京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据面前,电视台恐将沦为内容代工厂
大多数人往往忽视这个收入来源,毕竟相对于2.67亿美元的广告营收来说,这只是个小数字。另一方面,媒体平台长期以来的收入来源就是两种,广告商付费或者用户付费,Twitter目前的收入主要来自于广告业务,也理所当然。但我有一种强烈的预感:不管Twitter市值会达到多少,未来数据业务会成为Twitter的巨大宝藏,而且还可能是个取之不竭的宝藏。
上个月最后一天,就在大家忙着规划国庆出行的时候,一条Facebook正式与美国四大电视网络合作,向其提供数据报告的新闻同样被很多人忽视。在美国电视网络与社交媒体的互动中,Twitter长期以来都扮演着重要角色:Twitter曾和尼尔森咨询机构合作研究Twitter内容与电视收视率的关系;Twitter已收购两家社交电视分析机构Bluefin Labs和Trendrr;今年3月,Twitter与全美职业橄榄球联盟NFL合作,为用户提供比赛集锦、回放等定制类节目。因此,Facebook的举动被认为是在电视领域挑战Twitter的开始。
这并不难理解,作为媒体传播链中最末端的一环,社交媒体承担着消化来自电视、报纸等传统媒体所制造的话题的责任。从社交媒体上话题属性来说,娱乐性的话题备受关注,而电视台则是天然的娱乐话题制造中心(这一点国内外的电视台基本上都是类似的),也因此,社交媒体需要电视台提供的娱乐资源,从而使得自身平台上的讨论更活跃。
倘若就此认为社交媒体会从属于电视台这个传统媒体,那就太短视了。在社交媒体与电视台的合作中,社交媒体的核心资源是用户,而电视台的核心资源则是内容。内容是否有价值完全取决于针对什么样的用户,在这一点操作上,电视台用了半个多世纪的时间都没有实现,但社交媒体做到了,为什么?因为他们有足够的数据,更因为他们有能力对这些数据进行有效的分析,从而将内容有针对性的匹配给用户。所以,在这个社交媒体与电视台的合作框架里,社交媒体已经占据先机,而且这种优势会越来越大。
这种趋势在电商行业里已经越来越明显。电商与厂商的合作模式也非常类似于社交媒体与传统媒体如电视台的合作模式:本质上,电商和社交媒体都是一种信息分发渠道;都处在产业链的下游,直接面对用户;都属于轻公司(相对传统企业来说)。
传统意义上,电商只是零售业的网上形态,无非是低价进货高价卖出的赚钱模式。这也是很多人质疑电商可否真正盈利的原因之一。但电商手中的数据越来越多,其和上游厂商的关系也会发生微妙的变化。以亚马逊为例,亚马逊可以通过对后台数据的分析,找出一些销量好、关注度高、利润高的商品,从而直接向上游厂商定制,甚至可以自己贴牌生产,此时,对亚马逊来说,它就不再仅仅是一家电商,而成为一家虚拟的生产商,它握有厂商最想得到而无法得到(至少不能完全得到)的用户数据,完全有能力对生产哪种产品、生产多少有发言权,而厂商呢,最终可能沦为亚马逊的代工厂。
以这种趋势来看社交媒体与电视台的所谓“合作”,则更让我们对那些还在沾沾自喜的传统媒体们感到悲哀。不妨想象一下,随着数据的进一步增加,Twitter完全有能力通过数据挖掘,分析用户癖好,向美国某家电视台定制一部电视剧甚至向好莱坞定制一部电影。我们已然看到纸牌屋的成功,但Netflix的用户量远远少于Twitter和Facebook,相应的,其数据量也无法与两大社交巨头相比。这让我有更多信心,期待Twitter或Facebook定制或自拍影视剧的成功。到那个时候,电视台一如那些家电厂商们,曾经产业链的上游“王者”,将彻底成为一个产业链最低端的内容代工厂。至于该制作什么内容,请谁来主演,都取决于社交媒体。
这是一个告别旧时代与迎接新时代的“混合年代”。大数据的威力越来越大,从零售到媒体,从人们的物质需求到精神食粮,大数据正在改变这些古老行业的行为规则。无他,趋势而已。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12