
大数据驱动下的媒体融合4.0时代
近年来,中国媒体融合的发展速度惊人,从1.0时代,到今日的4.0时代,中国传媒业正经历着激烈的剧变。以大数据技术为支撑,以一体化平台为基础,以互联网产品思维实现内容、渠道、平台、经营、管理融合发展的4.0时代,正不断推进传统媒体与新兴媒体的深度融合,潜移默化地改变着我们获取信息的方式,重塑新闻出版业的产业结构。
2015年,变革仍将继续,想要在这场革命中抢占先机,必须重视和发挥大数据在媒体融合过程中的作用。把握大数据,就是把握媒体转型的关键。
影响媒体融合的四大关键问题
加速产业转型升级,拥抱新媒体,是近年来传统媒体从业者所面临的问题。影响媒体融合有四大关键问题——舆论场重塑、媒体价值、关键技术和商业模式,而大数据,就是解决这四大问题的核心。
舆论场重塑。事实上,媒体融合4.0时代新闻出版业的生存现状,直接反映了当前舆论场亟待重塑的客观现实,反映出其影响媒体融合的作用之重。根据央视市场研究(CTR)媒介智讯的趋势数据,2014年我国的电视广告下降了0.5%,虽然降幅很小,但足以改变传统媒体广告市场的趋势。平面媒体广告体量仍在下降,降幅也在逐年扩大,其中报纸降幅达18.3%,比上年多出10个百分点,杂志降幅为10.2%,也大大超过上年降幅;而同期互联网广告收入却增长了40%,高达1540亿,远大于广播电视广告和报纸广告收入总和。在严酷的现实面前,传统媒体只有根据不同媒介属性和传播特点,打造不同品牌定位的媒体产品,利用用户行为和人物画像,精准服务用户,提高用户黏性,才能提高自身的影响力和传播力,否则传统媒体的舆论场力量将越发薄弱,最终负于新媒体。
媒体价值。从媒体价值层面来说,无论是社会价值,还是服务价值,都需要新闻的采集和对数据的洞察能力,需要对客户的大数据精准定位、精准传播、精准服务。另一方面,我们也应对当前部分媒体的浮躁情绪提高警惕。普利策这样定义媒体——报纸将永远为争取进步和改革而斗争,绝不容忍不义或腐败,永远反对特权阶级和公众的掠夺者,永远致力于公众福利,永远保持严格的独立性,保持媒体的良知。在当前复杂的社会环境下,部分传统媒体受到来自新媒体的强烈冲击,在浮躁的环境中往往迷失方向,放弃了自己在融合转型中最应该坚守和秉持的东西,也就丧失了最宝贵的媒体价值。媒体的社会价值塑造公信力,媒体的服务价值决定影响力,无论新媒体还是传统媒体,公信力、影响力、传播力是媒体安身立命的根本。
关键技术。关键技术是影响媒体融合的重中之重。要实现各种媒介资源、生产要素的有效整合,完成信息内容、技术应用、平台终端、人才队伍的共享融通,形成一体化的组织结构、传播体系和管理体制,并最终实现内容、渠道、平台、经营、管理的互联互通,最终都要通过关键技术的突破来实现。而影响媒体融合的关键技术,如自然语言分析、机器学习、自动分类聚类、内容标签体系、搜索引擎、流式数据处理、分布式存储、分布式检索、NoSQL等,都与大数据密切相关。
商业模式。从商业模式的角度出发,传统媒体积累“粉丝”、用户,以及进行整合营销都需要大数据,实现4.0时代的商业模式更不能离开大数据。实际上,各家媒体有自己的商业模式,在人人都想搭上“互联网+”这趟便车的时代,商业模式并非千篇一律。
以微博和微信的运作为例。2014年底,新浪微博月活跃用户达1.76亿,而全年的净亏损也有6342万美元之多;同期微信的月活跃用户达5亿,但至今未实现商业化。由此可知,“互联网+”的规律就是先别想着挣钱,做好连接与服务,把产品和用户体验做到极致,积累大量“粉丝”后才会有商业模式,也就是所谓的“粉丝经济”。
在媒体4.0时代,用户的需求是第一位的,基于用户的大数据分析将左右一家媒体的存亡。新闻的未来,是分析数据;媒体的未来,是数据能力。所谓数据能力,就是媒体所拥有的内容数据、用户数据、平台数据等以及使用这些数据创新产品与服务的能力,基于大数据的媒体融合是传统媒体转型的关键。
