京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据开启互联网电视大屏百亿市场
智能家居前景美妙,现实却很骨感。今年智能家电新品发布的频率,明显放缓。2020年将达万亿的智能家居市场“大饼”,也没能挽救多家上市公司当下的业绩于水火。由于缺乏统一标准,企业各自为政,难以形成整体生态,所以智能家居发展道路曲折。
不过,智能电视有望成为率先突破的细分领域。11月20日,智能家居大数据上市公司奥维云网公告,斥资600万元收购“勾正数据”公司20%的股权,希望未来三年内建设中国最具规模的智能电视用户大数据平台,这就是一个积极的信号。
为什么是智能电视?
它的智能化程度,在众多家电产品中最高。国内智能电视的渗透率今年已经达到70%~80%,而且它的优势在于大屏,成为家庭互联网的最大入口。中国有3.5亿个家庭,未来互联网电视的成长空间巨大。所以,这一两年“千军万马”都想跨界做互联网电视。
有人认为,2016年将是互联网电视大屏价值引爆的一年。奥维云网的董事长喻亮星也很认同:“明年会比今年走得快”。因为每年1000多亿元的电视广告,已是现成的市场,未来部分电视广告将转化成互联网电视广告。
事实上,今年海信、创维、TCL、乐视等,都号称分别有5000万元~7000万元左右的开机广告收入。即使这样,它们几个加起来就是几个亿,相比于电视广告一年千亿元的广告规模还是小,互联网电视的广告价值离真正的点爆还远。
挖掘电视大屏价值,还有两大现实的困难。
首先是缺乏数据支撑。喻亮星坦言,奥维就是想尽快把底层数据做出来,为互联网电视广告的精准投入做准确,因为客户并不愿意“闭着眼睛”投广告。
另一个难题是硬件的增值功能需完善。实现增值,要与软件、硬件环境相结合,这对电视的芯片、图像处理能力都有要求。据喻亮星介绍,2013年年底的智能电视产品才开始具有这样的增值能力,目前国内保有量才2000万~3000万台,且激活率只有一半,还分散在不同品牌里,所以目前广告价值暂时还不大。
不过,未来三年将快速增长,国内智能电视保有量将从2015年的8000万台到2018年突破2亿台。而大数据的能力,将是开采电视大屏价值的“锁匙”。
为此,奥维做了两件事情。一是装了奥维软件平台的电视用户,现在有100万台,喻亮星透露,通过与勾正的资源整合,到明年春节前会达到500万台。其次,奥维对接各大品牌的、可以投放广告的智能电视活跃终端已达2000多万台,覆盖TCL、创维、长虹、康佳、夏普、联想等品牌,“一旦我们达到3000万~5000万台,价值就会变大。”
彩电厂为什么愿意让奥维来做呢?喻亮星说,“一是我们的数据采集能力强;二是数据分析能力强;三是奥维天然是第三方,采用收入分成模式,不干扰彩电品牌自身的运营。”
大数据,近年已成为热词,但如何产生真正的价值,还需要实实在在的努力。
奥维此次参股勾正公司,揭开了其大数据布局的“冰山一角”。过去两年,奥维的大数据团队已增至40多人,并在大数据领域重金投入,去年投了500多万元,今年又投了1000多万元。
其储备的大数据能力主要在五个方面:一是数据采集的能力,原来奥维跟全国大连锁合作,成本高、时间慢,现在通过爬虫技术,可覆盖门户网站、电商平台、社交平台等信息;二是云计算能力,原来处理20万条文本信息要2小时,现在只需20秒;三是应用场景的挖掘能力,凭借奥维对家电制造业、流通业和用户多年的研究经验,迅速找到大数据的应用场景;四是建立模型和数据挖掘的能力;五是可视化的能力。
“一定要把大数据落实到小的应用场景。”这是奥维云网的助理总裁韩昱的体会。
像今年“双11”商战,已引入数据战。通过每五分钟监测一次价格变动,奥维可以提醒厂家锁定竞争对手的哪个型号,并建议用哪个产品型号去应对。“以前,奥维只是卖报告,企业看一下市场占有率就完了。现在,通过大数据,我们可以帮助企业,进行实时的决策。”
又如,以前产品创意,做4000个样本,要两个月,花80万~100万;现在利用大数据技术,每月收集10万条信息,2天采集、3天分析、5天出报告,成本只是原来的十分之一。
未来,PC端的视频、广告、游戏、电商、在线教育、精准营销等业务模式,都会延伸到互联网电视端,潜在的价值空间巨大。不只奥维,BAT、彩电巨头、互联网彩电新军、苏宁国美等,谁都想冲着这块“肥肉”来咬一口。
奥维希望搭建一个基于产品和用户的、开放式的大数据平台,并预言“家庭互联网用户大数据将是一个百亿元的蓝海市场”。同样可以预见的是,竞争也会异常激烈。喻亮星明确,尽管与厂商有竞合关系,奥维定位做中间环节,更多是通过数据帮助企业,服务好用户。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06