京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代下的智能传播及其盈利模式
信息开放、摩尔定律、社交媒体、数据挖掘技术把我们带入大数据时代,大数据具有量度、频度、速度、维度和温度五个方面的显著特点,并致力于为决策服务。大数据也给传媒业和传播带来了革命性的变化,为了更好地满足用户更为个性化和定制化的需求,传媒业必须从信息稀缺时代的大众传播、信息丰裕时代的互联网传播,快速转变为信息过载时代下的智能传播。而要实现智能传播,关键在于打造基于大数据的信息智能匹配平台,在不断优化用户信息需求的基础上,实现信息和用户需求的智能化匹配。智能传播具有潜力巨大的混合型盈利模式,主要包括信息服务收费、广告、电子商务、舆情增值服务收入和网络行政服务等。
【关键词】大数据;信息智能匹配;智能传播;信息过载
2013年,是大数据和移动互联元年,标志着我们已经进入大数据和移动互联时代。在大数据时代,用户对信息的需求更加个性化、精准化,借助于数据挖掘和分析技术,传播体现出智能化的趋势,而其盈利模式日趋混合化和多元化。
一、大数据时代到来的原动力:信息开放
(一)技术赋权:四次传播革命助推信息开放
从远古到现在,我们经历了文字的发明、古登堡印刷术、电报技术的应用和互联网四次传播革命,每一次传播革命都使得信息的数量和公开程度快速增加。
第一,文字发明打破了时间的限制,使得代际传播成为可能。在文字发明之前,传播只能通过口口相传,信息量极其有限,讲古人也具有很大的权力。在公元前4000年楔形文字出现之后,文字发明带来的第一次传播革命使得代际之间的传播成为可能,也使得信息数量开始大幅度增加。
第二,古登堡印刷术打破了范围限制,使得大范围传播成为可能。在古登堡印刷术出现之前,书籍主要依赖掌握文字的抄书人,一方面,由于抄书人的数量很少,信息积累和传播的范围受到很大的限制;另一方面,抄书人具有很大的权力,甚至比一些王公贵族的权力都大。1450年,古登堡的印刷术,给世界带来了第二次传播革命,此后的50年间,大约有800万本书被印刷,比之前所有的手抄本还多。这些书籍帮助更大范围的人获取知识和信息,使得更大范围的精英能够更好地获得信息。
第三,电报技术打破了时间和距离的制约,使得大范围远距离的传播成为可能。电报技术的发明,带来了第三次传播革命,使得千里之外的信息瞬息可至,不仅大大加快了信息的传播速度,信息的数量也急速增加,使更多的人能够更好地获得信息。
第四,互联网技术打破了为精英所控制的大众传播限制,使得及时、互动的自媒体传播成为可能。发轫于1989年的万维网,带来了第四次传播革命,借助于互联网技术,人人都可能成为自媒体,人人都可以拥有麦克风,一方面打破了信息由精英控制的局面,在很大程度上赋予普通人传播信息的权利;另一方面,由于社交媒体等的推崇,信息数量急速增加,根据ZDNet的数据显示,2013年中国产生的数据总量超过0.8ZB,是2012年的2倍,相当于2009年全球的数据总量。
(二)三大成因汇成大数据时代
第一,摩尔定律使得人类保存数据的能力大大增强。摩尔定律是由英特尔创始人之一的戈登·摩尔于1965年提出来的。其内容为:当价格不变时,集成电路上可容纳的晶体管数目,约每隔18个月便会增加一倍,性能也将提升一倍。在摩尔定律的推动下,价格以更快的速度下降,即在存储器的性能提高的同时,大约每9个月存储容量的价格就下降一半。这一方面使得人们可以有更大、更快的数据保存能力,另一方面也使得人们能够承担起保存数据的成本。根据相关数据显示,1990年至2013年,计算成本平均每年下滑33%,1MM的晶体管从527美元下降到5美分;存储成本平均每年下滑38%,1G的存储成本从569美元下滑到2美分;带宽成本平均每年下滑27%,1000M的带宽成本从1245美元下滑到16美元。
第二,社交媒体的出现使得人类生产数据的能力增强。Facebook、Twitter、新浪微博、微信等社交类媒体使得每个用户都可以发表自己的言论,并以其及时、互动实现传播效应最大化的特点,使得人们生产数据的能力大大增强。例如,Facebook用户每分钟分享的内容高达246万条,Youtube用户每分钟上传72小时的视频,Twitter用户每分钟发布27.7万条信息。
第三,数据挖掘能力使得人类使用数据的能力大大增强。目前,主流的相关技术主要有以MapReduce和Hadoop为代表的非关系数据分析技术。
(三)政府数据公开力度加大
首先,国际信息公开已初具规模。美国等西方发达国家大力推进数据开放运动,2011年9月20日,美国等8个国家在纽约发起“开放政府联盟”,以向本国社会开放更多的信息。目前,该联盟已经有50多个会员,30多个国家建立了公共数据的开放网站。2012年3月,奥巴马政府公布“大数据研发计划”,以提高和改进人们从海量、复杂的数据中获取知识的能力,发展收集、储存、保留、管理、分析和共享海量数据所需要的核心技术,大数据成为全世界关注的焦点。例如,在美国的“蓝纽扣”计划中,用户可以使用“蓝纽扣”获取个人健康信息,以便管理其健康、经济状况,并与信息提供方交换信息。目前,已有超过1.5亿的美国人能够从健康服务企业、医药实验室、零售药房供应商与州免疫信息数据库获得他们所需要的个人健康数据。
其次,我国也在加快数据开放步伐。国家统计局推出了国家数据开放工程,广东、上海、北京等地都在加快数据开发进程,但是和发达国家相比,开放程度仍然极低。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07