Hoe steeds meer media hun aanbod personaliseren: de gebruiker krijgt wat hij zoekt

personaliseren

Via Facebook, Instagram en Twitter krijgen nieuwsconsumenten al een tijdje verhalen voorgeschoteld die volgens algoritmes het best bij hen passen, maar nieuwsmedia gaan nu ook zelf hun verhalen gepersonaliseerd verspreiden. Hoe ver zijn zij hier al in? En wat zijn de mogelijkheden verder?

De tijd van homogene nieuwsdiëten ligt ver achter ons. De hedendaagse technologie maakt het mogelijk om iedere nieuwsconsument zijn eigen, persoonlijke portie informatie te serveren. Personalisatie heet dat: de ene nieuwsgebruiker iets anders voorschotelen dan aan de andere. Het is mogelijk in verschillende gradaties en aan de hand van verschillende kenmerken.

Van klassieke krant naar nieuwssite als Facebookfeed

De eerste personalisatiestap is de klassieke krant, journaal of website. Hier wordt het hele publiek hetzelfde nieuws aangeboden, maar ligt de focus al wel op een bepaalde doelgroep. Het ene medium bijvoorbeeld is meer links-progressief en/of opiniërend, een ander weer meer feitelijk en gericht op de gemiddelde burger. Hoewel een krantenlezer er natuurlijk voor kan kiezen om een verhaal over te slaan, bepaalt de redactie wat zijn mogelijkheden zijn.

Bij de tweede gradatie is dit ook nog het geval. Hier ligt de keuze welk nieuws belangrijk wordt gemaakt nog wel bij de redactie, maar krijgt niet iedereen hetzelfde nieuws voorgeschoteld. Denk hierbij aan Facebook, waar een sportliefhebber eerder de sportverhalen van de Volkskrant te zien krijgt dan de muziekverhalen. Een ander voorbeeld is Blendle, waar gebruikers een mix krijgen van door de redactie geselecteerde must-reads en verhalen die volgens een algoritme het best bij hen passen.

Aan het uiterste einde van het personalisatiespectrum heeft een redactie niets meer te zeggen over wie welk nieuws ontvangt. Er zijn (nog) geen voorbeelden van media waar dit gebeurt, maar denk aan een nieuwssite als een soort Facebookfeed, waarin iedereen wat anders ziet.

Personaliseren op basis van data

Hoe bepaal je wie welk nieuws krijgt opgediend? Daarbij spelen verschillende factoren mee. Anne Schuth was als data scientist bij Blendle nauw betrokken bij het opzetten van het algoritme dat de verhalenselectie voor gebruikers personaliseert en is tegenwoordig werkzaam bij De Persgroep. Hij deelt factoren voor personalisatie op in twee soorten: expliciete feedback en impliciete feedback. ‘Expliciete feedback is data die gebruikers bewust afstaan, bijvoorbeeld door onderwerpen aan te vinken waarin ze geïnteresseerd zijn of door hun leeftijd in te vullen. Impliciete feedback is data die gebruikers onbewust geven. Dit kan bestaan uit welke verhalen je eerder gelezen hebt, welke sites je eerder bezocht, of de plek waar je nu bent.’

Van locatiegegevens maakt Schuth momenteel gebruik bij het maken gepersonaliseerde pushberichten voor de app van het AD. ‘Gebruikers die een band hebben met een bepaalde regio kunnen straks een pushbericht ontvangen als er in die regio iets gebeurt dat daar wel urgent is, maar niet voor alle appgebruikers relevant is.’ Schuth noemt dit een mooie manier om meer recht de doen aan verhalen die anders misschien ondersneeuwen.

Volgens Schuth staat het personaliseren van nieuws nog in de kinderschoenen. Blendle startte ruim twee jaar geleden met een nieuwsbrief waarvan de inhoud deels werd bepaald door lezersvoorkeuren en eerder gelezen artikelen. Nu lijkt de mainstream te volgen. De New York Times lanceerde in juni zijn eerste semigepersonaliseerde nieuwsbrief: Your Weekly Edition. Ook Schuths eigen team bij de Persgroep is pas deze zomer begonnen.

