京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据下,传统媒体的危机_数据分析师考试
媒体是一个特殊的产业,它似乎总是走在时代的前沿,它们会发现、揭示、监督,也会摇旗呐喊。但是作为媒体从业者,我们又有多少人在扮演着这些变化的参与者,而非旁观者的心态。我们在传递信息和知识,但我们却很少思考这些信息和知识可能会对我们的影响。我们似乎在秉承着以不变应万变的思路,但是因着媒体也面临着销售压力,所以我们会常常在谁给我们钱,以及谁才是我们真正收入来源者中间摇摆。媒体人很困惑,也很挣扎。虽然我们会玩那些最时髦,但是只是为了附庸风雅。我们会说那些最流行的,只是因为我们是媒体。读者和网友们喜欢免费的信息,但他们也在撇弃那些放水的免费信息。如何尊重,并和媒体受众进行互动,将是有价值媒体内容的来源,也会带来真正媒体品牌的建立。
最近一直在接触大数据的相关资料,非常清楚大数据时代会如互联网一样势不可挡。同样,媒体除了宣传和提醒之外,也将身不由己地进入大数据时代。那么大数据对现代媒体产业会带来怎样的影响呢?
首先看看媒体的收入来源,从目前各类媒体(包括电视、杂志、报纸或者户外、网络)来看,绝大多数的媒体收入是广告。在一个竞争惨烈的市场中,企业的营销人员需要通过广告来建立、影响和拓展,客户对其品牌的认知。在2011年,全球在品牌投入上费用达到5000亿美元,当然,这个数字还不包括在线媒体的投入。即便在2012年,据有关信息显示,在线媒体的品牌投入也只有10%,但是这个趋势是在增长中。
再者,我们看看媒体的演变。媒体的演变已经很多年了,从单向的信息传播,到今天的社交媒体涌现出来的多维传播。人们的阅读方式和获取信息的方式都在发生变化,今天我的很多朋友是通过每天定点的刷微博来获得信息,当然在获得的时候,他们也在分享信息。每个人都是信息的载体和获取者。因着移动互联的便捷,越来越多的,有购买力的人开始花大量的时间沉浸在社交媒体上,他们也为此乐此不彼。可以想象,不久的将来,媒体的内容来源,以及媒体的交互形式将越来越多样化,社会化媒体已经风头渐进。传统媒体若没有与受众的交互,将只是鸣的锣和响的跋,毫无乐感可言。事实上,今天很多媒体也只是以每年的销售额来定义每年的目标,他们并不真正理解自己定位的人群,更别谈和自己的目标读者一起成长。
接下来我们需要看看企业市场人员为何在媒体投放?因为市场竞争激烈,品牌的影响收到挑战,人们希望借助媒体在目标人群中的影响力,而对其目标客户带来影响。所以对于那些有精准定位的媒体,又能在目标人群确实带来影响的媒体,会得到更多的市场人员青睐。因为在这些媒体的投放是得到的正向反馈,也会对他们的市场活动产生积极的影响。现在,几乎很多企业的市场人员都会对其投放的媒体进行评估,这种评估形式是多种多样的。对于传统媒体而言,这种评估历经很多年,相对评估模式比较单一,也能被大多数市场人员所接受。对于一些在线媒体的评估,现在的评估方法也是搜索、广告位的转化率等。不过,这些方式都只是得到客户的行为结果,而对于品牌建立的有效性,以及长久性,还是缺乏真实的体认。企业的市场人员依然有挥之不去的苦楚。
那么,为什么社交媒体虽有众人欢呼,却依然无法登堂入室呢?关键是企业的市场人员尚未找到评估社交媒体的好模式。但是大数据的出现,这样的状况将发生质的改变。因为大数据最终将让市场人员可以定义、评测和管理那些对他们品牌产生积极影响的部分。Hadoop, Cassandra, Mahout 和Pig等技术,伴随着一些语义分析软件、语言处理软件、机器认知软件、集群分析等,可以揭示出在线市场行为的真实结果。市场人员对社交媒体的看法将出现颠覆。随着实现大数据的成本越来越低,市场人员完全可以符合CEO、CFO和COO的话语来描述品牌在市场中的影响。通过大数据分析产生的洞察力也可以会反过来支撑市场活动来帮助品牌参与行为真正地成规模。可以预见,随着大数据的出现,企业市场人员对促进品牌参与规模的市场行为会发生基本的转移。品牌营销的市场将从通过大众传播在人们中建立品牌进行品牌沟通,到通过大量的交流者之间人们的交流,让品牌的世界得到创建、发展和扩大。社交媒体不仅会提供企业市场人员一种广告模式,也是真正规模化参与的能力。
大数据让社交媒体的价值被重新定位,同样企业市场人员也会重新评估自己在媒体上的投入分配。如果按照ROI的考量,以及未来的变化,今天的传统媒体需要根据技术的发展,重新定位和调整自己,让自己可以随着市场规模的扩大,而有更多新生,而非走向没落,自己成为自己的掘墓者。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16