京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20