互联网标题党现象研究及治理

◎郑家录

（秭归县电视台融媒体中心 湖北 秭归 443600）

标题党，是指在以互联网为代表的论坛或媒体上，通过引人注目的标题来吸引受众注意力，当受众点击进去发现与标题落差很大而又合情合理，以达到增加点击量或知名度等各种目的网站编辑、记者、管理者和网民的总称。

标题党现象的成因，除了商业模式的驱动，还有用户多样性、不同用户体验需求对标题党内容标准的不一致，标题党现象难以根除。本文从日常实际中，截取了五大门户网站上筛选出标题党内容，从数据上分析标题党的五大特征。

一、标题党的三种类型

（一）联想型标题党

1.惊！一男子喝醉酒竟然和动物……（武松打虎）

2.惊呆了！睡了十二年的战友，竟然是女儿身！（花木兰）

3.中国学生数学神乎其神的原因，美国人终于破解了……（中国学生比较能吃苦）

4.胆小别看！医闹患者当场砍死医生，场面血腥！（曹操杀华佗）

5.惊悚！38岁李玉刚满头白发老态龙钟（化妆）

6.黄晓明暴打杨颖，真正的原因是这样的，令人惊讶！（澄清媒体造谣）

这一类标题党在信息流中虽然比较少见，但是引起的用户反感效果最强。其中一类为通过事件某一个侧面，用引人联想型的文字描述，多与低俗擦边，来吸引点击。我们以负面评论作为评判标准，这类文章的负面评论最多，用户最为反感[1]。

（二）情绪型标题党

1.中国小将被击倒后暴走，一拳KO泰拳王。

2.国乒天才打出绝世无解球，对手被吓懵，解说员疯狂。

3.杨建平为师弟报仇，把韩国拳手拎起来揍。

在这一类标题中以用户情绪为出发点，渲染夸大事实，以此来刺激用户点击。这些内容普遍点击率较高，时长及阅读完成比并不低。

（三）求知型标题党

这一类标题党多利用数字，追随社会热点，多用“为什么、你、全世界、99%”等敏感词汇，多引用名人案例来刺激用户的求知欲，刺激用户的好奇心。内容本质上是比较普通的事件[2]。

二、标题党的数据特征

根据五大门户内容数据，将最近一个月的内容按阅读时长、CTR、阅读完成比分段，阅读时长（0-20秒，20-60秒，60-120秒，120-180秒，180秒以上），CTR（0-6%，6%-10%，10%-15%，15%-20%，20%+），阅读完成比（0-30%，30%-50%，50%-80%，80%-100%），最终交叉有80种组合，大致分析了每种组合中的内容情况，发现数据规律性很明显。

（一）CTR高但阅读完成率低

热血战狼文、噱头、部分标题党CTR水平在20%以上，完成比80%以上，博眼球内容较多。但阅读完成率低，另外通过差评的角度对内容进行区分，抽查了一部分差评较多的内容，发现差评的类型比较多，差评占比达到40%以上。

（二）用户的接受程度不一

我们调研了约100名不同年龄、职业的用户，通过用户过去喜欢看哪类内容，各类内容阅读深度如何，对标题党内容是否敏感，是否喜欢看大众的猎奇内容，还是偏好垂直、深度内容，发现对同一篇文章，这100名用户对标题党的认知不一致，有50%的内容偏差。

三、标题党治理

（一）后验数据筛选

根据数据特征的差异性，在现在互联网数据分发阶段，我们可以利用后延数据算法模型来对文章进行区分。在召回和排序算法中考虑阅读时长、阅读完成比、分享率、收藏率、评论率等多维度数据，降低点击率的影响，通过用户深度反馈——分享、收藏等指标，来抑制单纯刺激点击产生的“马太效应”。

在目前各家互联网公司的分发模型中，多采用机器学习常见的FFM模型、FTRL等模型来预测内容点击率，我们以此为处罚点，构建分发模型，例：

后验数据特征=点击×系数A＋分享×系数A1＋收藏×系数A2＋阅读完成率×系数A3＋正评×系数A3-负评×系数A4

在此公式中我们将A1、A2、A3、A4系数灵活设置，将正面系数调大，可以抑制单纯以点击驱动的分发模式。

（二）用户分群

对于一般型标题党内容略微夸大，但不存在误导用户行为的稿件，互联网不会将之扼杀，但是为了兼顾用户体验，需要对用户进行分群。存在同一部分内容一部分用户最喜欢，而另一部分用户最不喜欢，可见通过用户历史兴趣再结合人工经验梳理来对用户分群，能对用户细分起到一定效果。对于不同水平的用户所表现出的数据特点也会有所差异，时间紧迫，可以先对高端用户，标题党敏感，喜欢深度内容，不喜欢高点击率、大众、猎奇内容的用户，进行低质量内容限制，后续逐渐优化梳理映射规则，覆盖全部用户并做到精准分发[3]。

我们发现有些明显标题党品质很差、平均时长和阅读完成比很低的内容，还是有一些用户读完了，可以认为这些人就是对标题党不敏感的用户。也有一些平均点击率X%以下、平均时长和阅读完成比也不高的内容，同样有一部分用户认真读完了，仔细分析发现这些内容都是领域内比较垂直、有深度的内容，大部分普通用户是没有兴趣阅读的，而认真读完的用户都是在这方面兴趣很垂直的用户。

因为用户在某领域的知识水平和兴趣度是不同的，根据统计的平均CTR、时长、完成比等都是在所有用户上的表现，一些资深人士的行为很容易被大部分的普通用户的行为掩盖，导致这些后验数据失去个性化分发的作用。而这种现象在财经、体育、军事、军情、时政、国际、社会等几个专业性强的类别下表现更加突出[4]。

差评可以识别出一部分低质内容，去掉大部分用户不喜欢的内容，但对于有争议内容、战狼文，并不适合一刀切，而是找到对其感兴趣的用户进行推荐。其实我们忽略了一篇内容是哪些人贡献了这些点击和行为，只需将平均数据拆解到用户群体，便可以将内容属性和用户属性划分开。

（三）人工精细化运营

除了依靠数据和用户分群之外，还需要人工辅助。需要在人工梳理用户和内容分类的基础上，对信息流分发过程中的召回、排序算法进行优化。对一篇文章，不单单通过所有用户的后验数据进行排序，需要细化到不同用户群的表现，内容之间的排序要考虑同类用户群下的数据表现。

互联网平台要加强内容审核，依靠编辑的经验判断来提升内容品质。通过文章审核、媒体评级等手段净化内容生态。

标题党游走于质量“灰色地带”，给互联网公司带来收益的同时，也在消耗平台的用户体验，缩小平台的生命周期。对标题党的治理任重而道远。