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pandas数据处理工作流中,“列标签”(Column Labels)是连接数据与操作的核心桥梁——它不仅是DataFrame数据结构的“索引标识 ...
2025-11-25Anaconda作为数据科学领域的“瑞士军刀”,集成了Python解释器、conda包管理工具及海量科学计算库,是科研人员、开发者的必备工 ...
2025-11-25在CDA(Certified Data Analyst)数据分析师的日常工作中,表格结构数据是最常接触的“数据形态”——从CRM系统导出的用户信息表 ...
2025-11-25在大数据营销从“粗放投放”向“精准运营”转型的过程中,企业常面临“数据维度繁杂,核心影响因素模糊”的困境——动辄上百个用 ...
2025-11-24当流量红利逐渐消退,“精准触达、高效转化、长效留存”成为企业营销的核心命题。大数据技术的突破,让营销从“广撒网”的粗放模 ...
2025-11-24在商业数据分析的全链路中,报告呈现是CDA(Certified Data Analyst)数据分析师传递价值的“最后一公里”,也是最容易被忽视的 ...
2025-11-24在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17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