
大数据的应用转化价值
新华网融媒体未来研究院院长杨溟在本次大数据论坛中,则提到了“黑森林数据”这个跨界概念。他认为,传媒人的使命是挖掘事实与真相,而真相的追寻需要数据的精准,数据又分为“白森林数据”和“黑森林数据”,对于未知的或未公开的隐性数据称为黑森林数据,与之相对应的是在公开平台或渠道上获取的显性数据“白森林数据”。传感技术获取的黑森林数据可以挖掘、分析出更多的价值,并带来新的思考。
在他看来,传媒人挖掘真相的使命,其实是体现传媒人的分析力,而最终意义是人类的反思力。传媒业碰到最根本的挑战并不仅是技术,更值得人们关注的是理念问题,是传统的产品导向真正转变为用户导向的思维问题,进而做到真正在意用户、尊重用户感受与体验的问题。
我们现在正在开展的传感实验要了解的正是用户最真实的体验数据与分析数据。如果传媒人依然生活在信息单向传播的闭门造车时代,就永远无法适应新的去中心化的媒介生态时代,更无法理解非线性的连接关系问题。
数据:构成未来生态媒体竞争力
我们大部分人对今日头条创始人的认识更多的是计算机专家,懂得运用新媒体技术。而杨溟则认为他更懂得人性需求,知道用什么样的技术来适配什么样的需求、设计什么样的产品。
智能媒体时代,在衡量媒体或企业各自竞争力水平方面,杨溟提供了四个要素:
一是数据的活化程度,即应用到产业以及匹配各种场景的场景可适配率和应用能力如何,以及多维度的分析能力如何。
二是数据的涌流能力,即信息流的种类及密度,脉冲强度,以及可持续性的动力。
三是数据的交互效度,即效率、功能、技术先进性、复用水平、用户体验度、知识学习、人机交互等智能化影响力。
四是数据的资产价值,即变现能力、资本化程度,作为一种资源所占的比重。这些指标将成为我们未来评价媒体竞争力的坐标。
未来,越来越多的黑森林数据会被开垦成白森林数据,对未知信息进行挖掘,核心的转变就是以用户需求构建新的运营模式。所以人工智能不简单是一种技术的使用与技术的创新,它其实是一种思维,一种理念,能不能真的实现颠覆,决定了这个媒体是不是真的能够重构生态。
软硬件:捕捉文化自然生命感知
了解用户体验,还需要通过各种智能化硬件设备获取更多高质量的用户体验数据,因为没有能力获取高质量的信息就没有办法做很好的数据分析。
用金字塔来表现未来媒体,最底层的就是基础层——数据库架构、存储和计算的能力、智能化硬件等等,中间是分析层——数据挖掘与分析、机器学习、神经分析等,最高端是应用层,是在各种不同场景、不同行业里的应用整合,如医疗健康、生物传感等。
当下热门的机器人写作、虚拟现实技术、传感器新闻,以及新闻无人机等都可以包括在人工智能这个领域之内。以无人机为例,简单把它看成航拍器是片面的,其核心价值是其抓取的信息流和数据流。相较于无人机的空中形态,更重要的本质是空中机器人,即在空中的自主控制力和判断力。所以,比影像数据更重要的是各种传感器所能传输的精准的“黑森林数据”。
纽约广播电台曾在当地发起了让民众参与制作蝉鸣传感器的活动,在传感技术的帮助下,人们感受到了蝉幼虫的萌动与变化,体会到了生命的涌动,甚至对这种一直被抱怨的蝉鸣声产生了新的好感。由此可以看到,传感技术甚至可以帮助我们更深地理解其他物种与其他生命,最终可以友好人类和环境之间的关系。
总之,媒体未来一定是人工智能,不仅仅是一种技术,更是一种思维和理念,是解决传统媒体生产方式无法适应多元化个性需求的必然路径。未来媒体的运营模式将会是“软件+硬件+互联网服务”,缺一不可。
以传感技术为核心的技术将成为未来物联网时代的基础技术。是了解自我、沟通彼此、尊重其他文化、生命以及物种的基本代码,是连接人与人、人与物、人与世界关系的感知能力,是促进人类反省、和谐环境生态关系的语言。
识别潜在目标受众
在大数据的应用转化方面,今日头条总编辑夏勇带来了三个案例。第一个案例是以战争为例,传递了大数据释放出的精准信息。
辽沈战役的时候,林彪听取了东野军遭遇战况。战报后他问了三个问题,“为什么这次战役缴获的短长枪比例要比平时高?为什么这次战役缴获的小车和大车比例要比平时高?为什么俘虏的军官和士兵比较高?”。通过对这些问题的数据分析,判定出敌人指挥所就在附近。
这个故事透露出,数据的背后是真相。数据不会说谎,足够多的数据能帮助人们最大程度接近事实的真相,而且帮助人们去发现平时没有意识到或者没有认识到的信息,从而辅助决策。
说到收集数据,最直接的工具就是手机。智能手机本质上是传感器,每个用户在手机上上拉下划,转发分享评论,既是用户对文章的反馈,也是宝贵的数据,这些数据经过积累和分析以后,就可以对个体用户和群体用户的阅读轨迹进行描绘,从中就可以发现一些有价值的信息。
