ช่วงนี้ผู้เขียนไปอ่านเจอบทความชิ้นหนึ่งจาก JournalismAI Innovation Challenge เขียนโดย Don Kevin Hapal จากสำนักข่าว Rappler ของฟิลิปปินส์  อ่านแล้วรู้สึกว่าประเด็นที่เขาพูดถึงมันตรงกับสิ่งที่วงการสื่อไทยกำลังเจออยู่พอดี เลยอยากหยิบมาเล่าต่อ

ลองนึกภาพผู้อ่านคนหนึ่งเลื่อนฟีดตอนดึก แล้วเจอพาดหัวข่าวเรื่องคดีของอดีตประธานาธิบดีฟิลิปปินส์ที่ศาลอาญาระหว่างประเทศ เขาแตะเข้าไปอ่าน ผ่านไปไม่กี่บรรทัดก็เจอคำว่า "ธรรมนูญกรุงโรม" คำที่เขาไม่รู้ว่าคืออะไร ไม่รู้ว่าฟิลิปปินส์เกี่ยวข้องยังไง ข่าวไม่ได้อธิบาย เพราะมันคิดว่าเขารู้อยู่แล้ว สุดท้ายเขาก็ปิดหน้านั้นทิ้ง แล้วไปพิมพ์ถามกูเกิลแทน

นี่คือปัญหาที่ Rappler พยายามแก้ และเป็นที่มาของเครื่องมือที่ชื่อ Intelligent Reader Assistant

ปัญหาอยู่ตรงไหน

ทุกวันนี้ระบบแนะนำข่าวส่วนใหญ่ถูกออกแบบมาให้เรา "กดคลิก" ไม่ใช่ให้เรา "เข้าใจ" อัลกอริทึมเลือกข่าวที่คนน่าจะกด มากกว่าข่าวที่จะช่วยให้เข้าใจเรื่องได้จริง ผลก็คือเราเห็นพาดหัวเยอะกว่าที่เคย แต่ข่าวแต่ละชิ้นลอยอยู่โดด ๆ ไม่เชื่อมกับเรื่องที่มาก่อนหน้า พออ่านแล้วไม่เข้าใจบริบท คนก็ออกไปหาคำตอบที่อื่น

สำหรับกองบรรณาธิการข่าวที่ทำเรื่องซับซ้อนและต่อเนื่องยาว ๆ อย่าง Rappler ที่ทำเรื่องการเมือง การตรวจสอบ และข้อมูลบิดเบือน เรื่องนี้เป็นปัญหาใหญ่ ข่าวของพวกเขามักโยงกับกฎหมาย เครือข่ายอำนาจ และเหตุการณ์ที่ทอดยาวหลายปี อย่างข่าว Duterte ที่ศาลอาญาระหว่างประเทศจะเข้าใจได้ก็ต้องรู้ที่มาที่ไปก่อน ซึ่ง Rappler ก็รายงานไว้หมดแล้ว กระจายอยู่ในบทความกว่า 400,000 ชิ้นที่ทำสะสมมาตั้งแต่ปี 2012 แต่ถ้าคนเข้ามาเจอแค่ข่าวเดียวจากโซเชียล เขาก็ไม่มีทางง่าย ๆ ที่จะไปอ่านส่วนที่เหลือ ช่องว่างระหว่าง "สิ่งที่นักข่าวรู้" กับ "สิ่งที่ผู้อ่านเอื้อมถึงได้" นี่แหละ คือสิ่งที่ Rappler อยากทำให้ช่องว่างนี้หายไป

Rappler พบว่ามีแค่ราว 15% ของคนที่เข้าเว็บเท่านั้นที่เปิดอ่านมากกว่าหนึ่งหน้า ตัวเลขนี้ไม่ได้แปลว่าคนสมาธิสั้น แต่มันสะท้อนอะไรที่ลึกกว่านั้น

ในบทความมีแนวคิดหนึ่งที่ผู้เขียนว่าน่าสนใจมาก เรียกว่าทฤษฎี "การหาอาหารทางข้อมูล" (information foraging theory) คิดโดยนักวิจัยสองคนที่ศูนย์วิจัย Xerox PARC ช่วงปลายยุค 90 เขาเทียบว่าคนเราอ่านข่าวเหมือนสัตว์ตามกลิ่นไปหาอาหาร เราคอยดม "กลิ่นของข้อมูล" ว่าย่อหน้าถัดไปหรือคลิกถัดไปจะคุ้มค่าไหม ถ้ากลิ่นแรง เราก็อ่านต่อ แต่ถ้ากลิ่นจาง เช่นเจอชื่อที่ไม่รู้จัก ศัพท์กฎหมาย หรือเรื่องที่เราตามไม่ทัน เราก็เดินจากไป

ผู้อ่านที่ปิดหน้าข่าวไปเมื่อครู่จึงไม่ได้จากไปเพราะไม่สนใจ เขาจากไปเพราะกลิ่นขาดตอนก่อนที่ข่าวจะพาเขาไปต่อได้ Rappler เลยตั้งเป้าไว้ง่าย ๆ ว่าเครื่องมือของพวกเขาไม่ได้มีไว้ยัดข่าวให้คนอ่านเยอะขึ้น แต่มีไว้ทำให้ "เส้นทางกลิ่น" ชัดขึ้น ด้วยข้อมูลที่ห้องข่าวรายงานไว้อยู่แล้ว