Niet zinvol voor GeenStijl

In de marketingsector is personalisatie al langer een thema, met gerichte advertentiecampagnes met productsuggesties en prijsmanipulatie. Sander Nagtegaal is CEO en medeoprichter van Unless, een personalisatieplatform voor websites. Unless helpt sites verschillende groepen bezoekers te identificeren en hen de voor die groepen optimale webpagina’s te tonen.

Nagtegaal ziet dat nieuwsmedia momenteel niet veel meer doen dan Amazon-achtige aanbevelingen als: ‘lezers die dit stuk leuk vinden, vinden ook deze verhalen goed’, maar gelooft ook niet dat vergaande personalisatie voor ieder medium meerwaarde heeft. ‘Een site als GeenStijl richt zich al op een bepaalde niche, dan heeft personaliseren weinig zin.’

Berichtgeving op maat

Volgens Nagtegaal liggen er voor media meer kansen bij contextualisatie. Daarbij wordt de inhoud van berichtgeving op maat gesneden voor bezoekers. ‘Je brengt hetzelfde nieuws, maar in meerdere versies. Als je van een gebruiker ziet dat hij afhaakt bij moeilijke economische verhalen, kan je die de volgende keer een eenvoudiger versie tonen.’ Die verschillende versies zouden volgens Nagtegaal ook automatisch gecreëerd kunnen worden, door middel van natural language processing. Ook Schuth noemt dit als een mogelijkheid voor de toekomst.

Dat Nagtegaal niet gelooft dat het aanbieden van verschillende verhalen een wereld van verschil gaat maken voor nieuwsmedia, heeft ermee te maken dat media zowel commercieel als moreel gezien, te veel belang hebben bij het brengen van het belangrijkste nieuws. Schuth benadrukt hoe belangrijk het is dat media ook nieuws ongepersonaliseerd blijven verspreiden, om filterbubbels te voorkomen. Hij verwacht ook niet dat de volledige distributie straks in handen is van algoritmes. ‘Letterlijk niemand wil dat. Een samenwerking tussen mens en machine is de perfecte vorm.’

Samenwerken met een robot

Een mens die samenwerkt met een machine, is Anna Korterink, eindredacteur bij Blendle. De Blendle-redactie kiest iedere dag een aantal verhalen die volgens hen door iedereen gelezen of beluisterd zouden moeten worden. Die aanraders worden aangevuld door een algoritme. Dat bevalt Korterink prima: ‘Ik heb helemaal niet het gevoel dat ik samenwerk met een robot. Aan het begin was het wel wat wennen, maar doordat het algoritme leert, wordt de selectie die het maakt ook steeds beter.’

Dat Korterink het algoritme niet ervaart als een zwarte doos, komt ook doordat de redactie de formule enigszins kan aansturen. ‘Toen we het algoritme begonnen te gebruiken konden wij al in onze nieuwsbrieftool aangeven waar een verhaal over gaat, zodat dat verhaal eerder terecht zou komen bij gebruikers die dat onderwerp volgen. Tegenwoordig herkent het algoritme ook woorden in de tekst en koppelt het er zelf al ‘entities’ (onderwerpen, red.) aan die verfijnder zijn dan de labels die wij eerst gebruikten, en die mensen kunnen volgen. Zo wordt een interview met een Rotterdamse politicus die van bergbeklimmen houdt niet alleen gelabeld als politiek, maar ook als Rotterdam en bergbeklimmen. Hierdoor komt het verhaal ook terecht bij iemand die misschien niet van politiek houdt, maar wel van bergbeklimmen. Met zulke automatische labels gaat het ook weleens fout, maar wij controleren die labels ook als redactie en passen ze zo nodig aan in de tool.’

Volgens Korterink wordt door deze manier van verhalen verspreiden niet alleen het publiek beter bediend, maar is het ook waardevol voor journalisten die hard werken aan een verhaal dat misschien niet in ieders straatje past. ‘Als je voor iedereen dezelfde selectie maakt, valt een heel complex wetenschapsverhaal al snel af. Nu komt dat gewoon terecht bij de lezers die daarvan genieten.’

Foto: Mike Ackerman

Over Sjors Hofstede

Sjors Hofstede studeerde communicatiewetenschappen en journalistiek, en werkte voor onder meer Blendle en Vrij Nederland. Tegenwoordig is hij freelance redacteur/onderzoeker.