
大数据:媒体的转型命门
现在,很多人都在谈媒体的转型,我今天也简单分享一下自己的观点。
我们看到的媒体形态很多,传统媒体、新媒体、自媒体、网络媒体、杂志媒体等等,但归根结底都回到一个逻辑链条:信息供应者通过媒体的传递,使信息达到受众,在这个过程中,从文字、视频、声音、价格、情报到各种不同形式都是媒体。
以前,大家更多是把新闻媒体作为媒体的代名词,但如果从比较广义的定义,其实所有涉及到信息中介、信息传播的都可以叫媒体,归根结底,媒体就是解决信息的不对称。
在媒体发展的过程中,有一个关键的指标是传播的效率与准确性。在最早的时候,大家的信息交流都靠口耳相传,一个人只能跟一个人、几个人说,而且经过多次传递之后,可能话的原意就彻底被改变了。
在这之后,一直到现在,随着信息介质的变化,媒体的发展效率越来越高,尤其是在报纸、广播、电视和互联网的发展之后。但到现在,有了几个新的趋势。
一个核心的趋势是去物理依赖。信息的传播要变得更有效率,要在更短的时间内,更准确地传达到更多的人,必须要依赖介质和手段,而且这种介质传播必须要依赖于物理的基础来实现,比如说报纸要进行排版、印刷、派送,到了广播的阶段需要一个广播接收器,到了电视时代需要电视,到了现在,则需要电脑、和手机。
但在这个过程中,信息传播的关键环节对物理介质的依赖性正越来越低。未来,大家最后只需要一个终端,就可以接受各种各样的大量的信息,对线下的资源和渠道的依赖越来越弱。
因此,媒体的信息供应也在爆炸式增长。过去,当你生产一个信息的时候,要登上报纸是很难的,因为受到物理条件的限制,它需要经过大量的中间环节,每个中间环节对于信息的生产、传播都会有限制,资源是有限制的。而随着全面的信息化,尤其是像现在各种新的微信、微博等等各种各样的新的技术之后,每个个体都完成信息的一点对多点的传播。
这就带来了自媒体的兴起,这个自媒体,不是现在大家说的微信公众号这样的“自媒体”,而是说,所有信息源都可以不通过中间环节,直接将自己的信息传递到海量的用户、海量的受众,每个信息源都可以成为自己的媒体,它既包括大家说的自媒体人,也包括企业、政府,甚至包括未来所有的物联网设备等等。
当信息爆炸式增长之后,媒体的形态也就面临变革。
过去,大家是大量地作坊式生产,一家媒体几十个人,每个月写几十几百篇稿件,就把版面装满或者把一个节目时长填满,就完成工作了。但现在,信息爆炸了,每个用户面临是铺天盖地的信息,传统的媒体形态就不足以支撑这样的信息传播过程,所以,它必然就像工业革命一样,传统的作坊消亡,工业化生产形成替代。
比如,现在大家看到的微信公众平台和《今日头条》,不再是说我自己生产,而是把别人生产的资讯聚集,然后通过系统进行推送。
此外,最近大家看到美国的媒体,已经开始通过计算机直接调取最新的上市公司财报,抓取核心数据后,由机器来撰写新闻稿件。当然,目前它只能写简讯,但是这样的模式,将带来更自动化的生产。而且,这个自动化不仅在生产环节,包括在它的渠道环节,包括在不同环节之间的撮合过程都会出现。
这样一个从农业时代走向工业时代的转型,带来了一个重要的趋势:脱媒。
脱媒这个词其实它最早是在金融行业里边出现的,金指的是业务去中介化。但实际上,现在所有的行业都在脱媒,因为技术的发展,在不断消除中间环节的信息的不对称,中间价值就萎缩甚至消失掉了。为什么大家说20年后,所有的公司都是互联网公司,它的一个核心就是,未来的公司会通过新的信息供应方式来解决他的中间价值流失,并提升自身的生产效率。
那么,对于媒体,尤其是新闻媒体来讲,随着媒体价值的转移,产业形态也将面临巨大变化。
一般来说,媒体价值主要分成三方面:
一,内容价值。提供优秀的内容来获得收益。你文章写得好,有别人提供不了的干货信息,别人就会来看,这是基本的一个价值。
