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
数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26表格结构数据以“行存样本、列储属性”的规范形态,成为CDA数据分析师最核心的工作载体。从零售门店的销售明细表到电商平台的用 ...
2025-11-26在pandas数据处理工作流中,“列标签”(Column Labels)是连接数据与操作的核心桥梁——它不仅是DataFrame数据结构的“索引标识 ...
2025-11-25Anaconda作为数据科学领域的“瑞士军刀”,集成了Python解释器、conda包管理工具及海量科学计算库,是科研人员、开发者的必备工 ...
2025-11-25在CDA(Certified Data Analyst)数据分析师的日常工作中,表格结构数据是最常接触的“数据形态”——从CRM系统导出的用户信息表 ...
2025-11-25在大数据营销从“粗放投放”向“精准运营”转型的过程中,企业常面临“数据维度繁杂,核心影响因素模糊”的困境——动辄上百个用 ...
2025-11-24当流量红利逐渐消退,“精准触达、高效转化、长效留存”成为企业营销的核心命题。大数据技术的突破,让营销从“广撒网”的粗放模 ...
2025-11-24在商业数据分析的全链路中,报告呈现是CDA(Certified Data Analyst)数据分析师传递价值的“最后一公里”,也是最容易被忽视的 ...
2025-11-24在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20