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
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06