二,渠道价值。通过内容,媒体实际上实现了用户的细分,比如天天看股票信息的人,自然多是股民。所以,媒体可以通过信息传播为企业的销售提供帮助。
事实上,在互联网媒体兴起之前,传统企业的营用户获取很大程度上都对媒体有很高的依赖,因为它们没有其他的渠道,可以迅速地告诉海量的用户,我生产了什么产品,有什么样的性能,可以到哪里去买。他没有办法做到,只能通过媒体。在这个过程中,企业砸多少钱,登多少广告,能够获得多少的收入,其实是可以计算的,这就是媒体的渠道价值,而现在,这个价值是被替代得最严重的,因为未来企业、政府……每个人都能成为自媒体,比如招商银行自己建立微信号,有几千万粉丝,他只需要推送一条信息,所有几千万粉丝就马上知道了。
三,服务价值。媒体通过信息的整合,他获得更多的资源,然后再依托这一个资源去做一些增值的服务,直到本身深度参与到产业链条之中。
过去,传统媒体主要依靠渠道价值输血,服务占的比重并不大。但现在,渠道价值被在萎缩,并且向寡头集中,这将导致媒体的转型更多地走向垂直细分,媒体需要更多地平台化和工具化,从而加大内容价值、加大服务价值。
从未来来看,媒体的转型主要有这样几条出路:
第一个是以内容为核心,通过更优秀的内容获取价值。比如上海的界面,他们现在大量地招新闻记者,未来的路径显然就是要做强内容,再以此来抓广告、收版权费,做付费阅读等等,此外还有一个就是会员供养,这方面的典型例子就是罗辑思维。
这个模式的生产需要大量能写好文章的人,就像大规模制造的石英表、电子表发展起来之后,瑞士机械手表依然还是纯手工一样,但是把内容做到极致,把内容做成奢侈品,再来获取它的价值的回归,这是它的大路径。
在中国现在的环境下,这个模式面临几个大的问题。中国的版权现在维护还是一个巨大的环境缺失,包括从立法、从产业环境、到过去的既有的历史。在美国,付费阅读做得相对好很多,这是它们从电子化开始就有强烈的版权意识,而中国传统媒体过去的短视,让它们已经失去了太多的战略纵深空间,要再重新建立一个版权的市场环境,是很困难的。
同时,内容有一个巨大的问题就是价值天花板。因为内容是很难估值的,无论中国还是世界,对内容的一个准确的价值判断,是模糊的,而且是普遍低估的,它带来的价值,难以支撑一个足以庞大的产业体系。
比如一篇很好的文章,可能掀翻一批贪官,可以影响一个公司的上市,不管是促成也好、阻碍也好,它可能对政治、商业产生的影响极为巨大,带来的实际市场波动可能数以亿计、十亿计甚至更大,但是他这篇稿件值多少钱呢?很难去量化,可能这篇稿件实际上最终作者也就只有几百块钱的稿费,对媒体机构来说,在市场上需要转化的时候,也很难转化的。像《二十一世纪经济报道》,十几年的积累,中国做得最顶尖的财经媒体之一了,到现在估值也就20亿,和电子商务、游戏、社交网站比,甚至新闻网站比,都远远不及。
第二个模式就是以渠道为中心。典型例子的是过去的各大门户,现在的微信公众平台、百度、今日头条等等,它自己生产内容很少甚至不生产内容,通过提供信息渠道,把用户抓在手里面,把规模做大,通过渠道再来反向抓内容、抓价值。
它有各种模式,比如说像微信公众平台、虎嗅、钛媒体、知乎这样的UGC,让大家去自发生产,他做的就是说我建立一个渠道之后,让大众来生产内容。还有通过内容整合或是爬虫抓取、数据自动生产——就像我刚才举的例子,国外通过机器自己写财报稿件等等,未来可能还有更多模式。
但是不管哪种模式,他都有一个最大的问题:与内容不同,渠道最终会走向寡头。
