
大数据:媒体的转型命门
现在,很多人都在谈媒体的转型,我今天也简单分享一下自己的观点。
我们看到的媒体形态很多,传统媒体、新媒体、自媒体、网络媒体、杂志媒体等等,但归根结底都回到一个逻辑链条:信息供应者通过媒体的传递,使信息达到受众,在这个过程中,从文字、视频、声音、价格、情报到各种不同形式都是媒体。
以前,大家更多是把新闻媒体作为媒体的代名词,但如果从比较广义的定义,其实所有涉及到信息中介、信息传播的都可以叫媒体,归根结底,媒体就是解决信息的不对称。
在媒体发展的过程中,有一个关键的指标是传播的效率与准确性。在最早的时候,大家的信息交流都靠口耳相传,一个人只能跟一个人、几个人说,而且经过多次传递之后,可能话的原意就彻底被改变了。
在这之后,一直到现在,随着信息介质的变化,媒体的发展效率越来越高,尤其是在报纸、广播、电视和互联网的发展之后。但到现在,有了几个新的趋势。
一个核心的趋势是去物理依赖。信息的传播要变得更有效率,要在更短的时间内,更准确地传达到更多的人,必须要依赖介质和手段,而且这种介质传播必须要依赖于物理的基础来实现,比如说报纸要进行排版、印刷、派送,到了广播的阶段需要一个广播接收器,到了电视时代需要电视,到了现在,则需要电脑、和手机。
但在这个过程中,信息传播的关键环节对物理介质的依赖性正越来越低。未来,大家最后只需要一个终端,就可以接受各种各样的大量的信息,对线下的资源和渠道的依赖越来越弱。
因此,媒体的信息供应也在爆炸式增长。过去,当你生产一个信息的时候,要登上报纸是很难的,因为受到物理条件的限制,它需要经过大量的中间环节,每个中间环节对于信息的生产、传播都会有限制,资源是有限制的。而随着全面的信息化,尤其是像现在各种新的微信、微博等等各种各样的新的技术之后,每个个体都完成信息的一点对多点的传播。
这就带来了自媒体的兴起,这个自媒体,不是现在大家说的微信公众号这样的“自媒体”,而是说,所有信息源都可以不通过中间环节,直接将自己的信息传递到海量的用户、海量的受众,每个信息源都可以成为自己的媒体,它既包括大家说的自媒体人,也包括企业、政府,甚至包括未来所有的物联网设备等等。
当信息爆炸式增长之后,媒体的形态也就面临变革。
过去,大家是大量地作坊式生产,一家媒体几十个人,每个月写几十几百篇稿件,就把版面装满或者把一个节目时长填满,就完成工作了。但现在,信息爆炸了,每个用户面临是铺天盖地的信息,传统的媒体形态就不足以支撑这样的信息传播过程,所以,它必然就像工业革命一样,传统的作坊消亡,工业化生产形成替代。
比如,现在大家看到的微信公众平台和《今日头条》,不再是说我自己生产,而是把别人生产的资讯聚集,然后通过系统进行推送。
此外,最近大家看到美国的媒体,已经开始通过计算机直接调取最新的上市公司财报,抓取核心数据后,由机器来撰写新闻稿件。当然,目前它只能写简讯,但是这样的模式,将带来更自动化的生产。而且,这个自动化不仅在生产环节,包括在它的渠道环节,包括在不同环节之间的撮合过程都会出现。
这样一个从农业时代走向工业时代的转型,带来了一个重要的趋势:脱媒。
脱媒这个词其实它最早是在金融行业里边出现的,金指的是业务去中介化。但实际上,现在所有的行业都在脱媒,因为技术的发展,在不断消除中间环节的信息的不对称,中间价值就萎缩甚至消失掉了。为什么大家说20年后,所有的公司都是互联网公司,它的一个核心就是,未来的公司会通过新的信息供应方式来解决他的中间价值流失,并提升自身的生产效率。
那么,对于媒体,尤其是新闻媒体来讲,随着媒体价值的转移,产业形态也将面临巨大变化。
一般来说,媒体价值主要分成三方面:
一,内容价值。提供优秀的内容来获得收益。你文章写得好,有别人提供不了的干货信息,别人就会来看,这是基本的一个价值。
