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
在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14