内容可以是大量的垂直细分,彼此之间竞争很小,我做好我的内容和你做好你的内容是不冲突的。但是渠道的特征是占用用户的时间,谁占用时间多就是强渠道,我占用的时间多了,你占用的时间自然会变少,所以渠道的模式不仅是在媒体内部竞争,而且还在媒体外,而且一旦一个强渠道形成,会对其他所有渠道都会形成压制,所以像这种渠道是高度搏杀的环境。
而且,要完成强渠道模式的话,需要很强大的技术和整合能力,但对传统媒体来讲,他们的转型很难,因为他们并不懂技术。它们过去的渠道力量集中在线下,在物理层面,比如我有多少个派送点,有多少送报员,在邮局有多少发行等等。它们很多都不知道基于信息网络的媒体生存需要怎样的要素与规则,比如怎样做SEO,怎样做PC和手机不同浏览形式的自适应,怎样吸引流量和流量变现,甚至它们连网站都没有。
第三个模式是以服务为核心。这是未来很多媒体可能最能够体现价值的一个方向。
媒体集聚了大量的细分用户,实际上可以为这些细分用户提供非媒体的行业服务,但这方面过去是传统媒体的弱项,因为传统媒体以前更多是依靠广告来生存,但是服务做得很少。而未来当渠道价值被替代之后,广告总量的下滑,将逼迫它们更多地向服务转移。
这里我再补充一下,虽然脱媒是一个大趋势,但在信息爆炸的大环境下,用户获取信息也依然需要渠道,只不过渠道的功能更多地转向整理、细分、搜索等等,但这方面将更多地寡头化,就像过去投向传统媒体的广告,现在实际上越来越多地投向了百度、微博、微信等,而且它们的聚合作用会越来越强,包括线下的资源也会不断被吸附到新的渠道体系里边来。
值得注意的是,未来不管是强内容也好、强渠道也好、强服务也好,再怎么转型,未来媒体都需要有一个业务核心,就是大数据库。
过去,可能都市报最核心的资源是线下有大量的派送体系、营销体系,我能够很快速地达到用户,但你并不知道你的每一个用户,每天什么时候看新闻,看什么新闻,看了多久?而且传统媒体过去的内容,是一个新闻易碎品,今天生产的内容今天读者消化了,明天就没用了,明天的新闻后天就没用了,很难形成新的价值。
但现在,新技术在带来脱媒的负面影响同时,也带来了新的契机,就是大数据挖掘的可能性。
一方面,媒体已经可以通过信息技术构建自己的用户数据库,知道这些用户关心什么,在做什么,喜欢看什么内容,以及背后代表的用户取向,他们的价值诉求,然后你再通过对这些诉求的整理、挖掘、分析,抓取用户和客户的痛点,提供更好的渠道整合,或是更多的增值服务。
另一方面,媒体过去累积的内容,也能构建成为一个大的数据库,通过历史文献数据的深度积累以及挖掘,这些在过去传统媒体模式下价值无限趋近于零的历史数据,在新的数据服务体系下,会因为它的历史参考价值重新焕发青春。
当然,媒体的数据大多都是非结构性数据,它的提取、它的分析挖掘或者说它的价值,还有待完善。但只要它的数据累积一旦充分,基于自己的模式和场景构建好了数据分析和数据挖掘模式,把媒体和服务之间的这样一个价值打通,它会产生巨大的想象空间。
所以,在新的媒体时代,大数据库的构建、维护、分析挖掘与价值变现,将成为媒体转型的关键。
在这个转型过程中,媒体首先需要做的,是寻找自己的核心定位。
媒体有的是行业的、有的是面向公众的,有些是面向财经的,或者说有的是做服务的,大家的定位不一样、特点不一样,模式也不一样。但是不管是哪个模式,都需要根据自己的定位,来选择自己的内容、渠道、服务模式以及我的价值怎么去实现,再根据这些来确定自己的业务框架,然后确定我线下的资源怎么去累积,大数据库怎么去构建等等。
归根结底回到一句话,媒体现在是面临大转型的时代,过去传统的媒体商业模式和它的生产模式,都已经面临淘汰,或者说面临着彻底的颠覆,而颠覆的情况下,它要转型的核心都必须依托于大数据来构建自己的模式、体系和应用场景。
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