
大数据驱动下的媒体融合4.0时代
近年来,中国媒体融合的发展速度惊人,从1.0时代,到今日的4.0时代,中国传媒业正经历着激烈的剧变。以大数据技术为支撑,以一体化平台为基础,以互联网产品思维实现内容、渠道、平台、经营、管理融合发展的4.0时代,正不断推进传统媒体与新兴媒体的深度融合,潜移默化地改变着我们获取信息的方式,重塑新闻出版业的产业结构。
2015年,变革仍将继续,想要在这场革命中抢占先机,必须重视和发挥大数据在媒体融合过程中的作用。把握大数据,就是把握媒体转型的关键。
影响媒体融合的四大关键问题
加速产业转型升级,拥抱新媒体,是近年来传统媒体从业者所面临的问题。影响媒体融合有四大关键问题——舆论场重塑、媒体价值、关键技术和商业模式,而大数据,就是解决这四大问题的核心。
舆论场重塑。事实上,媒体融合4.0时代新闻出版业的生存现状,直接反映了当前舆论场亟待重塑的客观现实,反映出其影响媒体融合的作用之重。根据央视市场研究(CTR)媒介智讯的趋势数据,2014年我国的电视广告下降了0.5%,虽然降幅很小,但足以改变传统媒体广告市场的趋势。平面媒体广告体量仍在下降,降幅也在逐年扩大,其中报纸降幅达18.3%,比上年多出10个百分点,杂志降幅为10.2%,也大大超过上年降幅;而同期互联网广告收入却增长了40%,高达1540亿,远大于广播电视广告和报纸广告收入总和。在严酷的现实面前,传统媒体只有根据不同媒介属性和传播特点,打造不同品牌定位的媒体产品,利用用户行为和人物画像,精准服务用户,提高用户黏性,才能提高自身的影响力和传播力,否则传统媒体的舆论场力量将越发薄弱,最终负于新媒体。
媒体价值。从媒体价值层面来说,无论是社会价值,还是服务价值,都需要新闻的采集和对数据的洞察能力,需要对客户的大数据精准定位、精准传播、精准服务。另一方面,我们也应对当前部分媒体的浮躁情绪提高警惕。普利策这样定义媒体——报纸将永远为争取进步和改革而斗争,绝不容忍不义或腐败,永远反对特权阶级和公众的掠夺者,永远致力于公众福利,永远保持严格的独立性,保持媒体的良知。在当前复杂的社会环境下,部分传统媒体受到来自新媒体的强烈冲击,在浮躁的环境中往往迷失方向,放弃了自己在融合转型中最应该坚守和秉持的东西,也就丧失了最宝贵的媒体价值。媒体的社会价值塑造公信力,媒体的服务价值决定影响力,无论新媒体还是传统媒体,公信力、影响力、传播力是媒体安身立命的根本。
关键技术。关键技术是影响媒体融合的重中之重。要实现各种媒介资源、生产要素的有效整合,完成信息内容、技术应用、平台终端、人才队伍的共享融通,形成一体化的组织结构、传播体系和管理体制,并最终实现内容、渠道、平台、经营、管理的互联互通,最终都要通过关键技术的突破来实现。而影响媒体融合的关键技术,如自然语言分析、机器学习、自动分类聚类、内容标签体系、搜索引擎、流式数据处理、分布式存储、分布式检索、NoSQL等,都与大数据密切相关。
商业模式。从商业模式的角度出发,传统媒体积累“粉丝”、用户,以及进行整合营销都需要大数据,实现4.0时代的商业模式更不能离开大数据。实际上,各家媒体有自己的商业模式,在人人都想搭上“互联网+”这趟便车的时代,商业模式并非千篇一律。
以微博和微信的运作为例。2014年底,新浪微博月活跃用户达1.76亿,而全年的净亏损也有6342万美元之多;同期微信的月活跃用户达5亿,但至今未实现商业化。由此可知,“互联网+”的规律就是先别想着挣钱,做好连接与服务,把产品和用户体验做到极致,积累大量“粉丝”后才会有商业模式,也就是所谓的“粉丝经济”。
在媒体4.0时代,用户的需求是第一位的,基于用户的大数据分析将左右一家媒体的存亡。新闻的未来,是分析数据;媒体的未来,是数据能力。所谓数据能力,就是媒体所拥有的内容数据、用户数据、平台数据等以及使用这些数据创新产品与服务的能力,基于大数据的媒体融合是传统媒体转型的关键。
