京公网安备 11010802034615号
经营许可证编号:京B2-20210330
家庭互联网大数据百亿市场渐现
智能家居前景美妙,现实却很骨感。今年智能家电新品发布的频率,明显放缓。2020年将达万亿的智能家居市场“大饼”,也没能挽救多家上市公司当下的业绩于水火。由于缺乏统一标准,企业各自为政,难以形成整体生态,所以智能家居发展道路曲折。
不过,智能电视有望成为率先突破的细分领域。11月20日,智能家居大数据上市公司奥维云网(831101.SZ)公告,斥资600万元收购“勾正数据”公司20%的股权,希望未来三年内建设中国最具规模的智能电视用户大数据平台,这就是一个积极的信号。
为什么是智能电视?
它的智能化程度,在众多家电产品中最高。国内智能电视的渗透率今年已经达到70%~80%,而且它的优势在于大屏,成为家庭互联网的最大入口。中国有3.5亿个家庭,未来互联网电视的成长空间巨大。所以,这一两年“千军万马”都想跨界做互联网电视。
有人认为,2016年将是互联网电视大屏价值引爆的一年。奥维云网的董事长喻亮星也很认同:“明年会比今年走得快”。因为每年1000多亿元的电视广告,已是现成的市场,未来部分电视广告将转化成互联网电视广告。
事实上,今年海信、创维、TCL、乐视等,都号称分别有5000万元~7000万元左右的开机广告收入。即使这样,它们几个加起来就是几个亿,相比于电视广告一年千亿元的广告规模还是小,互联网电视的广告价值离真正的点爆还远。
挖掘电视大屏价值,还有两大现实的困难。
首先是缺乏数据支撑。喻亮星坦言,奥维就是想尽快把底层数据做出来,为互联网电视广告的精准投入做准确,因为客户并不愿意“闭着眼睛”投广告。
另一个难题是硬件的增值功能需完善。实现增值,要与软件、硬件环境相结合,这对电视的芯片、图像处理能力都有要求。据喻亮星介绍,2013年年底的智能电视产品才开始具有这样的增值能力,目前国内保有量才2000万~3000万台,且激活率只有一半,还分散在不同品牌里,所以目前广告价值暂时还不大。
不过,未来三年将快速增长,国内智能电视保有量将从2015年的8000万台到2018年突破2亿台。而大数据的能力,将是开采电视大屏价值的“锁匙”。
为此,奥维做了两件事情。一是装了奥维软件平台的电视用户,现在有100万台,喻亮星透露,通过与勾正的资源整合,到明年春节前会达到500万台。其次,奥维对接各大品牌的、可以投放广告的智能电视活跃终端已达2000多万台,覆盖TCL、创维、长虹、康佳、夏普、联想等品牌,“一旦我们达到3000万~5000万台,价值就会变大。”
彩电厂为什么愿意让奥维来做呢?喻亮星说,“一是我们的数据采集能力强;二是数据分析能力强;三是奥维天然是第三方,采用收入分成模式,不干扰彩电品牌自身的运营。”
大数据,近年已成为热词,但如何产生真正的价值,还需要实实在在的努力。
奥维此次参股勾正公司,揭开了其大数据布局的“冰山一角”。过去两年,奥维的大数据团队已增至40多人,并在大数据领域重金投入,去年投了500多万元,今年又投了1000多万元。
其储备的大数据能力主要在五个方面:一是数据采集的能力,原来奥维跟全国大连锁合作,成本高、时间慢,现在通过爬虫技术,可覆盖门户网站、电商平台、社交平台等信息;二是云计算能力,原来处理20万条文本信息要2小时,现在只需20秒;三是应用场景的挖掘能力,凭借奥维对家电制造业、流通业和用户多年的研究经验,迅速找到大数据的应用场景;四是建立模型和数据挖掘的能力;五是可视化的能力。
“一定要把大数据落实到小的应用场景。”这是奥维云网的助理总裁韩昱的体会。
像今年“双11”商战,已引入数据战。通过每五分钟监测一次价格变动,奥维可以提醒厂家锁定竞争对手的哪个型号,并建议用哪个产品型号去应对。“以前,奥维只是卖报告,企业看一下市场占有率就完了。现在,通过大数据,我们可以帮助企业,进行实时的决策。”
又如,以前产品创意,做4000个样本,要两个月,花80万~100万;现在利用大数据技术,每月收集10万条信息,2天采集、3天分析、5天出报告,成本只是原来的十分之一。
未来,PC端的视频、广告、游戏、电商、在线教育、精准营销等业务模式,都会延伸到互联网电视端,潜在的价值空间巨大。不只奥维,BAT、彩电巨头、互联网彩电新军、苏宁国美等,谁都想冲着这块“肥肉”来咬一口。
奥维希望搭建一个基于产品和用户的、开放式的大数据平台,并预言“家庭互联网用户大数据将是一个百亿元的蓝海市场”。同样可以预见的是,竞争也会异常激烈。喻亮星明确,尽管与厂商有竞合关系,奥维定位做中间环节,更多是通过数据帮助企业,服务好用户。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19