京公网安备 11010802034615号
经营许可证编号:京B2-20210330
浅析大数据背景下电视节目的革新
随着互联网、云计算等相关科技的迅猛发展,大数据的运用已渗透到社会的方方面面。本文通过
分析大数据在《女神的新衣》这一综艺节目中的运用,指出了此节目的创新之处,并且引出了在大数据背景下,电视节目未来的革新方向——制作前的数据分析、播出中的动态调整、推广时的精确剪辑以及播出后的全面评价。
一、大数据
大数据指大数据技术及其应用,旨在从各种各样的数据中,快速获得有价值信息的能力。其特征被概括为4V,价值(value)、快速处理(velocity)、大量化(volume)、多样化(variety),即意味着数据的大容量、类型多样、对数据的实时处理,以提取到价值。
随着数字化媒体、数字设备的发展与普及,人们在生产生活中产生的数据量已经达到了海量级别。而数据是在人类生产生活中产生的,必然蕴含着不同人的行为方式、习惯、偏好等,大数据的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理,分析与把握大数据,对于指导人类的生活实践有着深远的意义。
在这些大数据中,有两类数据引(数据分析师培训)人注意,一类是企业与企业、消费者之间的“大交易数据”,一类是来自互联网、社区网企业服务网的“大交互数据”。
在我国,中国联通、搜狐、京东等在自己熟悉的行业内实践并推动着大数据的应用实践。中国市值最大的三大互联网公司阿里巴巴、腾讯、百度等基于其海量的用户信息,拥有大量高质量数据积累及数据处理能力,其中阿里巴巴拥有着最大的网络交易数据。而此次阿里巴巴与东方卫视合作的综艺节目《女神的新衣》,便显现出了天猫大数据的魅力,其对节目的影响是方方面面的。
二、大数据在《女神的新衣》中的运用
2014年8月23日起,《女神的新衣》在每周六晚东方卫视的21:15强档播出。第二季于2015年8月8日播出。它主要由24小时制衣,T台秀,竞拍,排名这四个环节构成。它与天猫合作,开创了一种即播即买模式。
微博电视指数显示,该节目首播即成功上榜并位列全国第二,在独家视频合作媒体优酷土豆平台,24小时点击量突破600万,位列全网第一,10月25日第一季十期全部结束。
它采用全新的T2O(TV to Online)模式,由六位女神同自己的设计师合作,在24小时内设计出符合设计主题的时装,T台走秀,接着由四位品牌买手进行三轮的竞拍,获得此服装的“版权”,与此同时服装上线天猫网店,公布售价,无缝对接让网友体验真正的“女神同款”。每两期,通过竞拍价,观众评分及导师评分淘汰一支“女神团队”。
纵观节目,其中大数据思维体现在多个环节之中:
1.服装设计过程中的大数据
在第三期节目中,女神尚雯婕专门查看天猫上的消费数据,从而了解什么颜色、款式、布料是当前消费者最喜欢的。
来自韩国的林珍娜也从 “明星衣橱”APP那里,得到了4000万时尚社区用户沉淀两年多的大数据支持:从款式到搭配,从观赏性到实穿性,精准到内衣的颜色、袜子的选料等都有分析,这些数据帮助她迅速的把握了消费者的偏好。第三期林珍娜同款服装在天猫销量半小时内过百。
2.导师评价中的大数据
在节目过程中,其时尚导师也会在点评中穿插各种天猫大数据。如其第一期中,时尚导师天猫市场总监应宏在点评过程中多次运用了天猫大数据。在点评张馨予的服装时,他说道“在天猫上搜张馨予同款的最多的省份是黑龙江,而且喜欢她的粉丝的核心的星座是巨蟹座”。同样,在点评叶璇的套装时,说道“看天猫大数据显示,时尚套装这个词已经排到了前三位,它的年龄层次也非常清晰,是25岁到29岁的目标消费群,最爱买时尚套装的是爱吃零食的射手座女生。”
3.播出中及播出后的大数据
从播出的前三期来看,在栏目开播20分钟后,百度与天猫的搜索指数同步上升。伊芙丽的买手提到,其旗舰店方访客较之前增长100%,成交额增长50%。
对传统的综艺节目的评价指标依旧是靠收视率、视频点击率、社交媒体的关注度、讨论度等。而《女神的新衣》却有了一种新的直观的方式——天猫的流量、收藏量、销量。
阿里巴巴拥有海量的用户基数、海量的互联网交易数据,其天猫大数据也应用在节目制作的多个环节中。设计服装前根据设计主题,搜索消费者对颜色、款式的偏好,迎合消费者的需要。点评环节中,时尚导师根据女神及其设计师设计的服装款式,结合相应的天猫大数据,来对其点评,有时甚至会给出相应的营销策略。
《女神的新衣》除了收视率、社交媒体关注度等之外,还直接用赤裸裸的流量、销量、爆款来完成商业价值的认证。
三、大数据下电视节目的革新
与《纸牌屋》不同,《女神的新衣》虽然也运用了大数据,但其只是运用了天猫的互联网交易数,它更多的是监测用户转换为消费者后的天猫流量、收藏量、销量等。虽说这只是大数据在综艺节目的简单浅显的运用,是国内大数据涉足电视节目制作的一次试水,但其对以后综艺节目、电视节目的制作也指出了一条新的道路。
