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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13