京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据背后,网络文学丰而不富
探讨70亿元产值规模背后的内容、受众与管理
截至2014年底,一共已有114部网络小说被购买影视版权,成为热门IP,网络文学迎来了大好时机,但目前连“什么是网络文学”都并未形成统一定义,这种繁荣背后的诸多问题也值得探讨。
网络文学越来越成为文化产业中的焦点。截至2014年底,一共有114部网络小说被购买影视版权,有90部计划被拍成电视剧,24部被拍成电影。据市场第三方统计,到2015年网络文学的产值规模能够达到70亿元。
这样一片大好的数据背后,是否意味着我国网络文学的发展已然成熟?
值得注意的是,对于“什么是网络文学”,就没有形成统一意见。比如诞生于弄堂网文学板块的金宇澄长篇小说《繁花》是否算作网络文学?华东师范大学中文系副教授黄平告诉早报记者:“会在定义上产生分歧,也说明了我国网络文学发展还不成熟。”
9月24日至25日,“首届中国网络文学论坛”在上海举行,对网络文学的内容、读者到管理状况展开了一一探讨。
内容:参差不齐并以类型化小说为主
在会上,“内容良莠不齐”成为与会者口中出现频率最高的字眼。阅文集团CEO吴文辉认为网络文学已进入了繁荣发展阶段,但他坦言也出现了作品数量多、精品少、抄袭模仿等屡禁不止的问题。
上海作协副主席、上海网络作协会长陈村表示,网络文学一开始被质疑、被视为“垃圾”,但在当下成为作者以数十万计、最活跃、最引人注目的文学形态。从1999年榕树下网站第一次颁奖算起,网络文学成为重要的文化现象仅仅花了十多年时间。
“网络文学向来不缺内容,但泥沙俱下,许多作品题材雷同、情节拖沓、文字累赘甚至涉及暴力色情,而堪称优质的作品和具有创作潜能的作者往往被湮没。”在陈村看来,这是制约网络文学产业越做越强的关键所在。同时,陈村表示当前网络文学以类型化小说为盛,较为单一,“但我们期待的更加个人化的风格尚未出现。”
黄平则向早报记者表示网络文学目前最大的问题在于“内容模式化、同质化严重”。同时,他认为网络作家有一种身份焦虑,他们急于在文学体系中找到合法性。
受众:缺少针对读者群体的研究
截至2015年6月,我国网络文学用户规模达到2.85个亿,占网民总体的42.6%,其中手机网络文学用户规模为2.49亿,占网民总数42%。在江苏作协党组成员汪政看来,网络文学与传统文学并不一样,尤其要加强对网络文学读者(用户)的研究:“他为何点击、为何欣赏、为何乐于做粉丝?”
黄平也表示:“今天网络文学研究的关键不在文学本身,而在于它面对的读者群 。”黄平告诉早报记者,从受众层面分析,和网络文学并列的应该是美剧或好莱坞电影。他分析,如今网络文学读者群呈现“高度青年化”特征,因为青年群体能在其中得到宣泄。“比如‘霸道总裁’系列,在传统文学中是找不到的。”黄平认为若要有所倡导,就要注意把倡导的核心价值观和青年一代的想法贯穿起来。
“现在我们对网络文学读者群体的研究比较少。”在黄平看来,以往纯文学中的“作家、作品研究”未必是研究网络文学的最好办法,但研究机构里针对读者的研究方法又尚未成熟。
管理:规范发展是根本目的
据新闻出版管理部门的科研机构统计,目前我国数字出版产业达到3387亿元的产值规模,以网络文学为代表的网络出版物也已成为数字出版发展的主力军。“在数据背后,网络文学到底是不是一个强大的产业?”国家新闻出版广电总局数字出版司网络出版监管处副处长程晓龙认为,目前我国网络文学“大而不强,丰而不富,多而不优,快而不稳”。
程晓龙比喻,不少网络文学企业还挣扎在生死线上,不少作家还徘徊在温饱线上,不少作品还游走在存亡线上。他说:“当我们审视网络文学发展的时候,还必须谈论规则的问题、管理的问题。”
会后程晓龙接受早报记者采访。对于网络文学管理,他认为首先要研究网络文学的发展规律,“网民写作大多出于对文学的热爱。在网络文学发展的十多年中,我们没有认真地审视过网络文学的发展是否合理、有序。”
“有的网络文学作品过于迎合读者口味,写一些感官刺激很强的文章。这跟商业模式有极大关系。因为网络文学很大程度上是边创作、边传播、边消费,为了不断地留住人气,个别作者就会想尽各种办法。”
“网络文学正在迎来它最好的发展时机,中央对包括网络文学在内的网络文艺非常重视。”程晓龙告诉早报记者,“对网络文学来说,只有建设和管理并举,网络文学才能健康、持续并繁荣发展。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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