Rappler กำลังสร้างอะไร

เครื่องมือนี้ไม่ได้เริ่มจากศูนย์ Rappler ค่อย ๆ วางรากมาก่อน ปี 2022 พวกเขาสร้างฐานข้อมูลที่เชื่อมโยงนักการเมือง หน่วยงาน พรรค และพื้นที่เข้าด้วยกัน จัดเว็บใหม่ให้เรียงตาม "หัวข้อ" แทนการเรียงตามวันที่ ทำแชตบอตชื่อ "Rai" ที่ตอบคำถามผู้อ่านโดยอ้างเฉพาะข่าวที่ผ่านการตรวจสอบของ Rappler และค่อย ๆ ติดป้ายกำกับข่าวเก่าให้ค้นเจอง่ายขึ้น

Intelligent Reader Assistant คือก้าวต่อไป ทำขึ้นด้วยการสนับสนุนจาก JournalismAI Innovation Challenge ภายใต้ Google News Initiative จุดต่างสำคัญคือ ถ้า Rai รอให้คนถามก่อน เครื่องมือใหม่นี้จะยกบริบทมาให้ถึงหน้าจอโดยที่ไม่ต้องถาม เวลาข่าวเอ่ยถึงคน หน่วยงาน หรือเหตุการณ์ที่ผู้อ่านอาจไม่รู้จัก ระบบจะอธิบายให้ตรงนั้นเลย พออ่านจบ ระบบจะแนะนำเรื่องต่อไปจากข่าวที่เพิ่งอ่าน ไม่ใช่แค่ข่าวที่กำลังฮิต ใครอยากตามข่าวที่ยังไม่จบ ก็มีระบบติดตามหัวข้อคอยอัปเดตให้ และสำหรับสมาชิก จะมีหน้าส่วนตัวกับสรุปตามอ่าน ไว้กลับมาต่อจากจุดที่ค้างไว้ ทั้งหมดนี้ดึงมาจากฐานเดียวกัน คือฐานข้อมูล โครงสร้างหัวข้อ และคลังข่าว 400,000 ชิ้นนั้น

ก่อนลงมือสร้าง Rappler ถามผู้อ่านก่อน พวกเขาทำแบบสอบถามสองชุด ชุดหนึ่งถามคนบนเว็บ 336 คน อีกชุดถามสมาชิกและผู้ใช้ที่ลงทะเบียน 100 คน แล้วดูข้อมูลการใช้งานประกอบ ผลออกมาชัดเจน ราว 2 ใน 3 บอกว่าต้องการบริบทเพิ่ม "บ่อย ๆ" หรือ "แทบทุกครั้ง" เวลาอ่านข่าวยาก ๆ และเมื่อไม่ได้บริบทที่ต้องการ กว่าครึ่งออกจาก Rappler ไปค้นที่อื่น มีแค่ราว 8% เท่านั้นที่เลิกอ่านไปเลย ที่เหลือไม่ได้หายไปไหน แค่ไปหาคำตอบบนแพลตฟอร์มของคนอื่น

คนอยากตามหัวข้อข่าวสูงถึงราว 80% แต่ส่วนใหญ่บอกว่าตามไหวจริง ๆ แค่ 1 ถึง 3 เรื่อง การออกแบบจึงต้องโฟกัส และข้อมูลยังยืนยันอีกเรื่องที่สำคัญมาก คือ "หน้าบทความ" คือทุกอย่าง เพราะสำหรับคนส่วนใหญ่ มันเป็นหน้าเดียวของ Rappler ที่พวกเขาจะได้เห็น ไม่ได้เข้าหน้าแรก ไม่ได้กดเมนู มีแค่ข่าวชิ้นเดียวที่ลอยมาจากฟีด

Hapal ไม่ได้เขียนราวกับรู้คำตอบไปหมด เขาบอกตรง ๆ ว่าทั้งหมดนี้ยังเป็นแค่สมมติฐาน อาจผิดก็ได้ แต่มันเป็นจุดเริ่มต้น ผู้เขียนชอบความตรงไปตรงมาตรงนี้ เพราะคนที่ยอมรับว่าตัวเองอาจผิด มักเป็นคนที่ตั้งใจจะวัดผลจริง

เดิมพันของ Rappler

ตอนนี้ Rappler ทำขั้นวางแผนเสร็จแล้ว ทั้งการออกแบบหน้าบทความและการจับคู่แต่ละฟีเจอร์กับตัวชี้วัด วิธีวัดผลของพวกเขาง่าย ๆ คือยอดคนอ่านมาจาก 3 อย่างคูณกัน ได้แก่จำนวนคน จำนวนครั้งที่เขากลับมา และจำนวนหน้าที่เขาเปิดต่อครั้ง ฟีเจอร์อธิบายบริบทกับแนะนำข่าวช่วยให้คนเปิดหลายหน้าขึ้น ส่วนฟีเจอร์ติดตามหัวข้อกับหน้าส่วนตัวช่วยให้คนกลับมาบ่อยขึ้น พวกเขาจะปล่อยทีละส่วน เริ่มจากสรุปข่าว ตามด้วยการอธิบายบริบท ระบบติดตามหัวข้อ แล้วค่อยถึงหน้าส่วนตัวของสมาชิก และทุกครั้งจะวัดด้วยคำถามเดียว คือมันช่วยพาคนจากการอ่านข่าวชิ้นเดียว ไปสู่ความเข้าใจที่ลึกซึ้งขึ้นได้จริงไหม

บางอย่างจะได้ผล บางอย่างอาจไม่ นั่นคือสิ่งที่ Hapal ทิ้งท้าย แต่สิ่งที่ Rappler เดิมพันไว้คือความเชื่อที่ว่า ผู้อ่านคลิกแล้วจากไป ไม่ใช่เพราะไม่แคร์ แต่เพราะยังส่งความเข้าใจที่มีอยู่ในบทความ 400,000 ชิ้น ไปถึงพวกเขาในจังหวะที่ต้องการไม่ทันต่างหาก