
新闻客户端进入大数据时代
近日网易新闻客户端在广州发布了“解码城市态度”数据报告,基于大数据挖掘,从文化、商业、生活等五个维度给大家呈现了广州这座城市。这一活动还将陆续在青岛、成都、上海等城市开展。在此之前,今日头条客户端也做了一个类似的活动,即“数读广东”,尝试用大数据来剖析当下的广东。新闻客户端纷纷尝试进行“大数据发布”并不是巧合,内在联系在于,新闻客户端正在进入大数据时代。
数据成为新闻客户端的资产
移动新闻客户端是人们获取资讯的核心工具,属于新媒体阵营的代表产品。在此之前媒体经历了传统媒体、网络媒体、社会化媒体多个阶段。移动新闻客户端从门户演变而来,不过却有很多新的玩法,而不同移动新闻客户端又有自己的思路。
第一类玩家以网易为代表,即PGC+UGC模式,PGC主要是编辑生产内容,例如轻松一刻等经典栏目,UGC则是网易最具特色的跟贴功能,即增加了用户活跃度又实现了内容的再生产。第二类玩家以搜狐为代表,提倡平台化,第三方内容可入驻客户端,今年开始搜狐在自建内容即PGC上开始投入更多。第三类玩家以今日头条和一点资讯为代表,主打个性化推荐,每个人看到完全不一样的内容。第四类玩家则是腾讯和新浪的新闻客户端,走精品路线,做精品栏目和内容,例如耗费巨资拍摄纪录片、与NBA签下合约等举措。
各大新闻客户端都注重形成自己的标签,不过就像其他所有形态产品的竞争一样,到一定阶段难免会相互借鉴、互通有无。2015年,PGC、UGC、个性化、开放平台这些元素在各个新闻客户端中都陆续出现。还有一个共同点则是,大家都越来越重视对大数据的获取和挖掘,并取之于民用之于民,体现到产品和商业化上。
大数据对新闻客户端的三重价值
互联网早已进入大数据时代,每家企业、每个产品,都会越来越倚重数据的价值。新闻客户端本身就是内容型产品,几乎都拥有海量的用户基数和大量的行为数据,所以与大数据具有天然的结合空间。笔者认为对于新闻客户端而言,大数据主要有以下价值:
1、增强内容消费体验。新闻客户端是信息大爆炸的受害者。大家都陆续采取了UGC模式,并且允许开放平台来提供长尾内容,整体内容呈现出大而全的趋势。要解决信息大爆炸就必须通过大数据进行精准推荐,起到过滤效果。以网易新闻客户端为例,其已形成PGC(人工编辑)+UGC(用户产生内容)+大数据推荐三位一体的内容运营模式,基于网易全平台数据去洞察用户,结合兴趣、场景和节奏给到用户资讯推荐。
2、解决变现难题。新媒体盈利模式本质上是广告,但新闻客户端并没有门户网站那么多广告位,如何将用户注意力转化为商业价值一直是各家在探索的难题。通过大数据至少可以实现以下几点:原生广告,即与内容结合的广告需要通过大数据匹配上下文和阅读场景;O2O广告,结合LBS等数据进行适合本地的周边生活广告,例如网易这次“解码广州”就呈现了很多生活大数据,广州用户更爱养生、更喜欢日系汽车、最喜欢看电影……商家咨询,即将大数据挖掘成功在不涉及用户隐私的前提下,以报告形式给到商家,影响到生产、服务和营销等环节,比如网易通过大数据告诉广告主:新一代广州年轻人最爱的明星是范冰冰,给广告主找代言人提供参考。除了这几点,传统广告的转化率在大数据技术帮助下将得到显著提升。
3、承载社会价值。
基于大数据去深挖群体的行为、心理、诉求、情绪……具有巨大的社会价值,此前行业的经典案例就包括用大数据预测股市走向、反映迁徙行为进而缓解交通、监控流感趋势和区域给卫生部门建议。新闻客户端拥有的大数据具有较强社会价值,它提供大量与人们的生活息息相关的社会民生内容,以及用户对此内容的消费行为。以网易新闻客户端本次发布为例,其反映广州用户最关心春运,春节期间IP地址变化最频繁,外地人湖南人居多,广州人最关注“广东产业结构转型、经济发展新常态”这类经济话题,其实都有很多社会价值,因为数据不会撒谎。新闻客户端作为新媒体本身应当承担其社会责任,大数据在这一点上帮了忙。
数据新闻时代已然来临
移动新闻客户端相对于PC新闻门户,最大升级在于,数据化。
一方面,可以记录更多的数据,移动设备几乎不离开用户,PC端无法获取的位置信息,移动新闻客户端都能读到。通过OPENID账号体系,用户乐意登录移动客户端,并与之进行互动。网易“解码报告”就显示,52.1%的广东用户阅读新闻后会参与跟贴互动。所以说移动新闻客户端,数据记录更容易、更全面、更精准。
另一方面,更加重视数据的价值,整个互联网都进入大数据时代,只要有一定规模用户的应用,都在尝试着利用大数据,就算暂时不用,也注重收集和存储各种数据,总有一天用得着。新闻客户端在大数据上有得天独厚的优势,因此都在通过数据和技术,来提升产品体验、探索新的商业模式,成为大数据的第一批掘金者。
基于上述分析可以认为,新闻客户端正在进入数据时代。你在看新闻的时候,新闻客户端在读你。与之互动越多,你的资讯消费体验越好,更精准的内容推荐,还有干扰更低的广告。数据新闻的理念未来将贯穿在新媒体发展之中,未来新闻不再是剪刀+浆糊,不再是凭借编辑的经验和才华,而是依靠数据来驱动,数据的背后则是技术,看上去与技术最没关系的新媒体,正在成为一项技术活儿。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29