
大数据技术对传统媒体转型升级的三大价值
网络和数字技术的快速发展,带来媒体格局的深刻变革。数字新兴媒体发展之快、覆盖之广超乎想象,“数字化”正以旋风般的速度带给传统媒体行业转型升级三大价值。
一、重建用户连接价值,传统媒体或可实现“弯道超车”
传统媒体陷入困境很大一部分原因是与用户连接失效。近几年来,在互联网媒体对传统媒体的猛烈冲击下,传统媒体的受众大量流失,导致入口价值大大贬值,广告收入大幅度下滑,专业人才流失。因此传统媒体的核心竞争力被大大减弱,并陷入恶性循环。
据CNNIC数据显示,截至2015年12月,中国网民规模达6.88亿,全年共计新增网民3951万人。互联网普及率为50.3%,较2014年底提升了2.4个百分点。中国手机网民规模达6.20亿,较2014年底增加6303万人。网民中使用手机上网人群占比由2014年的85.8%提升至90.1%。中国网民通过台式电脑和笔记本电脑接入互联网的比例分别为67.6%和38.7%;手机上网使用率为90.1%,较2014年底提高4.3个百分点;平板电脑上网使用率为31.5%;电视上网使用率为17.9%。随着4G的大规模推广和应用,未来的手机网民规模必将迅猛增加。而传统媒体要实现自身的真正转型,就必须以用户为中心重建用户连接,进而重构自身的内容输出模式和创新盈利模式。而要重建用户连接,既需要通过自身的数字化尽可能地抓取用户信息,又需要创新媒介内容和形式激发受众主动地阅读及分享,不断拉近媒体和用户之间的距离。
二、传统媒体行业将继续通过跨界融合实现转型
近几年随着互联网技术的快速发展,给传统媒体带来了前所未有的机遇与挑战,转型融合成为传统媒体未来发展的必然趋势。搭乘“互联网+”的快车,深入转型、深层融合,在这个属于信息产业的行业不断上演:
在国外,早在2013年全球电商平台亚马逊创始人贝索斯个人以2.5亿美元收购受巨亏影响的美国报纸《华盛顿邮报》,被收购后的《华盛顿邮报》一直扩展数字业务,创造新的收入来源;在国内,阿里巴巴在2015年以12亿元入股上海文广旗下第一财经传媒有限公司,阿里巴巴和上海文广将在新媒体和金融信息服务领域实现战略合作;同样在2015年,杭州报业集团旗下的上市公司华媒控股与领先的“互联网+”解决方案提供商泰一指尚签署《战略合作框架协议》,双方以互联网核心技术为驱动,优化整合资源,共同打造全新的互联网媒体平台,构建代表未来发展趋势的产业模块。由此可见,在“互联网+”的大时代背景下,传统媒体的数字化是大势所趋。
跨界合作盛行,全媒体融合继续演进互联网和传统媒介,内容和营销的边界也逐步模糊。通过信息技术对传统产业的整合,特别是数据技术与传统产业的深度融合,形成了新的内容生产方式,实现了传统媒体产业自身的数字化升级,也彻底创新了传统媒体的作业模式。
三、大数据技术是提升传统媒体行业竞争力的关键要素
伴随着移动互联网的快速成长,人们开始以电脑、智能手机、PAD、互联网电视获取信息,终端的私人化带来媒体选择的个性化,用报纸版面、电视节目单强制信息渠道的方式越来越弱,同时新的媒体形式不断出现并争夺受众的阅读习惯。传统媒体在面临这种困境下,开始全力布局移动客户端:门户网站wap版、微信公众平台、微博粉丝平台、移动APP等工具层出不穷。信息传播从单一的文字及画面演变为文字、视频、音频、互动、电商导购等多种技术形式互动展示的新方向,也更加受到受众的青睐。在传统媒体转型升级的路径中,大数据技术作为当代的数据资源的重要支撑,对传统媒体的转型与发展起着重要作用。
大数据技术给传媒带来的最大的思维变革,其一,在于能够通过数据挖掘等方式,实现对读者和受众个性化需求的准确定位和掌握;其二,在于能够通过技术手段低成本地实现信息和受众个性化、定制化需求之间的智能化匹配。以Facebook为例,Facebook借助大数据技术收集社交平台上的热点信息,通过不间断的监控,采集最受用户关注、转发量最大的热点信息,加工形成新闻产品或原生广告向用户推送。
数据时代,传统媒体的运作方式正在发生深刻变革。“内容为王,大数据技术为支撑”是传统媒体转型的有效途径。2016年,将有更多传统媒体行业巨头进军大数据产业。数据资产已经成为物质资产和人力资源同样重要的资产,也是生产和运营的重要环节,大数据技术的使用将成为未来提升传统媒体行业竞争力的关键要素。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30