
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
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02