京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2016年大屏生态运营大数据蓝皮书
大屏蓝皮书大数据显示,作为家庭互联网设备的核心,2015年OTT终端(包括智能电视及盒子)保有量达到1.65亿台。预计到2020年,OTT终端保有量将突破4亿台,超七成的中国家庭使用OTT端收看节目。
规模创造流量,流量成就价值。2013年,中国移动智能终端覆盖率为43%,促成移动互联网市场爆发。大屏蓝皮书预测的OTT端市场发展曲线,与移动互联网市场曲线有着惊人的相似。四年之后的2017年,OTT端家庭覆盖率预计将达到45%,非常有希望接过移动互联网这一棒,创造新一轮互联网神话。预计至2020年,OTT端市场规模将达到6300亿元,万亿市场蛋糕并不遥远,让我们拭目以待。
—内容为王,引大屏洪荒之力
相较于PC/移动端使用场景的碎片化,目前OTT端聚焦家庭互动场景。在重拾美好、回归家庭的社会趋势下,互动、开放的大屏平台帮助家庭留住人们的身影,成为开启全新家庭生活的一把金钥匙。
任何平台,离开内容,都是空中楼阁,所以说大屏把用户吸引回来的核心优势,也是内容。OTT端具有海量优质资源和独特资源,其中2016年上半年TOP30优质资源OTT端覆盖率已经高达87%。一方面把互联网人群吸引到电视机前,另一方面,电视机前的传统用户有了更多选择机会。海量、新鲜和独特资源的快速上线,让观众体验到与观看传统电视完全不一样的畅快感。
—亿量用户,星星之火开始燎原
从尝试到接受,OTT端发展经历了漫长的过程。在创新体验和丰富优质内容的双重吸引下,电视受众正在从传统电视向OTT终端转移。
大屏蓝皮书数据显示,2016年6月OTT月活跃终端覆盖用户2.36亿,日活跃终端覆盖用户1.53亿。目前移动互联网市场规模6000多亿元,移动网民6.2亿,人均贡献约1000元/年。按此推算,OTT端的市场规模将达2300亿,但实际远未达到。可以说,OTT市场是一个尚待开发的高价值蓝海市场。
过去半年,OTT点播行为变得越来越活跃,已经显著超越传统直播收视行为,完全实现逆转。从具体月份看,应该有一定节日规律,如春节期间,大家更多还是关注直播行为,平常月份点播行为更突出。
大屏蓝皮书数据显示,互联网电视单一终端日均开机时长达到5.04小时,高于传统电视终端开机时长的4.18小时(CMS统计数据)。这说明,互联网电视观看时间更长,受众粘性更高。一部分原本在PC和移动端的行为回归客厅,转移到互联网电视大屏上来。
同时,在互联网电视终端,用户收看时长的配比向互联网点播行为倾斜。数据显示,单一终端点播行为花费时长2.77小时,比传统直播行为时长高出0.5小时。互联网点播行为抢占了用户在电视终端的时间,形成了用户时间争抢拉锯战。
让我们来看一组传统电视直播频道与点播应用的具体表现对比。OTT端的三大视频应用日活终端覆盖达到1765万台,与传统电视直播频道相比看似旗鼓相当,但单一频道或应用的日均收看时长方面却差之千里。TOP3视频应用在单一OTT端点播日均3.2小时,远高于三大传统直播电视频道的1.2小时。这恰恰说明,传统直播电视频道因频繁换台,导致停留时间短,而OTT点播端则具有更强的用户粘性和吸粉持久力。
—面向未来,创大屏营销新价值
2015年,传统电视仅广告市场规模就超过千亿元,而OTT端市场规模尚不及其二十分之一。同为电视大屏,其市场营销价值差距竟如此之大,值得深入思考。增强OTT端的影响力,扩大对品牌的营销价值,成为行业共同的目标和责任。
OTT互联网市场已经初具流量基础,并随终端规模扩大而不断增强。OTT端的“传统直播+网络点播”双重特性,不仅增强了电视受众的使用体验,更能实时获取用户画像特征和使用偏好。所以,OTT端的营销方式不再只是卖流量,卖广告,更能够精准定位特定受众群体,将产品和服务与受众喜好的内容相结合,直接引导营销并产生销售成果。OTT端将演变成一个巨大的内容和产品服务平台,成为品牌与家庭沟通并提供商业服务的重要桥梁。
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