
大数据推动媒体行业探索新的方向
随着大数据时代的到来,人类的思维方式、生活方式都在发生巨大改变。作为重要的战略资源,大数据已渗透到一些行业,成为创新、竞争和生产力发展的重要手段。如何让大数据成为新闻传播的推动力,也成为媒体行业探索的新方向。
媒体如何通过数据分析,用于指导稿件选取、舆情判断、人物锻造和传播力、影响力的提升?2016年12月22日,数博会品牌沙龙第十二期活动在北京举行。本期沙龙活动由数博会组委会主办,中国大数据产业观察网承办,中关村大数据产业联盟协办。北京拓尔思信息技术股份有限公司高级副总裁林春雨和网易新闻直播中心PGC负责人王丹丹两位专家,就大数据时代下新闻行业探索的方向,如何进行媒体创新,新媒体价值提升方法等进行演讲。
北京拓尔思信息技术股份有限公司高级副总裁林春雨:
纸媒大数据之路将有五大转变
在传统媒体上,讨论内容为王、技术为王,除了这两点,还有两点是很少被关注的,那就是人的行为和关系。现在媒体运营如果不能增加用户黏性,用户很容易流失,因为可选择的东西太多。用户的黏性不但可以通过内容分析用户行为,也可以通过社交关系串起来,把这三点都掌握才能形成很好的产品。
传统媒体一直
在给互联网“打工”
首先说到数字出版,包括APP,第一个特点就是融合。产业的融合,比如教育、出版、传播、内容产业正在形成大的融合,形成新的生态和业态。第二个特点是竞争很激烈。中国互联网市场很庞大,但是总体时间是固定的。经营者抢这个固定时间,竞争很激烈,所以要想出创新的办法,使用户停留的时间更长。第三个特点是消费的渠道改变了,知识经济的兴起,能带来短期的收入,而且很快能够转化。
说到媒体融合的发展,传统媒体特别是纸媒一直在给互联网打工,所有的报社都想把纸质内容搬到互联网上,而新浪、网易门户可以根据专栏聚合全国的内容;报社做电子版独立发行,又被更加聚合的东西打败了,那就是搜索引擎,谷歌、百度把网站全聚合一遍,大家找信息就去搜索引擎;到移动互联网阶段,报社推出自己的APP,而今日头条把这些信息聚合,智能化地根据受众的阅读兴趣推荐聚合化的产品。我们可以看到在互联网里面一旦形成寡头,聚合效应就很难被打破。除非有一种新的生态、业态出现,才能打破垄断,所以我觉得聚合是非常重要的,媒体聚合也非常重要。
纸媒大数据之路
将有五大转变
在我看来,媒体的大数据之路将有五大转变:读者到用户,流程到数据,出版技术到智能分析,单一到融合,封闭到开放。
转变一:从读者到用户
报社最难的是无法掌握用户行为,因为报纸是纸质的,报社不知道谁在看,也不知道他看了哪些内容。还有思维方式,报社原来对用户的关心和研究非常不够,只是靠内容一个维度影响,所以用户画像非常重要,在互联网传播的APP里面,通过各种大数据的团队,知道用户的兴趣所在,甚至可以推送一些内容不断研究用户。
转变二:从流程到数据
未来新闻不是生产新闻而是生产数据。原来很多纸报纸刊条条块块分割得很厉害,资源浪费严重,针对这种浪费,人民日报提倡中央厨房的概念,重新分布和整合资源,实现非常高效率的重复利用。一体化融合采编能够知道每个记者所在的位置,所有第一手资料重新进行调配,也可以看到相关视频图片等等,跟原来的条块化方法很不一样。
转变三:从出版技术到智能分析
媒体大数据平台,把一个报社所有数据变成资产转入进来,为报社转型提供很好的架构支撑。未来,完全可以按传播效果付费,一位记者写了爆款的文章有十万以上的传播,通过传播力指数实现写一篇文章能拿到一万块钱,激发作者尽量去发挥创作的能力。关于智能服务,报社不再仅仅是报社,而是大数据中心,提供资源服务、分析服务、推荐服务。
转变四:从单一到融合
从APP平台、移动手机平台很容易融合多媒体信息。
转变五:从封闭到开放
以前报社很少向外输出,有了融合采编之后,就可以变成平台化的产品。平台化的产品有点像共享经济,本身并不生产内容,借助别人生产内容分享收益。报社借助大数据中心或者中央厨房,把内容提供给第三方,第三方基于内容再生产深入加工还可以创造效益。
