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
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25