京公网安备 11010802034615号
经营许可证编号:京B2-20210330
百度如何演不一样的大数据偶像剧_数据分析师培训
传统行业如何拥抱互联网?2013年在喊了“互联网思维”一年后,2014年到底能够如何落地,是一件严肃的事情。尤其在服务行业,今年的百度大会上亮相的“直达号”,就是传统旅游业与互联网新的一次碰撞。甚至是地产业都在蜂拥而上,抱上互联网之时,文化娱乐行业却好像迟迟未有十分积极的响应。
在文化娱乐产业中,影视行业可以说的上是最大的一块版图。早在国内第一批视频网站成立之时,影视行业已经开始了其互联网化之路。不过时至今日,也仅仅只是半互联网化,将其发行渠道实现了互联网化。而在影视发行之外的影视内容制作、营销环节中,却甚少与互联网有过亲密接触。
影视内容以及营销为何迟迟没有乘坐上互联网的大船?最主要的原因还是,包括影视人以及互联网人都没有想明白,切入点在哪?怎样成为影视剧行业的“直达号”呢?
《纸牌屋》的出现可以称得上是第一次尝试,他利用大数据实现了影视剧内容在制作上的数字化。通过观众在观看中的进度条停、放时间来获得观众对影视剧内容的喜好厌恶判断,来编写、优化下一步的剧情内容。
不过,这种“大数据+影视内容”的操作模式在流传到中国国内的市场中时,却出现了两种不同的模式。第一种是忠实于《纸牌屋》的原版模式,通过网络视频播放之时,播放进度条中各种观众动作来判断剧情内容喜好厌恶,如优酷、爱奇艺等视频网站皆在尝试;另一种则是跳脱在在线播放的约束之外,实现网络口碑大数据整合优化剧情内容,甚至是选角、选景。如百度近期与湖南卫视合作的青春偶像剧《不一样的美男子》就是第一次尝试。
相较后者,前者的模式虽然已经有了成功先例,但是依然有些局促:首先,如何获知在电视上观看的观众大数据?其次,进度条、或者社区中的互动口碑,并未能够代表全网网友意向。
换而言之,这种仅仅依靠在线播放获得的大数据还不够全、和精。
后一种通过全网口碑来获知剧迷大数据的模式,虽然也并非完玉无暇,但是在思路和操作模式上却是给了影视人和互联网公司更多的思考空间。我们不妨就拿《不一样的美男子》来看看,这种模式如何探索新路。
首先,用大数据来参与选择演员。在大数据遴选机制中,有三大核心点,包括知名度、口碑和气质匹配。据说,剧中男主角张翰就是通过大数据遴选而来。其日后火遍网络的“肌肉照”证实,张翰的气质和超能力关键词有很高的匹配度。
而百度在此次推出了代言人大数据选择工具事实上也是这一遴选机制的另一翻版。其原理是,通过大数据来洞察明星与品牌之间的匹配度,以及可以与其的市场影响力。而这中模型相信,在洞察明星与影视作品品牌,或是导演品牌上,也可以所有建树。
其次,精钻于用户剧情口碑数据之内。事实上,在大数据分析中,最为困难的就是从海量碎片口碑中获取用户的意愿方向。但是,用户的喜好厌恶又大多是发自心声,对于剧情的优化是最具价值。百度曾经在6月公布了一组女性数据证明女人谈的最多的是怕老,其口碑数据真正来源于此。
《不一样的美男子》在全程中都利用大数据进行了剧集优化。如超能力背景解释剧情,男角死而复生剧情,以及大结局剧情等。其中,其在设置大结局时就极大动用了用户口碑大数据。首先百度从平台之上用户的口碑中提炼Top10结局剧情,并在百度贴吧上设下擂台,为剧组征选大结局。据说,这次的结局在六天中就有近200万的网友参与,参与热度远远超出了湖南卫视的预期。
当然,引导学习传统与科技的配合之道,也是大数据公司在和传统企业进行合作时十分重要的柔术。事实上,和传统行业在配合之时,很多IT科技行业的人都会满腹牢骚,配合方式、理念和效率都是大问题。所以,当百度商业市场部总经理陈志峰说在百度与湖南电视台合作时,曾经出现编剧大罢工的事件之时,笔者也并不感到惊讶。不过,从《不一样的美男子》连续多周蝉联收视冠军的结果上看,可以知晓,百度是将这一难题巧妙进行了化解,不得不说,这会成为后来者的经典案例。
无论是大数据之全面,还是精钻在口碑之上,都是百度大数据在演出这么一出《不一样的美男子》偶像剧时做到的中国大数据渗透娱乐文化产业的一个独特案例,而在未来,这种优势也势必从内容制作扩展至全产业链,覆盖产、销、播一条龙,更多上演《不一样的美男子》大数据制剧。而百度有没有可能在今年推出影视行业的“直达号”,来再次颠覆传统?不如搬好小板凳,等着接大招。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18