二,渠道价值。通过内容,媒体实际上实现了用户的细分,比如天天看股票信息的人,自然多是股民。所以,媒体可以通过信息传播为企业的销售提供帮助。
事实上,在互联网媒体兴起之前,传统企业的营用户获取很大程度上都对媒体有很高的依赖,因为它们没有其他的渠道,可以迅速地告诉海量的用户,我生产了什么产品,有什么样的性能,可以到哪里去买。他没有办法做到,只能通过媒体。在这个过程中,企业砸多少钱,登多少广告,能够获得多少的收入,其实是可以计算的,这就是媒体的渠道价值,而现在,这个价值是被替代得最严重的,因为未来企业、政府……每个人都能成为自媒体,比如招商银行自己建立微信号,有几千万粉丝,他只需要推送一条信息,所有几千万粉丝就马上知道了。
三,服务价值。媒体通过信息的整合,他获得更多的资源,然后再依托这一个资源去做一些增值的服务,直到本身深度参与到产业链条之中。
过去,传统媒体主要依靠渠道价值输血,服务占的比重并不大。但现在,渠道价值被在萎缩,并且向寡头集中,这将导致媒体的转型更多地走向垂直细分,媒体需要更多地平台化和工具化,从而加大内容价值、加大服务价值。
从未来来看,媒体的转型主要有这样几条出路:
第一个是以内容为核心,通过更优秀的内容获取价值。比如上海的界面,他们现在大量地招新闻记者,未来的路径显然就是要做强内容,再以此来抓广告、收版权费,做付费阅读等等,此外还有一个就是会员供养,这方面的典型例子就是罗辑思维。
这个模式的生产需要大量能写好文章的人,就像大规模制造的石英表、电子表发展起来之后,瑞士机械手表依然还是纯手工一样,但是把内容做到极致,把内容做成奢侈品,再来获取它的价值的回归,这是它的大路径。
在中国现在的环境下,这个模式面临几个大的问题。中国的版权现在维护还是一个巨大的环境缺失,包括从立法、从产业环境、到过去的既有的历史。在美国,付费阅读做得相对好很多,这是它们从电子化开始就有强烈的版权意识,而中国传统媒体过去的短视,让它们已经失去了太多的战略纵深空间,要再重新建立一个版权的市场环境,是很困难的。
同时,内容有一个巨大的问题就是价值天花板。因为内容是很难估值的,无论中国还是世界,对内容的一个准确的价值判断,是模糊的,而且是普遍低估的,它带来的价值,难以支撑一个足以庞大的产业体系。
比如一篇很好的文章,可能掀翻一批贪官,可以影响一个公司的上市,不管是促成也好、阻碍也好,它可能对政治、商业产生的影响极为巨大,带来的实际市场波动可能数以亿计、十亿计甚至更大,但是他这篇稿件值多少钱呢?很难去量化,可能这篇稿件实际上最终作者也就只有几百块钱的稿费,对媒体机构来说,在市场上需要转化的时候,也很难转化的。像《二十一世纪经济报道》,十几年的积累,中国做得最顶尖的财经媒体之一了,到现在估值也就20亿,和电子商务、游戏、社交网站比,甚至新闻网站比,都远远不及。
第二个模式就是以渠道为中心。典型例子的是过去的各大门户,现在的微信公众平台、百度、今日头条等等,它自己生产内容很少甚至不生产内容,通过提供信息渠道,把用户抓在手里面,把规模做大,通过渠道再来反向抓内容、抓价值。
它有各种模式,比如说像微信公众平台、虎嗅、钛媒体、知乎这样的UGC,让大家去自发生产,他做的就是说我建立一个渠道之后,让大众来生产内容。还有通过内容整合或是爬虫抓取、数据自动生产——就像我刚才举的例子,国外通过机器自己写财报稿件等等,未来可能还有更多模式。
但是不管哪种模式,他都有一个最大的问题:与内容不同,渠道最终会走向寡头。
