
传统电视台转型的必由之路:涉水社交大数据_数据分析师考试
在移动化力量的推动下,社交媒体与电视的联姻正在爆发巨大的行业红利。社交媒体一方面从电视节目里不断寻觅内容消费热点,另一方面也为电视的革新提供数据支持。而电视台,则利用社交媒体的关系和数据,推动自身采编制播模式的创新,逐步进入社交大数据时代。
媒体转型
社交媒体与电视简直就是一对天生的好基友。
从产品设计机制来看,社交媒体从用户的沟通中产生内容,而电视则从内容输出中催生沟通交流的需求。换句话说,把电视产生的内容可以自然而然的延伸到社交媒体上讨论,这既为社交媒体带来大量可供消费的内容,也为电视台带来交流的空间。但长期以来,这种看似简单的所谓内容闭环并未形成,社交媒体从未与电视台发生深层次的关系,为什么?
如果以Facebook诞生为社交媒体正式踏上历史舞台来算的话,那么社交媒体无疑是PC时代的产物。彼时,无论是国内还是国外,电视始终是人们生活的第一屏幕,而PC仅仅是第二屏幕。然而PC时代的社交媒体远不是碎片化内容的输出地,设备太重(从台式机到笔记本已是伟大进步)、带宽与无线的不足,都限制了人们随时随地碎碎念的欲望。而且,中国网民曾一度将PC作为电视的替代品,并利用各种渠道去观看往期的电视节目,电视节目内容的实时性被大打折扣,这也与社交媒体强调的“当下”概念不符。
社交移动化
以上几个制约社交媒体与电视共同跳舞的因素正在被改变,这股推动力来自于滚滚而来的移动化浪潮。以中国为例,据公开资料显示,截至2014年1月,手机网民规模达5亿,占总网民数的八成多。微博上市后的第一份财报显示,在国内1.438亿的微博月活跃用户里,超过70%的人习惯使用移动端访问微博。全球来看,市场评估公司BIIntelligence2013年11月发表报告称,全球十大社交媒体中,原生移动化应用就有三个。老牌社交网站Twitter每月75%的活跃用户都来自移动端。
随着社交移动化的到来,社交媒体的属性被激发出来。比如实时性,由于无处不在的移动网络,用户可以随时随地将自己的所见所得发布出去;再比如移动设备轻便可携带,能够最大化的占有用户的碎片化时间。上述两大改变给电视业带来新的机会。社交移动化使得社交媒体能够实时性的展示电视内容,根据CSM与微博联合发布的《2013电视综艺节目收视与微博讨论研究》的白皮书显示,以一周七天为周期来看,微博提及电视节目的人数与电视到达人数基本一致。这充分说明社交媒体已然成为电视节目实时互动的有效阵地。海量的微博讨论内容既增加了电视节目的曝光率,又为电视节目的改进提供了足够多的反馈意见。
正是在这样的背景下,从2013年下半年开始,国内外社交媒体开始与电视台或电视节目广泛合作。Twitter已经收购BlueFinLabs这家主导美国电视节目社交互动的巨头,并与尼尔森联合发布美国电视Twitter指数。微博则在上周与央视-索福瑞联合推出微博电视指数beta版,为中国的电视机构提供最有代表性的社交媒体反馈。社交媒体希望利用自身的用户关系为电视的内容带来最大化的消费空间,并希望在这种合作关系里找到更多可延伸的商业模式。
社交+电视的巨大能量
传统的电视业长期处在以采编为中心的制作模式里,无论是电视剧还是综艺节目,都透出一种浓浓的“精英文化”。视频网站Netflix用纸牌屋试水电视剧大数据之后,传统电视台才认识到数据指导的重要性。不过很遗憾,电视台本身没有数据,他们无法像netflix那样去分析网站用户的喜好,尽管国内很多电视台都有自己网站,但这些网站更像是为了网站而建立的网站,没有用户运营,更没有用户数据积累。在这个数据驱动一切的时代,电视台亟需数据来实现自身节目(剧集)的“互联网化”。
如前文所言,电视台可以利用社交媒体增加曝光度,并利用在社交媒体上的反馈意见优化节目内容。这就解决了电视台长期以来单向传播的弊病,更重要的是,这也会让电视节目搭上“大数据时代”的高速列车。大数据时代并无公认的定义,但大数据时代有着四个重要特征:Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)。其中,前三个V同样也是社交媒体数据的特点,而第四个V则需要借助对前三个特点的有效挖掘才能产生。国内外IT公司也注意到了这种趋势,像IBM就开始在其解决方案里特别定制了社交媒体数据分析方案,让客户的社交媒体数据产生真正的Value。
对于电视和微博,又如何从前三个V达到第四个V(Value)呢?不妨来看看湖南卫视《花儿与少年》与微博的合作成绩:仅仅四周时间,相关话题阅读量超过18亿次,较合作之前增长了10亿次,并直接推动该节目收视率由之前的1.5%上升1.8%。这直接体现出微博大数据之于电视节目的价值。
之所以可以实现上述价值,除了整合微博上的海量数据外,还需辅助以微博平台的运维,包含三大部分:
播出前,电视台可以设置某些关键词,引导用户讨论;
节目播出过程中,电视台还可以挖掘和结合社交媒体上自发出现的实时讨论热点扩大传播效果;
节目播出后,电视台通过对前两个阶段传播的效果分析,找到更好的传播点,加入到下一次节目预热中。
以上三大步骤环环相扣,处处以数据为指导,真正实现了电视节目(剧集)从“个人喜好”到“群体喜好”的改变。同时利用来自微博的数据,电视台也可以提前了解到节目可能的收视效果,及时做出一些调整,避免资源浪费。
一言以蔽之,在移动化力量的推动下,社交媒体与电视的联姻正在爆发巨大的行业红利。社交媒体一方面从电视节目里不断寻觅内容消费热点,另一方面也为电视的革新提供数据支持。而电视台,则利用社交媒体的关系和数据,推动自身采编制播模式的创新,逐步进入社交大数据时代。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08