Newscast – an algorithm for a greater cause

Baggrund

JFM er Danmarks næststørste privatejede mediekoncern med 15 dagblade, heriblandt Avisen Danmark og Fyens Stiftstidende, 43 ugeaviser, fire kommercielle radiostationer, en landsdækkende tale-radio og en lang række nyhedssites. 

JFM har masser af godt og relevant indhold tilgængeligt på deres nyhedssites. Udfordringen er, at meget af indholdet aldrig møder brugerne. Derudover kommer 50 % af brugerne fra Facebook, og de læser typisk kun én artikel, hvorefter de forlader sitet igen. Tiden, der bliver brugt på JFMs sites, er altså begrænset. 

Årsagen er bl.a., at JFMs nyhedssites er bygget op på den måde, at alle uanset køn, alder, interesser osv. præsenteres for de samme artikler i samme rækkefølge. Det betyder, at brugerne ofte får vist irrelevante artikler og går glip af de artikler, der er interessante for lige præcis dem. Konsekvensen er, at kun ca. 20 % af indholdet eksponeres for brugerne. 

I stedet for at læse nyheder via nyhedsmedierne får flere deres nyheder via de sociale medier, hvor algoritmerne fodrer brugerne med mere af det indhold, de i forvejen interagerer med. Resultatet er ét stort ekkokammer og tabt loyalitet. 

Et andet problem ved de sociale medier er, at de har svært ved at kontrollere kvaliteten af indhold. Det betyder store mængder af fake news, som brugerne læser, og som er med til at underminerer journalisternes troværdighed og true demokratiet. Dét er et seriøst problem, og faktisk har World Economic Forum identificeret misinformation som den største udfordring for menneskeheden i 2024. 

I et ambitiøst forsøg på at beskytte demokratiet og vende den negative udvikling startede vi i 2022 udviklingen af den AI-baserede løsning, Newscast, der sikrer personaliserede og relevante læseroplevelser på JFMs sites. 

Løsning

Vi byggede en meget kompliceret algoritme, der automatisk analyserer alle artikler på JFMs nyhedssites og parrer dem med brugernes digitale adfærd. På den måde giver vi brugerne et personligt fremfor et generisk newsfeed.

AI’en analyserer artiklerne på baggrund af 900 millioner forskellige parametre, herunder indhold, stemning, kompleksitet og geografisk placering. Ud fra de mange parametre kan modellen skabe en detaljeret profil af artiklen. 

Samtidig analyserer AI'en brugerens læsevaner og præferencer og skaber på baggrund heraf en brugerprofil. Det sker ved hjælp af cutting edge NLP-teknikker og multi-head-attention- og self-attention-mekanismer, der præcist kan forstå og forudsige brugerpræferencer. Processen sker løbende, så brugerens profil altid er opdateret med den nyeste data. 

Når AI’en har skabt en detaljeret profil af både artikler og brugere, analyserer den mønstre og ligheder mellem brugerprofil og artikeldatabase. Herefter kan AI’en begynde at matche brugeren med artikler, der er relevante for brugeren og på den måde skabe den bedst mulige oplevelse for brugeren.

Fordi troværdighed er vigtigt, er AI’en bygget som ”white box”. Dvs. at alle mekanismer og processer er gennemsigtige og forståelige, og vi kan forklare baggrunden for hver artikelanbefaling. 

Vi bruger avancerede Google Cloud-teknologier som Vertex AI, BigQuery og Composer til at træne og monitorere modellen med det formål altid at sikre den bedste brugeroplevelse.

Integrationen af BigQuery for datahåndtering og Composer for workflow-automatisering sikrer et effektivt og skalerbart system, mens Vertex AI sikrer den høje grad af personalisering og gennemsigtighed.

Udviklingen af AI'en startede i 2022 med forskellige prototyper, og efter 22 måneder var vi klar med den komplicerede algoritme. 

Vi gik live november 2023.