
新媒体行业如何利用大数据掌握受众趣味
数字信息爆炸时代,我们生活的每时每刻都在产生着数据信息。沃尔玛通过对过去一年原始交易数字的详细分析将尿布与啤酒一起销售,取得赫然的业绩;Google通过分析美国人最频繁检索的词汇,将之与季节性流感传播时期的数据进行比较,从而建立了一个特定的数学模型,最终成功预测了冬季流感的易发地区。在电信、金融等行业已经达到“数据就是业务”的地步。这不由让人联想,大数据能为媒体带来什么?
1 揭开大数据的神秘面纱
大数据(Big Data)是指以多元形式、自许多来源搜集而来的庞大数据组,也有一种说法称大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。
大数据的特点就是“庞大”、“海量”。这是因为人类每时每刻的活动都伴随着数据信息的产生,数据集合的范围已经从兆字节(MB)到吉字节(GB)再到太字节(TB),甚至还有拍字节(PB)、艾字节(EB)和泽字节(ZB)的计数单位出现。
大数据可能取自社交网络、商务和视频网站、顾客来访纪录,还有许多其他来源。用户电脑浏览记录、手机通信记录、网页浏览习惯、微博使用习惯、手机GPS定位跟踪记录等这些行为都会被作为数据记录下来。
2 大数据时代下的媒体思维转变
大数据在物理学、生物学、环境生态学、医药学等科学领域已有广泛应用,对军事、通讯、金融等行业也有广泛的影响。随着互联网的风行,大数据对互联网的影响日渐加深,而对于依托互联网发展起来的新媒体行业也初现端倪。
大数据统计技术发展到今天,生产、存储、积累的数据量之大,已经超越了一般人所能想象的范围。“以铜为镜,可正衣冠;以古为鉴,可知兴替”,而以“数据”为镜不仅能掌握历史信息,还能更好地预测未来。
①利用大数据掌握受众趣味
美剧《纸牌屋》的成功让人们将焦点聚集在数据分析对媒体的应用层面。这部收视火爆的美剧出自影片租赁提供商Netflix。Netflix对2700万名美国订阅用户、3300万名全球订阅用户的评分、观看记录、好友推荐等信息进行深度挖掘,从而找出用户喜欢的视频风格、内容风格、导演和演员,利用这些关键信息确定了观众喜爱的体裁、演员、导演。
②注重个体用户体验
因为大数据技术的支持,促进了各类终端、平台的发展,为用户带来了多样化的信息获取渠道,并使用户在意见的表达和信息的发布中占据一席之地,终端和平台为了吸引用户,会根据用户的搜索记录,得出每个用户的爱好、兴趣,为他们推荐适合自己的社群。
③实现多屏互动
随着互联网的快速升级和智能终端的发展,用户收看渠道从单一媒体到多终端整合。全媒体、全渠道、全终端,已成为媒体发展自身的必然趋势。目前,较多电台将自己的品牌节目,放到自己的PC、移动互联网、IPTV和OTT等平台进行播放,并且开设微博、微信公众平台,通过与观众的亲密互动,把握他们的观看需求。
3 大数据对新媒体的作用
大数据的云计算能力可以为手机APP、微博、微信等移动终端提供大数据服务,成为媒体融合的底层平台基础,微博的推荐用户、搜索引擎的相似关注都是在大数据的支持下实现的,新媒体的大数据系统需要具备信息采集的功能, 根据用途的不同,设计系统的日信息处理量,对信息进行过滤、去重、相似性聚类、情感分析、文摘、自动分类等处理。
①手机APP
大数据可以使APP应用实现精准推送,并借助APP互动的环境,对用户爱好进行挖掘。例如电商会透过不同的生活服务APP,对每位消费者产生的支付数据进行估量和测评,然后量体裁衣的对自身的商品实施推送。无论是购物类APP、团购类APP还是咨询类APP,用户规模越大,数据采集时间越久,对用户的需求分析就越精确。
②微信
微信的公众账号管理平台可以实时统计每个自定义菜单的点击量、分析每次推送消息的点击率,并自动进行客户分层。这意味着每一个公众账号都可以通过微信平台的数据收集与分析功能了解到哪一类的信息更易于被订阅用户接受、哪一些订阅用户对产品的关注度高,从而为不同的客户推送个性化的服务内容,实现有效的信息推送。
有人预言未来的几十年,数据将会成为人类最宝贵的财产之一,大数据对新媒体的作用是否能持续发酵,我们都将期待。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA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 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14