内容可以是大量的垂直细分,彼此之间竞争很小,我做好我的内容和你做好你的内容是不冲突的。但是渠道的特征是占用用户的时间,谁占用时间多就是强渠道,我占用的时间多了,你占用的时间自然会变少,所以渠道的模式不仅是在媒体内部竞争,而且还在媒体外,而且一旦一个强渠道形成,会对其他所有渠道都会形成压制,所以像这种渠道是高度搏杀的环境。
而且,要完成强渠道模式的话,需要很强大的技术和整合能力,但对传统媒体来讲,他们的转型很难,因为他们并不懂技术。它们过去的渠道力量集中在线下,在物理层面,比如我有多少个派送点,有多少送报员,在邮局有多少发行等等。它们很多都不知道基于信息网络的媒体生存需要怎样的要素与规则,比如怎样做SEO,怎样做PC和手机不同浏览形式的自适应,怎样吸引流量和流量变现,甚至它们连网站都没有。
第三个模式是以服务为核心。这是未来很多媒体可能最能够体现价值的一个方向。
媒体集聚了大量的细分用户,实际上可以为这些细分用户提供非媒体的行业服务,但这方面过去是传统媒体的弱项,因为传统媒体以前更多是依靠广告来生存,但是服务做得很少。而未来当渠道价值被替代之后,广告总量的下滑,将逼迫它们更多地向服务转移。
这里我再补充一下,虽然脱媒是一个大趋势,但在信息爆炸的大环境下,用户获取信息也依然需要渠道,只不过渠道的功能更多地转向整理、细分、搜索等等,但这方面将更多地寡头化,就像过去投向传统媒体的广告,现在实际上越来越多地投向了百度、微博、微信等,而且它们的聚合作用会越来越强,包括线下的资源也会不断被吸附到新的渠道体系里边来。
值得注意的是,未来不管是强内容也好、强渠道也好、强服务也好,再怎么转型,未来媒体都需要有一个业务核心,就是大数据库。
过去,可能都市报最核心的资源是线下有大量的派送体系、营销体系,我能够很快速地达到用户,但你并不知道你的每一个用户,每天什么时候看新闻,看什么新闻,看了多久?而且传统媒体过去的内容,是一个新闻易碎品,今天生产的内容今天读者消化了,明天就没用了,明天的新闻后天就没用了,很难形成新的价值。
但现在,新技术在带来脱媒的负面影响同时,也带来了新的契机,就是大数据挖掘的可能性。
一方面,媒体已经可以通过信息技术构建自己的用户数据库,知道这些用户关心什么,在做什么,喜欢看什么内容,以及背后代表的用户取向,他们的价值诉求,然后你再通过对这些诉求的整理、挖掘、分析,抓取用户和客户的痛点,提供更好的渠道整合,或是更多的增值服务。
另一方面,媒体过去累积的内容,也能构建成为一个大的数据库,通过历史文献数据的深度积累以及挖掘,这些在过去传统媒体模式下价值无限趋近于零的历史数据,在新的数据服务体系下,会因为它的历史参考价值重新焕发青春。
当然,媒体的数据大多都是非结构性数据,它的提取、它的分析挖掘或者说它的价值,还有待完善。但只要它的数据累积一旦充分,基于自己的模式和场景构建好了数据分析和数据挖掘模式,把媒体和服务之间的这样一个价值打通,它会产生巨大的想象空间。
所以,在新的媒体时代,大数据库的构建、维护、分析挖掘与价值变现,将成为媒体转型的关键。
在这个转型过程中,媒体首先需要做的,是寻找自己的核心定位。
媒体有的是行业的、有的是面向公众的,有些是面向财经的,或者说有的是做服务的,大家的定位不一样、特点不一样,模式也不一样。但是不管是哪个模式,都需要根据自己的定位,来选择自己的内容、渠道、服务模式以及我的价值怎么去实现,再根据这些来确定自己的业务框架,然后确定我线下的资源怎么去累积,大数据库怎么去构建等等。
归根结底回到一句话,媒体现在是面临大转型的时代,过去传统的媒体商业模式和它的生产模式,都已经面临淘汰,或者说面临着彻底的颠覆,而颠覆的情况下,它要转型的核心都必须依托于大数据来构建自己的模式、体系和应用场景。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29