在我看来,媒体的大数据之路比较成功的方式是:一,比别人好的技术优势。二,很好的资源,包括你的社会资源、政府资源等等。三,有资本助力,在未来媒体发展还是数据驱动为未来,所有的生意都是数据的生意。
网易新闻直播中心PGC负责人王丹丹:
强强合作是直播界的根本出路
资讯时代,直播是一个很火的行业,很多人会认为直播这么火,目前不会有什么困难。但是在我看来,直播界也存在诸多困局。
直播界存在三大困惑
直播界目前的困惑主要有三点。
困惑一:不知道如何将资金变成内容
这个问题针对投资人也包括一些广告客户。比如很多投资人希望投资某个直播平台,但投资直播到底能否盈利?这是很多投资人关心的问题。我刚刚入行直播界时,直播平台只有几十家;我到网易直播的第一天,直播平台已经有一百多家;最新统计数据是,直播平台有300多家。投资人很困惑,客户和广告商也在纠结,不知道该投给哪个直播平台,投给谁能赚钱。
困惑二:不知道如何将内容变成收入
这通常在直播资讯生产方,OGC内容、PGC内容还有UGC内容。OGC是为品牌生产内容,常见于企业自媒体;PGC为专业生产内容,常见于个人自媒体的变现转化;UGC是用户生产内容,常见于个人自媒体。
在传统看来,OGC叫职业的视频生产,可以把它理解成原来的央视,原来央视的内容制作方。这些制作方拿着内容有制作能力,如何把这些内容转化成自己的收入,这是他们的困惑。
也有一些做UGC的个人,现在各个平台做秀场或者自我产出一些内容,在我觉得收入会越来越少,不像原来花椒、映客,跳个舞直播吃碗面条就有几万元收入,盈利做不到长远。
然而中间这层的用户即PGC的用户,内容生产方,有一些制作能力,小团队制作轻装上阵,小而美,很清晰地把这些内容放在合适的平台上播出,把它换成自己实实在在的收入,包括给品牌方展现或者定制他需要的内容,在这一块反而PGC的内容相对笃定和灵活。
困惑三:平台不能盈利
这不只是花椒、映客的困惑,也是做资讯类平台的困惑。举一个快手的例子,快手跟网易也有深度合作,快手的日活跃用户数量有多少?3千多万,相当可观,远远超过一些知名新闻客户端的用户。但快手的困惑是,虽然有平台,有庞大的活跃用户数量,但不知道如何变现。
直播的根本出路
在于和优质平台合作
如何解决这些困惑呢?这是直播从业者都要去思考的一个问题。说到直播还是秀场,秀场有存在的必要,也有魅力所在。秀场确实是很不错的平台,但能在300多家平台当中存活下来的能有多少?包括怎样变现,规避越来越严的管控和合法化的播出都是很大的困难。网易直播有一个口号,不做秀只做新闻,我们做的是资讯类的直播。直播类的资讯分为很多种,包括财经类的资讯、体育、娱乐、时尚等等。凡是网友想要看到的内容,网易都能够提供对其有帮助的直播业态。
做UGC相对比较简单,除去人员运营的成本、平台运营成本,可以说在直播前期发展,是一本万利的生意。但这条路能走多远?快手遇到困惑,在变现和管控内容这方面是各个平台发展遇到的很大瓶颈。在这方面,网易直播提出TOP100伙伴计划,我们合作的PGC用户只有100家,不管多少家来到直播平台播出,我们只给前100家PGC的用户提供最好的推广资源,最好的商业化包装。在我看来,小而美直播、创意类的直播、创业类的直播是PGC的中流砥柱。
直播根本的活路在哪里?我们的领导脚上穿着可爱的UGG靴子,在网易直播平台做直播,他在代言我们的海购,直播当天,UGG卖了上千双。iphone7刚刚发布的时候,把手机浸到鱼缸里捞出来,我们做了很多评测的直播。现在客户、品牌越来越认识到这一点,商业化上和好的平台合作,优质的资源和优质平台合作,优质的用户自己知道去哪里看到优质内容,这是直播的出路。
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在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09