实现媒体融合的三大途径
媒体大数据,是指在统一用户数据和内容数据管理的基础上,将不同类型的内容数据抽取、分析、聚类,依据不同介质传播特点,分析用户的个性化需求,最终精准匹配用户的信息需求。总之,即把合适的信息及时准确传递给需要的人。
4.0时代的媒体融合有着区别于以往的新形式、新需求,评价媒体融合成功与否,应从以下三个层面入手,分别是报道融合、经营融合、产业融合。
报道融合。报道融合就是内容、渠道和平台的融合,生产优质的内容是传统媒体的核心竞争力,但融合报道不应是多种媒介报道形式的组合和堆砌,而应是基于互联网的核心报道平台,根据新闻内容的时间和空间特点,以最适宜的媒介手段,融合使用多种技术形态的报道形式。报道的融合最重要的是媒体和用户的融合,新媒体把用户作为自己最重要的资源,把用户的信息作为巨大的财富,传统媒体应向新媒体学习,不断收集包括阅读习惯、生活方式在内的用户数据,分析用户需求,强调用户体验,在了解客户基本情况的基础上,精确信息推送,将最适合的产品迅速传递到用户的手中,与用户共鸣,共创价值。
经营融合。4.0时代的媒体融合应是经营的融合。现在,我国的媒体已逐步由单一的纸媒广告业务,向全媒体、多元化营销管理的方向发展,这就要求媒体间要打通壁垒,实现合作互利,要以受众为中心构筑新的经营模式,掌握用户的需求,为用户提供精准的营销。
产业融合。产业的融合也是媒体融合过程中的重要一环,“企业媒体化”“媒体企业化”是当下互联网带来的传媒生态变革的两大基本趋势。传统媒体要利用当下的媒体公信力和影响力,发挥其在社会中的社会中介身份,通过介入更多的产业融合发展,将自身定位从一个第三方的、社会中介组织,变身为中介服务机构,为传统产业或企业的整合传播营销服务,提供有针对性的专业化传播手段和宣传效果。
大数据驱动下的媒体融合
明确了4.0时代媒体融合的四大关键和三大途径,再研究基于大数据的媒体融合就会发现,大数据所驱动的不仅仅是媒体产品的升级、新闻出版流程的再造,更是整个产业实现服务化转型的必要助力。
基于大数据的媒体融合,将从选题策划、报道指挥、新闻编采、数据新闻、传播分析、报道追踪等环节全面入手,通过建立中央信息中心、中央编辑部等融媒体中心,改变传统新闻生产组织形式,促使新闻出版单位的组织结构由职能向平台服务转型,最终达到流程扁平化、分众化、垂直化、差异化的目标,实现采编、经营、技术的三方融合。
在媒体产品方面,凭借对互联网产品思维的吸纳和应用,打造“少即多”“简约即是美”“一点极致”等新颖概念,基于大数据的分析,给予客户超出预期的惊喜,最终培养超越商业价值的情感关系,增强用户黏性。在大数据的驱动下,最终建立起拥有移动化社交化的渠道、人本化互动化的内容和视频化可视化形式的新型传播体系。
至于大数据驱动下的产业服务,则是未来广大新闻出版单位运用大数据资源为企业增值的一项重要业务,要通过建立大数据资源库,搭建内容资源服务平台和客户资源服务平台,广泛获取用户信息,帮助实现活动营销和电子商务的精准互动,以精准的广告策划和整合式的营销策略,为企业、政府提供信息服务与决策支持,以此增加自身的附加值。
如今2015年的第一个季度已经过去,此时抓住4.0时代的“转型之机”,实现真正的“媒体融合”仍为时不晚。牢记媒体融合成功的基础在于媒体大数据平台的建设与应用;媒体融合成功的标志,是中央编辑部、数据新闻部等成立及流程再造以及立体传播体系的建设与运营;媒体融合成功的关键,是以用户为中心实现精准传播、精准营销与精准服务。我相信,我国新闻出版产业一定会在媒体融合4.0时代迎来新的繁荣时期。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29