傳統上，媒體透過編輯判斷替讀者定義哪些是重要的新聞，然而，編輯判斷也經 常再現既有的權力秩序，使經濟體系中的新聞組織受市場趨力拉扯，如電視新聞產業 受收視率支配，不僅新聞守門受操控，收視率更成為內容生產圭臬與新聞價值標準。
當演算法的能見度分配介入新聞生產與廣告營收，引起媒體專頁間的流量競爭，其背
後的分配秩序與規則也成為新聞生產與內容發佈的指導原則。Facebook 上隨時間變 化的所有使用者活動，這些「社群資料」的每段時間切片，進入新聞室作為完整且即 時的市調資料庫，替媒體組織推敲受眾樣態，幫助組織進一步貼近讀者傾向與需求
（杜易寰，2016.05.27）。受訪媒體認為，過去大眾媒體無法清楚理解讀者「想要什 麼」的問題，透過行為資料庫累積的社群資料可獲得解決，如臉書洞察報告或 Google Analytics 社交報告等資料對市場需求之再現，成為媒體產製內容時用來「自我審核」
的重要工具（A4，深度訪談，2016.09.30；B3，深度訪談，2016.04.22；B4，深度訪 談，2016.04.11）。
社群資料被媒體組織用來理解讀者需求，預期新聞消費以投入內容生產，同時希 望延伸這些需求，吸引讀者社群網絡中的更多新粉絲，這樣的做法合乎數位媒體根據 消費者行為預測需求，投放正確內容，同時理解潛在客戶的資料驅動決策模式（何國 華，2015.02）。值得注意的是，受訪媒體指稱對讀者需求的「理解」，主要以演算法 架構下的「能見度分配結果」作為基礎，可見媒體對內容的需求預期與生產投入，其 實受能見度分配秩序的結構限制與中介，由結構再度主導內容產製與發佈，成為行動 指標工具，以下分述之：
1. 迎合目標粉絲的新聞生產原則
首先，能見度分配結果形塑出的讀者樣貌，透露媒體專頁的「讀者是誰」。根據 訪談，觸及、互動率、點擊以及專頁的整體粉絲組成，被媒體視為立即、便利、規模 化的指標，刻劃出讀者的政黨傾向、立場、意見氛圍樣態與分布，成為編輯判斷的重 要判準，以求生產和發布政治上正確、迎合風向、同仇敵愾的新聞，有助為媒體專頁 帶來更高的能見度，避免不確定性：
《中時》畢竟老人多一點，也藍了一點，只要是綠營市長或立委點閱數 都蠻高，但基本上都是批評。另外只要是馬英九，不管什麼新聞，就算登個 玉山點閱都特別高。（A4，深度訪談，2016.09.30）
2.粉絲新聞消費制約下一輪的生產
此外，新聞市場的消費預期，讓組織得以「應讀者口味或市場需求」來生產或 選材。過去新聞價值與組織常規形成的編輯判斷，轉交由媒體依據演算法分配結果決 定。根據訪談，媒體所關注的社群資料，透露出受讀者歡迎的新聞事件、新聞主角、
內容類型、議題動向等，形塑出媒體所認為的讀者「需求」，成為生產投入前的市 調，確認新聞是否有足夠的市場，以便進行下一輪的開發：
媒體單方決策的新聞生產現已交由能見度結構中介，新聞市場的供應改由讀者對 貼文的反應和行動來主導。這樣的資料驅動決策導向，正如《蘋果日報》揮別新聞處 理的主觀判斷，以網站日報表數據做為理解讀者對新聞重視程度的工具，新聞主管並 藉此掌握讀者對議題的喜好（何國華，2014.07）。換言之，讀者在動態消息上的新聞 消費，將主導媒體下次的新聞生產投入。
我們這邊真的很多榮民、老兵、退伍軍人、國民黨、眷村長輩，因為
《聯合報》 60 年是最早的報紙，早年黨國經營，那種東西一貼就熱。但《蘋 果》和《ET》說歐陽妮妮和女星的貼文還比洪素珠的好。（A2，深度訪談，
2016.07.04）
我們的粉絲比較藍一點，有時候貼太多綠的，粉絲就會很激動罵小編你怎 麼帶風向。（B3，深度訪談，2016.04.22）
讀者喜歡吹捧民進黨和時代力量的新聞，如果是捧國民黨就會開始罵統 媒不意外。以前我們偶爾報馬英九的時候，流量都慘不忍睹。如果能選 擇就盡量不 PO 國民黨的，或盡量少，不要完全沒有。（B4，深度訪談，
2016.04.11）
我們粉絲對教育有關的，旅遊文跟一些學英文的文章非常多人看；或是 政治類的、環保類的會比較有反應……。（B2，深度訪談，2016.04.25）
政治和國內新聞會最多人看，大家很愛看政治。我自己的經驗是國際或 是很無聊的評論流量會比較少。（B4，深度訪談，2016.04.11）