突破区域限制
在第二个案例中,夏勇以今日头条政务头条号为例。如今头条号有9000多家政府机构进入,累计有30亿次阅读和60万篇文章。通过数据分析他们发现一个特点,政务号发布的文章收藏率和分享率是全网资讯的3倍,于是又进一步进行了数据分析,找到现象背后的原因。
原来,政务信息发布内容主要集中在服务类和民生类的政务资讯,如关于孩子上学报名的教育资讯,还有百姓出行的交通资讯,来自政府发布的信息具有共识性和指导性,所以分享率和收藏率都很高。
这样的数据分析给政府带来了新思路。在移动互联网下政府信息要获得更高的传播,就要侧重服务类信息突破地域限制才能获得好的传播效果。此外,头条还做到了数据回馈,一方面,跟传统媒体合作,把这些数据回馈给媒体产生新的报道内容,另一方面,以时效快、成本低、目标人群高为特点,寻找丢失的人或者走失老人,用以回馈社会。
释放长尾信息
第三个案例是关于春运临时客车的分派问题。国家铁路公司每年春运期间都会增加一些临时客车。在过去一两年中,他们发现有些用户在某些区域之间会做有规律性的切换和往返,于是他们就把相关地区的临时信息推荐给这部分用户。正如预料,西南铁路今年春节期间临客信息头条上每条阅读量有50万,大大提升了传播的效率。
今日头条每天新增稿件数超过15万,因此迫切需要高效的分发方式。智能手机出现后,介质智能化再加上计算机运行能力加强,大数据能力得到加强,数据记忆力的加强,使得业界迎来了人工智能为主导的信息分发方式。这种分发方式,最大的好处就是在信息海量时代能够更加高效连接人和信息,使人和信息之间的匹配更加精准。
赵强:“技数”时代媒体的变革和商业化趋势
建立独有“真人”账号体系
腾讯网络媒体事业群副总经理赵强作为媒体从业者,2003年加入腾讯,他提到了“技数”的概念,“技”指的是技术,“数”指的是我们今天讲的大数据。赵强认为“技数”推动了媒体演进的同时也改变了用户的接触习惯,正如人们已经习惯闲暇时利用手机上APP获取新闻资讯。很少有人意识到,微博从上线起人们只用了54个月,微信仅仅用了15个月。但它们承载的大数据技术确实迅速改变了用户获取内容的习惯。
大数据时代通常是媒体的融合平台,每个人看到的内容是不一样的,用户会更加愿意去阅读更多的资讯。实际上,技术应该回归到助力对内容的需求,用户阅读的喜好性值得研究。
赵强强调媒体价值,认为这是媒体存在的基石。通过开放的内容生态给用户提供更多的内容源满足用户个性化的需求。简析媒体基础,就是原生高价值内容。大事件权威报道,无论是新媒体还是传统媒体或是VR技术,只要做新闻就要体现新闻价值。
通过大数据智能分析掌握用户的潜在需求,用协同推荐和内容精编打破信息边界,每个用户就能得到自己想要的资讯。
打造强大标签系统
以大数据为代表的新兴技术催生的各类信息将更加注重以人为本。
腾讯通过海量数据可以把一个用户打上标签,通过66000个维度对每个人进行深刻描述。这个维度目前还处于实验状态,现在实现的是2000个标签。
赵强以当天主持人艾诚为例,现场分析了艾诚自带的诸多标签,首先可以通过QQ帐号或者微信帐号识别,通过很多角度来分析,通过她的使用习惯,如是否使用视频,是阅读财经新闻、美容新闻还是游戏攻略等通过一系列行为背后的数据,分析出她生活在哪一类人群中,社交圈是怎样的。
通过多元化的数据分析,企业可以尽可能的把每个人的画像描述清楚。还是以主持人艾诚为例,通过画像包括人口属性、社交属性、内容偏好和电商兴趣,大数据分析的结果是艾诚适合的产品是欧乐B。可以理解,在人们看到广告后,大数据的分析有效提升了人群浓度。
创造营销合作价值
许多企业都在尝试用大数据认真描述每个人,提升更大的社会价值和经济价值。广告界有名言,“我浪费了一半的广告费,很遗憾不知道浪费在哪里了”。所以通过任务的描述,利用这些大数据支持媒体的投放,既可以提升品牌的价值,也可以精准锁定目标人群,使广告投放更有针对性。
在媒体变革下,大数据带来了商业价值。最初的互联网行业,以广告行业为例只有两方:一方是需求方即广告公司,另一方面就是媒体方,如腾讯、今日头条。随着大数据的发展,现在出现了需求方、交易平台、DSP、广告交易公司和SSP,大数据给商业和市场带来了新的可能。
总的来说,“技数”时代为营销创造更大的合作价值:一、有效提升品牌CRM数据价值——指导营销策略,优化投放决策;二、精准锁定目标人群,投放更具针对性——2000+标签,精细颗粒描绘画像;三、利用大数据支持跨媒体投放,使数据营销的开放协作新生态更清晰。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18