京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据面前,电视台恐将沦为内容代工厂
大多数人往往忽视这个收入来源,毕竟相对于2.67亿美元的广告营收来说,这只是个小数字。另一方面,媒体平台长期以来的收入来源就是两种,广告商付费或者用户付费,Twitter目前的收入主要来自于广告业务,也理所当然。但我有一种强烈的预感:不管Twitter市值会达到多少,未来数据业务会成为Twitter的巨大宝藏,而且还可能是个取之不竭的宝藏。
上个月最后一天,就在大家忙着规划国庆出行的时候,一条Facebook正式与美国四大电视网络合作,向其提供数据报告的新闻同样被很多人忽视。在美国电视网络与社交媒体的互动中,Twitter长期以来都扮演着重要角色:Twitter曾和尼尔森咨询机构合作研究Twitter内容与电视收视率的关系;Twitter已收购两家社交电视分析机构Bluefin Labs和Trendrr;今年3月,Twitter与全美职业橄榄球联盟NFL合作,为用户提供比赛集锦、回放等定制类节目。因此,Facebook的举动被认为是在电视领域挑战Twitter的开始。
这并不难理解,作为媒体传播链中最末端的一环,社交媒体承担着消化来自电视、报纸等传统媒体所制造的话题的责任。从社交媒体上话题属性来说,娱乐性的话题备受关注,而电视台则是天然的娱乐话题制造中心(这一点国内外的电视台基本上都是类似的),也因此,社交媒体需要电视台提供的娱乐资源,从而使得自身平台上的讨论更活跃。
倘若就此认为社交媒体会从属于电视台这个传统媒体,那就太短视了。在社交媒体与电视台的合作中,社交媒体的核心资源是用户,而电视台的核心资源则是内容。内容是否有价值完全取决于针对什么样的用户,在这一点操作上,电视台用了半个多世纪的时间都没有实现,但社交媒体做到了,为什么?因为他们有足够的数据,更因为他们有能力对这些数据进行有效的分析,从而将内容有针对性的匹配给用户。所以,在这个社交媒体与电视台的合作框架里,社交媒体已经占据先机,而且这种优势会越来越大。
这种趋势在电商行业里已经越来越明显。电商与厂商的合作模式也非常类似于社交媒体与传统媒体如电视台的合作模式:本质上,电商和社交媒体都是一种信息分发渠道;都处在产业链的下游,直接面对用户;都属于轻公司(相对传统企业来说)。
传统意义上,电商只是零售业的网上形态,无非是低价进货高价卖出的赚钱模式。这也是很多人质疑电商可否真正盈利的原因之一。但电商手中的数据越来越多,其和上游厂商的关系也会发生微妙的变化。以亚马逊为例,亚马逊可以通过对后台数据的分析,找出一些销量好、关注度高、利润高的商品,从而直接向上游厂商定制,甚至可以自己贴牌生产,此时,对亚马逊来说,它就不再仅仅是一家电商,而成为一家虚拟的生产商,它握有厂商最想得到而无法得到(至少不能完全得到)的用户数据,完全有能力对生产哪种产品、生产多少有发言权,而厂商呢,最终可能沦为亚马逊的代工厂。
以这种趋势来看社交媒体与电视台的所谓“合作”,则更让我们对那些还在沾沾自喜的传统媒体们感到悲哀。不妨想象一下,随着数据的进一步增加,Twitter完全有能力通过数据挖掘,分析用户癖好,向美国某家电视台定制一部电视剧甚至向好莱坞定制一部电影。我们已然看到纸牌屋的成功,但Netflix的用户量远远少于Twitter和Facebook,相应的,其数据量也无法与两大社交巨头相比。这让我有更多信心,期待Twitter或Facebook定制或自拍影视剧的成功。到那个时候,电视台一如那些家电厂商们,曾经产业链的上游“王者”,将彻底成为一个产业链最低端的内容代工厂。至于该制作什么内容,请谁来主演,都取决于社交媒体。
这是一个告别旧时代与迎接新时代的“混合年代”。大数据的威力越来越大,从零售到媒体,从人们的物质需求到精神食粮,大数据正在改变这些古老行业的行为规则。无他,趋势而已。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15