
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
Pandas 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在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23