Cómo HT Media de la India utiliza la IA para aumentar el tráfico y la eficiencia editorial

Cada una de las iniciativas de redacción de AI está siendo monitoreada continuamente editor de eficiencia (tiempo ahorrado a nivel individual), resultados cuantificables sobre la calidad editorial (SEO y parámetros de contenido, tráfico generado y/o suscripciones vendidas), y impacto creado en términos de escala.

«Cuando nuestras iniciativas impactan todas estas métricas o solo algunas de ellas de manera positiva, pensamos en su escala», dijo Aviral Mathur, Jefe de Ciencia de Datos, en la reciente Cumbre de Nuestra IA en Bengaluru.

El impacto de AI Newsroom, en asociación con Google News Initiative, es evidente en sus importantes contribuciones al crecimiento del tráfico. El contenido automatizado ahora es fundamental para generar entre 3 y 4 millones de páginas vistas en los principales sitios web y duplicar el tráfico en los sitios web especializados de los editores.

En particular, en ciertas geografías clave, para las cuales se aprovecharon los componentes de este producto, HT Media experimentó un aumento de participación de mercado del 42 por ciento, dijo Mathur.

Los tres grupos de IA de HT

Mathur clasificó las iniciativas de IA de HT en tres categorías:

• Automatizar contenido: Automatización completa de un extremo a otro con una mínima intervención editorial. Esto incluye blogs en vivo sobre el mercado de valores, blogs sobre productos básicos de oro y plata y blogs sobre el clima y la contaminación del aire. (HT AlphaInsight). Esta automatización ahorró el 20 por ciento del ancho de banda editorial.
• Asistir en procesos editoriales: Aquí, la IA es sólo una parte del proceso general. Esto se utilizó para monitorear la calidad del contenido, resumen del texto, parámetros de SEO: palabras clave, vínculos de retroceso. (HT NewsNet)y resultó en un aumento del 15 por ciento en las visitas a la página.
• Agregue capacidades editoriales: Este segmento incluye la selección de historias HT (HT relevante), traducción de idiomas, transcripciones de entrevistas, resumen de documentos grandes. Esto ayudó a aumentar el tráfico de historias en los sitios principales entre un 15 y un 20 por ciento.

HT relevante

Dentro de los cubos de IA

Sistema HT Relevare – Algoritmo de selección de historial: El sistema HT Relevare es un algoritmo avanzado de selección de historias diseñado para optimizar la eficiencia editorial al priorizar historias de alto rendimiento. Se estructura en torno a tres componentes principales:

• Elección de contenido predictivo: Este sistema impulsado por IA aumenta la eficiencia de la gestión de contenido al escanear, clasificar y calificar las historias entrantes de fuentes como Google Trends, herramientas de terceros, palabras clave HT y competidores. Utilizando el sistema Relevare de HT, actualizado cada 15 minutos, prioriza el contenido relevante para los equipos editoriales y SEO. Las historias con una puntuación más alta atraen más tráfico.
• Generación de contenido impulsada por IA: Este componente está en el corazón de la capacidad de la sala de redacción de IA para producir contenido innovador, adaptado a los intereses de los lectores. La sala de redacción ha estado experimentando con contenido impulsado por GenAI para blogs en vivo, historias web, resultados de empresas y contenido de afiliados. También ayudó en la producción de metadatos de historias (títulos, palabras clave, URL, resúmenes, etc.). Todo el contenido generado es examinado activamente por el equipo editorial, con múltiples controles implementados para identificar y abordar cualquier problema relacionado con noticias falsas y desinformación de los LLM.
• Integraciones de flujo de trabajo de CMS: El tercer pilar de la sala de redacción de IA se centra en la perfecta integración del contenido impulsado por IA con el CMS existente. «Esto es importante para garantizar que el contenido automatizado generado sea fácilmente accesible y utilizable dentro de los flujos de trabajo estándar del equipo editorial», dijo. También tiene controles dentro del CMS para marcar contenido que no se ajusta a los estándares de contenido de la marca.

Aprovechando el éxito del sistema, planean adaptarlo a la publicidad recomendando contenidos para atraer tráfico específico, como fondos mutuos o automóviles. También pretenden utilizar el algoritmo para identificar contenido que pueda impulsar la adquisición de suscripciones, ampliando su utilidad más allá del simple aumento del tráfico.

Ver también: HT Digital ve un aumento del 20% en las páginas vistas con IA

Sistema HT NewsNet – Sistema de seguimiento de la calidad del contenido: Mathur explicó la integración de varias vistas para monitorear la calidad del contenido y brindar recomendaciones a los editores. La vista Director de contenido monitorea las tendencias diarias de calidad del contenido en todos los sitios y escritorios de HT. La vista Jefe de escritorio de contenido realiza un seguimiento de las tendencias de calidad del contenido cada hora, lo que permite una acción inmediata. La vista Rendimiento del autor evalúa el rendimiento de los autores dentro de los escritorios semanal y mensualmente y ofrece comentarios prácticos para mejorar el rendimiento. Estos parámetros de calidad se incorporan al CMS de HT como recomendaciones para periodistas basadas en GenAI y se actualizan cada hora.

Las diferentes opiniones dentro del sistema de seguimiento de la calidad del contenido

Sistema HT AlphaInsight: monitoree las tendencias del mercado de valores y genere información: Este algoritmo basado en GenAI recopila noticias bursátiles de fuentes internas y de la competencia y extrae temas y sentimientos. Además, aprovecha la base de datos del mercado de valores de Refinitive para identificar tendencias y analizar los cambios cada 15 minutos, diariamente y mensualmente. Los umbrales automatizados predefinidos ayudan a filtrar y priorizar tendencias importantes. Estos datos ingresan a Insight Engine, que procesa la información y genera contenido utilizando modelos de lenguaje grandes (LLM).

«Los próximos pasos incluyen la automatización del análisis de tendencias en vivo, la identificación de tendencias bursátiles alcistas y bajistas, la identificación de temas de noticias a través de datos externos e internos y el análisis del sentimiento bursátil», dijo.

Descargue nuestro último informe sobre IA

Madurez tecnológica, pruebas constantes: Lecciones aprendidas

Mathur también se refirió a la importancia de reconocer cuándo la IA está subdesarrollada para ciertos casos de uso y detener esos esfuerzos para ahorrar tiempo. Además, destacó algunos otros aprendizajes que recomendó a otros editores que comiencen a trabajar con IA:

Construimos confianza y transparencia: La comunicación y el diálogo constante entre periodistas y talento tecnológico es fundamental.

Piense en productos de IA, no en algoritmos: centrarse en el producto final para aumentar la adopción en la sala de redacción.

Experimentación: Experimentando constantemente para adaptarnos a la dinámica industria de las noticias. Priorizar los experimentos exitosos.

Piensa como un VC: Lanzar múltiples experimentos sabiendo que solo algunos funcionarán. Concéntrese en aquellos con alto potencial de ingresos.