯研究院《2023年中国互动新闻发展研究报告》数据表明有交互设计的新闻内容平均停留时长是非交互式内容的 3.3 倍且分享率提高了 76%，央视新闻推出的“AI 对话报道”能让用户和新闻人物或者事件模拟对话借问答形式深入知晓事件背景与细节且上线三个月累计对话量超5000 万次从而有效提高复杂新闻议题传播的深度和广度，另外用户情境下的自适应内容呈现也成为趋势即系统会依据用户的设备类型、网络状况、使用场景等实时情况动态地调整内容展现形式、加载方式和互动机制以给用户最佳阅读体验进而让新闻传播效果达到最大值。

4、个性化新闻传播的实现路径

4.1 技术支撑体系的构建

个性化新闻传播的技术支撑体系主要包含用户数据采集与分析系统、算法推荐引擎还有多终端适配技术这三部分，其中用户数据采集与分析系统能实时采集整合包括用户行为数据、内容偏好、社交关系在内的多维度数据以构建全面的用户画像。2023 年，中国互联网络信息中心（CNNIC）的数据显示，我国超 85% 的新闻媒体有了自己的用户数据分析平台，这些平台可精确捕捉分析用户浏览轨迹、停留时长、互动行为等数据。

算法推荐引擎融合机器学习和深度学习技术，把协同过滤、内容特征匹配以及知识图谱等技术结合起来构建混合推荐模型，《数字新闻报告 2022》表明中国像今日头条、腾讯新闻这样的新闻平台在算法推荐技术方面投入的研发成本占比超 30%，其个性化推荐准确率较 2019 年提升接近 40%，而多终端适配技术能保证内容在用户使用智能手机、平板电脑、智能电视等不同设备时自动调整呈现形式以提供一致且优化的用户体验 [4]。

4.2 内容生产流程的重构

个性化传播有需求，所以新闻内容生产流程得赶紧从传统的“采编发”这种线性模式转变为“数据驱动 + 多元创作 + 智能分发”的网状结构，因为前端的数据分析环节成了内容策划的开头，通过监测热点话题、分析用户兴趣图谱以及评估竞品内容就能精准掌握受众需求并让选题定位精准，《中国媒体融合发展报告》是 2022 年中国新闻出版研究院发布的，它表明应用数据驱动的选题机制之后，头部媒体的内容触达率平均提高23.7% 且用户停留的时间也增加了18.5%。

4.3 传播效果评估与优化机制

个性化新闻传播效果评估要构建多维度、动态化指标体系以超越像点击量、浏览量这类传统表面指标，现代评估体系涵盖传播覆盖度（包括目标用户到达率、用户群体匹配度）、用户参与度（包含停留时长、互动频次、分享转化率）、内容接受度（涉及阅读完成率、情感反馈、认知吸收度）还有长期价值指标（例如用户黏性、品牌忠诚度、付费意愿）等诸多层面，中国传媒大学 2022 年发布的《数字媒体效果评估研究》表明，采用多维评估体系的媒体机构与传统单一指标评估机构相比，用户留存率高 42% 且内容调整精准度能提升 57% 。

5、结论

在多途径传播语境下，本研究系统探索了新闻传播的个性化表达策略与路径，结果显示，在数字媒体环境中，个性化新闻传播已然成为必然选择与发展趋向。从技术方面讲，大数据分析、人工智能以及算法推荐技术给个性化传播提供了强大支持，而在内容方面呢，多元化呈现形式和定制化叙事策略能满足不同用户的差异化需求，到了传播层面，精准化分发渠道和互动式传播模式可提升传播效率与用户参与度。新闻传播个性化不但是技术应用的创新，而且是传播理念的革新，在坚守新闻专业主义核心价值的基础上，能精准回应用户个体需求。

参考文献：

[1]廖慧 ;. 新媒体环境下苗族节庆文化的传播路径与策略研究——以贵州省雷山县苗族苗年节日活动为例 [J]. 新闻论坛 ,2022(04):100-101.

[2]彭媛 ;. 国际传播视野下的电视话语表达策略研究 ――以央视国际化路径为例[J]. 湖北社会科学 ,2015(09):196-200.

[3]岳琳 ;. 新媒体环境下提升农村信息传播有效性的途径与策略研究 ――基于 8 省区的实证调查 [J]. 学习与实践 ,2012(09):90-96.

[4]彭洲. 新时代推进主流意识形态具象化传播的四重维度[J]. 江苏工程职业技术学院学报 , 2023, 23 (04): 34-39.

[5]徐淑敏. 全球化语境下中国电影第六代的跨文化传播研究[D]. 导师：于晓风;李超 . 山东大学 , 2023.