将这种与大数据结合的思维拓展开来,这种模式可推广到电视剧、综艺节目的制作当中,大数据可以运用在电视节目的方方面面中。
据麦肯锡全球研究所的调查数据显示,美国17个行业所拥有的数据总量排名中,传媒业占据第三位,仅次于离散式制造业和美国政府。在大数据位居前列的传媒产业,在大数据时代具有先天优势。
1.制作前的数据分析
大数据基于其海量的数据,可以形成一种全面立体的视角。系统的分析这些繁杂的数据,可以更加精准全面的把握市场状况,在策划阶段就可以分析收视群的偏好,制作能够满足观众需求的电视节目,从源头上便改变了电视节目走向。
通过大数据,分析收视群的年龄、性别、地理位置、兴趣、消费习惯等,挖出数据背后收视群的偏好,如《纸牌屋》的制作,Netflix数据库包含3000万用户的收视选择、400万条评论、300万次主题搜索,是名副其实的“大数据”。这些大数据背后隐藏着观众依旧热爱二十年前的剧《纸牌屋》,而且这些观众也几乎和网站上大卫芬奇、凯文史派西的粉丝圈重合。于是这部由大卫芬奇导演、凯文史派西主演的《纸牌屋》在源头上便把握住了观众的喜好,其热播也就不难理解。
借助大数据,可以捕捉到观众对哪些题材、内容更感兴趣。一个鲜明的例子是网络点击量高的文学作品,在其改编成影视剧后,收视率和票房通常也较高,如频频出现在热门微博的《盗墓笔记》《何以笙箫默》等电视剧的信息。今年亲子类综艺节目的扎堆,与去年热播的《爸爸去哪儿》有很大的关系,其超高的收视率、视频点击率、社交媒体上的热议等这些大数据,使得制作商把握了观众对亲子类节目的偏爱。虽然大数据技术不可能一下覆盖整个电视产业,但告别传统的闭门造车,转变思维,从源头上把握观众的喜好,以大数据为主要参考依据的制作方式,将很快成为中国影视产业发展的主要趋势。
2.播出中的动态调整
大数据时代,电视节目的播出将实现数据化,这使得测量得以实现,这也将对电视节目在播出过程中产生影响。
互联网时代电视、综艺节目层出不穷,一档电视节目想要获得观众持续的关注很难,老牌综艺节目《快乐大本营》早已出现疲态之势,因为播出的节目是相对静态的,而观众的需求则是动态的。
比较成功的是《中国好声音》衍生出来的姐妹档节目《酷我真声音》,它根据百度搜索、社交媒体的数据来挖掘关注度高的学员,这些学员的背景、绯闻等都在网上引发了大量的争议。《酷我真声音》让这些焦点学员在访谈中直接向观众解答他们的疑问,这档节目满足了观众的好奇,并紧随着《中国好声音》登陆浙江卫视。
传统的电视节目早已定型,而大数据出现之后,便可随时监测社交网站、论坛上观众的反馈。制作商可以依据观众的反馈来对节目做出及时调整。如现在很多美剧、韩剧会依据观众的评价,及时改变剧情发展,迎合观众口味。
这样,大数据也使得观众产生了比以前更强的代入感,观众发表的意见会被迅速采纳并反映在节目之中。这种良好的互动体验可以提高节目粘性和收视忠诚度。
3.推广时的精确剪辑
节目播出后,大数据也可以为推广时的剪辑提供依据。以往的节目播出之后,只有收视率、点击量等可以反映节目的人气,而大数据可以监测出受众的收视行为,如制作《纸牌屋》的Netflix便通过大数据分析其3600万用户的操作行为,包括用户在何时暂停、回放、快进、停止等,甚至是哪些用户在节目结束演职员表开始滚动时就关了节目,每天用户在Netflix上将产生高达3000多万个行为。
通过监测哪一部分重播次数最多、哪些部分会暂停、快进等收视行为,可以为剪辑节目的宣传片提供依据,这样能更好的把握住节目中受观众喜爱的热点,更有针对性的剪辑宣传片,以此来达到更好的宣传效果。
4.播出后的全面评价
传统电视节目的评价体系多为收视率、视频点击率、社交媒体热度等,收视率是基于抽样而得的数据,其真实性、全面性本身就是个问题。而大数据背景下,将会有更为多样的评价体系。如前面提到的用户行为大数据与观众的评论等相结合,便可形成一个新的评价指标。而 《女神的新衣》中,天猫的流量、收藏量、销量也是反应其收视情况的重要依据。
《女神的新衣》迈出了大数据在中国电视节目中运用的一小步,未来,大数据将越来越多的运用到电视节目的各个环节中,随之而来的必然是节目生产、播出、推广及评价方式的变革。数据分析师认证
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12在数字化转型深度渗透的今天,企业管理已从“经验驱动”全面转向“数据驱动”,数据思维成为企业高质量发展的核心竞争力,而CDA ...
2026-03-12在数字经济飞速发展的今天,数据分析已从“辅助工具”升级为“核心竞争力”,渗透到商业、科技、民生、金融等各个领域。无论是全 ...
2026-03-11上市公司财务报表是反映企业经营状况、盈利能力、偿债能力的核心数据载体,是投资者决策、研究者分析、从业者复盘的重要依据。16 ...
2026-03-11