
大数据时代“让消费者发现你”
“未来传统出版商的挑战已经不再是数字化,而是让消费者发现你的产品。”近日企鹅兰登书屋英国公司CEO汤姆·威尔顿在接受英国《书商》杂志主编菲利普·琼斯采访时如是表示,在他看来,“与消费者建立直接联系”,正是两家出版商合并后凭借规模化优势更容易实现的。
建立与消费者有意义的联系
大众出版市场上,能让消费者花钱买书的,第一因素是作家,出版商只位于第二位置。因此,出版商一方面要做好作者服务,一方面要重新树立品牌。
亚马逊凭借从零售向出版领域的功能拓展,凸显其通过消费者数据来预测未来消费的优势,如亚马逊通过KindleSingles项目使Kindle用户以低定价浏览名家作品并了解其喜好,从而出版并推介感兴趣的图书。传统出版商在内容创建和销售策略上都偏于保守,正像传统电视不敌视频网站Netflix(根据观众爱好自制连续剧,抢夺广告资源,大占风头),因此更需与购书者建立直接联系,树立出版社品牌,持续推出优秀内容,这是使出版商与其他内容提供商区分开来的重要标志。
与消费者建立直接联系的方式,主要是通过社交网站和出版社专门网站,如企鹅在Twitter网的书友会页面邀请粉丝加入每月的(#readpenguin)图书讨论,使读者可以与作家及图书编辑讨论,增强他们的阅读体验。西蒙与舒斯特近日宣布推出OfftheShelf网站,向读者推荐好书,新书旧书不限,用户可建立自己的必读书架,也可自选线上零售商去买书。哈珀·柯林斯在2013年创立的CSLewis.com和Narnia.com网站通过Bluefire应用,也可直接获得消费者数据。这样出版商不仅可以收集这些销售数据,也可以追踪读者最喜爱的图书和书单。这也让出版商的最大资产——作者在消费者眼中重新塑造品牌形象,确立了某个书系品牌的形象,以丰富的编辑资源和专业的编辑、促销技能获得认可。
出版商也开始注重走到未来可能的作家中间,如麦克米伦的Minotaur(书系)公司与美国侦探小说家协会共同举办父子小说家评奖,兰登书屋的Delacorte公司也举办YA小说新人奖活动,企鹅的Grosset&Dunlap公司看到类型小说的畅销,举办了一场根据1982年电影《黑水晶》(TheDarkCrystal)改编YA系列小说的评奖活动,奖金1万美元,来吸引更多的消费者,成为出版商的拥趸。
虽然大型大众出版商均有所行动,然而,与谷歌、Facebook和亚马逊等公司都已建立相应流程并在产品开发方面初见成果相比,出版商的模式尚显稚嫩。
业内人士认为,未来消费者从哪个途径购书并不重要,重要的是首先通过哪种途径发现你的产品。也就是出版商的挑战是赢得消费者的关注。在纸本书仍将与相关的电子书、应用程序和其他电子媒介产品长期共存的环境下,无论是为平板电脑开发的增强版电子书,为智能手机开发的缩减版应用程序,可以与纸本书共存的图书应用,还是直接转化的电子书,出版商都应将建立有意义的消费者联系作为发展要务。
借助新技术,出版商可以与多媒体公司共同为作者作品生产新的、更强大的格式。同时在已出版图书的内容基础上,开发出新的精装本,供读者度过安静的周末午后时光。这才是与亚马逊形成鲜明对比的法则。同时,出版社的编辑和决策环节都要以数据为驱动,从社交媒体和自己创建的专门网站的点击流量,出版商可以找到有待挖掘的线索和素材,然后进行数据分析与知识管理,为下一步出版及营销提供参考。可惜的是,目前出版业大多还没有建立消费者数据库的思维。
大数据的未来:发现消费者
2001年创立的尼尔森图书监测数据,10余年来为出版商提供了宝贵的实体书店实时销售数据,然而,如今随着实体店销售日渐下滑,谷歌、亚马逊等电子书的销售与日俱增,以数据为主导的商业模式正悄然兴盛。这种商业模式可以帮助商家了解读者在读什么,并通过分析推断他们想读什么。因此,出版商建立消费者平台首先考虑的应是提取信息和建立忠诚度,然后才是销售图书。未来出版商不可能完全脱离亚马逊及实体书店,但同时仍与消费者建立或维持直接联系。
爱思唯尔去年4月收购Mendeley公司,整合其平台资源,12月又与英国伦敦大学学院(UCL)共同建立UCL大数据研究所,组建网络分析小组,就是希望通过分享研究人员的想法和内容资源,挖掘大数据在其科研活动过程中的商机,满足科研人员需求。
