京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,如何像看“今日头条”那样去看电视?
刘慈欣写过一篇名为《诗云》的科幻小说,大意为:一个热爱艺术的超级文明为了写出比李白更动人心魄的诗歌,将穷举法推至极致,排列出所有汉字组合,最后却悲伤地宣布:超过李白的诗歌已经诞生,但我找不出来。
我是在假期窝家里看电视用遥控器“扫台”——准确说是“搜索内容”时想到这个故事的,与任何信息载体的疯狂供给一样,互联网时代电视终端内容迅速膨胀,但与《诗云》中超级文明的困惑极为相似——在一个日趋无限选择的环境中,统治一切的不是内容,而是寻找内容的方式。
这种价值评判同样用于电视行业。事实上,无论是以乐视为代表的生态爱好者,还是不久前喊出“非生态,大内容”的酷开,内容都是价值核心。不同的是,在后者看来,内容堆叠显然不是好方法,与其他领域基于个人数据的推荐体系一样,电视内容也应呈现千人千面。
当内容迈入丰裕时代,它理应更多站在用户需求而非供给一端——所谓体验经济的一个重要转变就是要从需求角度看待产品。何为用户需求?就像罗振宇所言:“电视机绝不仅仅意味着一个简单硬件,它是一个人类重要体验场所的核心——客厅。电视机的社会学意义在于它是家庭聚合的仪式或图腾。做电视机不是硬件的扩展,是体验空间的扩展。”嗯,作为所谓“后仰文化”的象征物,今天谈谈电视内容的演变。
内容的开放与封闭
如你所知,在过往很长一段时间——互联网尚未闯入电视行业之前,基本可被称为传统电视时代,依托一个个电视台在传播单位,将内容分门别类,用户通过“扫台”或者固定节目单搜索内容(我小时候每家都有一份广播电视报),电视台播啥看啥,准时准点,过时不候。
现在看来,尽管电视诞生伊始人们也曾有过对“信息过剩”的担忧,但某种意义上,过去一百多年人类几乎所有商业奇迹和全球偶像都得感谢电视等大众传播技术,电视台将一切观众都假想成“大众”(事实上,“大众”这个词就出现在20世纪),但现在谁都知道,从来没有所谓“大众社会”,只有生产大众社会的方法。
互联网的到来让电视在很大程度上从大众走向分众,观众变成了用户,自行搜索和点播海量内容。这种传播方式下,以乐视为代表的内容供给者试图在各个领域进行内容堆叠,精心布局。但在一些业内人士眼中,所谓“开放闭环”最终还需落于“封闭”,乐视想要构筑内容壁垒,从而将用户全部注意力锁定在自家资源上。
不过你得承认,资本力量无法吞噬每个具体用户对内容的价值期许。乐视模式的突围成功似乎要建立在内容趋向垄断的基础上,但你知道,内容从总量上是个无远弗届的概念,更聪明的做法也许是合作共赢。
后仰文化下的内容选择
而切换视角,从个人用户一端,内容总量没有边界的背后,无疑是精准推荐的必要性。
先来知晓一个概念,“后仰文化”,人们习惯以此形容电视之于客厅的应用场景:与以电脑为代表的“前倾文化(趴在电脑前埋头工作)”相比,“后仰文化”以心态放松为基调——必须承认,许多时候,人们打开电视其实并不知道看什么,只想放空一下,或者说是基于特定场景主动地“被动接受”。一定程度上,这也是为什么在审美隔阂愈加明显的当下,各种选秀和综艺节目等拥有“节日”属性的节目能够突围的原因。
这种对于电视的使用惯性一直存在。早在2011年TCL集团公司董事长李东生就在微博说:“PC和手机,属于‘思考流’,你用的时候是紧张的,始终要思考;电视属于‘欣赏流’,因为观看状态是相对放松的,不需要或者是很少思考。”
大概也在2011年左右,各种“智能电视”扎堆出现,而“智能”的定义也五花八门:浏览网页,收发邮件,远程视频,社交功能……待到热情的厂商将它们渐次实现,却并未换来用户对等的热情。于是人们意识到,电脑,手机和电视等终端之间功能和内容上的互相渗透绝不意味着彼此取代,而必须考虑应用场景的不同。
嗯,作为“后仰文化”的代表,电视应该越简单越好——内容呈现上同样如此。当然,这种简单并非放弃数量,而是在大数据基础上针对个人的优选和推荐。你得承认,在客厅,当身体陷在沙发之中,并不是所有人都热衷于主动搜索,如何挖掘用户需求,在“不知道看什么”的情况下呈现出符合个人喜好的内容,是难题也是刚需。
这也是酷开认为的机会。他们希望借助已超过1700万个可运营终端的操作系统,针对不同用户的习惯推送不同内容,且不限于影视,还包括教育、游戏、购物、旅游、音乐、体育等——这也意味着,大数据将电视引入了“大内容时代”,通过以大数据为基础的筛选(如观看次数,观看时长),实现不同内容的自动匹配。譬如,哪怕同一家庭,不同时段也拥有不同的用户特征,通过数据分析,可根据所观看的内容和时间判断不同时间段电视屏前用户的年龄段,并设定了儿童型家庭,青少年型家庭,单身上班族型家庭,家庭主妇型家庭,年轻夫妇有小孩型家庭,中年夫妇型家庭,退休老人型家庭7个用户分类以进行差异化的内容运营。
很大程度上,这和今日头条的分发机制是同一逻辑。如你所知,人类社会进步本身就是信息量指数增加的过程,当稀缺天平倾向于时间(365×24)而非内容一端,应对“信息过剩”就成为必须。而大体而言,人类在面对这个问题时有两种战术——过滤和搜索。倘若追溯历史,包括印刷媒介,图书分类法,各种推荐系统,维基百科,社交网络以及搜索引擎在内,都是这两种力量的变种——而直觉便知,大数据才是降低搜索和过滤成本,解决信息之困的不二之选。
嗯,就像每一个随环境变迁而演化的生物物种一样,每一项技术亦是如此:经过以广电为代表的有线电视,和以乐视为代表的互联网电视之后,电视这个“物种”也因上述原因进化到以酷开为代表的第三个阶段——“大内容电视时代”,这一阶段的核心识别是,如今日头条那般,通过为用户画像,在需要“放空”和休息的客厅,降低信息获取成本,在将热门内容推荐给用户的同时做到千人千面。
当然,它一定不是电视“进化”的终点,但在大数据时代,却一定是最适合当下的样子。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18