实现媒体融合的三大途径
媒体大数据,是指在统一用户数据和内容数据管理的基础上,将不同类型的内容数据抽取、分析、聚类,依据不同介质传播特点,分析用户的个性化需求,最终精准匹配用户的信息需求。总之,即把合适的信息及时准确传递给需要的人。
4.0时代的媒体融合有着区别于以往的新形式、新需求,评价媒体融合成功与否,应从以下三个层面入手,分别是报道融合、经营融合、产业融合。
报道融合。报道融合就是内容、渠道和平台的融合,生产优质的内容是传统媒体的核心竞争力,但融合报道不应是多种媒介报道形式的组合和堆砌,而应是基于互联网的核心报道平台,根据新闻内容的时间和空间特点,以最适宜的媒介手段,融合使用多种技术形态的报道形式。报道的融合最重要的是媒体和用户的融合,新媒体把用户作为自己最重要的资源,把用户的信息作为巨大的财富,传统媒体应向新媒体学习,不断收集包括阅读习惯、生活方式在内的用户数据,分析用户需求,强调用户体验,在了解客户基本情况的基础上,精确信息推送,将最适合的产品迅速传递到用户的手中,与用户共鸣,共创价值。
经营融合。4.0时代的媒体融合应是经营的融合。现在,我国的媒体已逐步由单一的纸媒广告业务,向全媒体、多元化营销管理的方向发展,这就要求媒体间要打通壁垒,实现合作互利,要以受众为中心构筑新的经营模式,掌握用户的需求,为用户提供精准的营销。
产业融合。产业的融合也是媒体融合过程中的重要一环,“企业媒体化”“媒体企业化”是当下互联网带来的传媒生态变革的两大基本趋势。传统媒体要利用当下的媒体公信力和影响力,发挥其在社会中的社会中介身份,通过介入更多的产业融合发展,将自身定位从一个第三方的、社会中介组织,变身为中介服务机构,为传统产业或企业的整合传播营销服务,提供有针对性的专业化传播手段和宣传效果。
大数据驱动下的媒体融合
明确了4.0时代媒体融合的四大关键和三大途径,再研究基于大数据的媒体融合就会发现,大数据所驱动的不仅仅是媒体产品的升级、新闻出版流程的再造,更是整个产业实现服务化转型的必要助力。
基于大数据的媒体融合,将从选题策划、报道指挥、新闻编采、数据新闻、传播分析、报道追踪等环节全面入手,通过建立中央信息中心、中央编辑部等融媒体中心,改变传统新闻生产组织形式,促使新闻出版单位的组织结构由职能向平台服务转型,最终达到流程扁平化、分众化、垂直化、差异化的目标,实现采编、经营、技术的三方融合。
在媒体产品方面,凭借对互联网产品思维的吸纳和应用,打造“少即多”“简约即是美”“一点极致”等新颖概念,基于大数据的分析,给予客户超出预期的惊喜,最终培养超越商业价值的情感关系,增强用户黏性。在大数据的驱动下,最终建立起拥有移动化社交化的渠道、人本化互动化的内容和视频化可视化形式的新型传播体系。
至于大数据驱动下的产业服务,则是未来广大新闻出版单位运用大数据资源为企业增值的一项重要业务,要通过建立大数据资源库,搭建内容资源服务平台和客户资源服务平台,广泛获取用户信息,帮助实现活动营销和电子商务的精准互动,以精准的广告策划和整合式的营销策略,为企业、政府提供信息服务与决策支持,以此增加自身的附加值。
如今2015年的第一个季度已经过去,此时抓住4.0时代的“转型之机”,实现真正的“媒体融合”仍为时不晚。牢记媒体融合成功的基础在于媒体大数据平台的建设与应用;媒体融合成功的标志,是中央编辑部、数据新闻部等成立及流程再造以及立体传播体系的建设与运营;媒体融合成功的关键,是以用户为中心实现精准传播、精准营销与精准服务。我相信,我国新闻出版产业一定会在媒体融合4.0时代迎来新的繁荣时期。
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在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10