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
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