英国大学与科学部部长戴维·威利兹对大数据拉动经济增长有非常积极的预测:到2017年大数据市场将为英国创造5.8万个新就业岗位。
在此背景下,企鹅兰登书屋英国公司再次进行了直接面向消费者的业务布局调整,3月中旬宣布重建了以消费者为中心的消费者及数字开发部,1月刚上任的该部门总监汉娜·特尔弗在给员工的信中写到:“我们要成为文化和娱乐的发电厂,成为人们的家。我们的出版社品牌要成为消费者品牌,为此我们要吸引全球读者对好的故事、想法和写作的关注。”
其他的变动包括:兰登书屋消费者分析部负责人路易斯·文特的职责范围将扩大到在企鹅兰登书屋范围内进行消费者研究,其中包括新用户分区项目。
文特还将把兰登的Bookmarks网站拓展到企鹅兰登书屋,使注册的3500多位读者用户在参与调查时能获取集团所有内容资源。莱拉·韦斯特将从企鹅数字频道总监升任企鹅兰登书屋消费者参与总监,其职责包括“将企鹅和兰登书屋的数字设计团队集中到一起,以保证所有的品牌和作者网站都能很快识别,吸引并保持忠心用户”。
消费者参与团队取代了数字频道团队,鲁斯·斯宾塞在兰登书屋的职位也改为合作及兴趣品牌总监,负责以兴趣为基础的营销,如犯罪小说和烹饪图书。此前兰登书屋数字营销业务的负责人艾玛·巴格肖的职务改为集团营销负责人,负责营销分析、元数据、电邮营销、客服管理(CRM)等。
数字产品开发总监纳森·赫尔将与MichaelJoseph、Transworld和Ebury公司一同制定烹饪书产品发展战略,数字出版人丹·富兰克林将与Vintage、PenguinGeneral、PenguinPress和Cornerston公司一同探索新的出版方式。索尔特将负企鹅兰登书屋责童书部的业务。“我们将成为新型的童书第一出版商,通过图书、玩具、应用程序、服装来讲故事。因为孩子不只把故事看作图书一种形式。”但她认为,“儿童产品的版权很难获得,成人出版已经成功地向数字化进行了转型,而童书的发展还相对落后”。两家的有声书部也将整合到一起。兰登有声书部出版人VidelBar-Kar将负责整个企鹅兰登书屋的有声书业务。
最重要的变动是,现任Osprey公司CEO的瑞贝卡·斯玛特将于秋季加盟企鹅旗下的Ebury公司,代替即将退休的菲奥娜·麦金泰尔。威尔顿希望她带领Ebury“朝着她和她的团队认为正确的任何方向前进”。
特尔弗表示:“企鹅兰登书屋消费者总监将由整个集团的专家和高层共同构成,负责制定用户策略并确保有合适的架构来吸引、维护读者,引导读者发现我们的作者、他们的作品以及相关的内容。”
而在这些部门之上,将由现任企鹅消费者分析部负责人夏洛特·理查兹管理企鹅兰登书屋的数据、分析业务,而詹娜·斯特里克罗德将负责整个集团的商业分析和报告。“从消费者在线上和零售渠道生成的信息,获得重要的数据,这对了解消费者、零售商和商业环境的未来都将起到关键作用。”企鹅兰登书屋集团策略总监保罗·凯利如是表示。
但是,在《书商》杂志主编菲利普·琼斯看来,企鹅兰登此次新举,没有汲取社交媒体领域的经验,如直销、捆绑销售、订阅、提高数字版税、为作者提供自费出版,书系(或办公室)的合并等。
而威尔顿看重的是通过向旗下的管理层放权,激发他们的创造力,提供各种便利政策,“出版社网站将从浏览页面和展示功能转为搜索以及推介功能”,提高发现几率是第一要务,但他对订阅和捆绑、直销都持怀疑态度。
“兰登书屋的AuthorPortal是我们努力的正确方向。当系统改变时,企鹅将紧随其后。”但他表示,“集团不会改变数字版税标准来与亚马逊抗争。我们一直在评估版税问题,现在电子书的商业模式还不明朗,目前我们的版税体系是合理的,是一种以与作者联系为基础的出版模式。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 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在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23