京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据联盟是豆瓣更大的新机遇_数据分析师
传统互联网时代的主要盈利模式是广告,但它在移动互联网并不适用。手机屏幕小,天然就不适合做广告,效果也差,移动广告的盈利模式已经逐步走入困局。
移动互联网时代APP们的主要盈利模式应该是“参与交易”,获得分成。比如一个用户打开某个APP,这个APP得到了用户的位置信息,比如在五道口,通过开放的API,和其它APP共享了这个位置信息,大众点评就可以据此即时push一个附近烤肉店的团购券,或者当用户下次打开美团网,美团主动推荐一个附近的KTV的优惠券。如果该用户在大众或美团下单了,他们就要给之前共享位置信息的APP分成。
分成比广告的想象空间要大得多。广告是市场成本,有限。分成是收入,有多少赚多少。
在传统互联网时代,豆瓣就和图书电商们合作,推出“在哪儿买”“比价”“购书单”等功能,为用户提供图书类商品的链接,跳转到相应的电商网站上。如果用户下单,豆瓣获得分成。后面豆瓣音乐和音乐人分账,豆瓣电影出售电影票等等模式,也都一脉相承。
与此形成对照的是,豆瓣一直很排斥广告。在豆瓣的20多类的页面上,能放广告的只有5类,一般是小组下的某个帖子里这样的三四级页面。尺寸只有唯一的一种可选。FLASH和视频不被接受,必须是静态画面。在PC端的大尺寸屏幕上,豆瓣的这种做法曾多次被指责错失了太多本可以轻松入账的快钱。但凡事有利有弊。好处是,当所有传统互联网的巨头们都不得不面对移动互联网的转型迷茫和焦虑时,豆瓣的态度却相当积极。这也很自然,它并没有什么要放弃的巨大利润点之类的包袱。一个douban.com主页分化成8个APPs,对其它大型互联网公司来说是重大决策,要走缓慢而冗长的流程。但对豆瓣来说,这么做顺理成章。你的长处在这里变成了短处。而我的长处在这里还是长处,甚至更长。我当然愿意尽快过来玩。天然的柔道战略。
但在传统互联网时代采用这种“参与交易”的收入模式并非豆瓣一家所独有。早在8年前电商的联盟分账模式就已成熟。网站都有现成的公开化标准服务,登记以后就可以直接对接数据了。但为什么是豆瓣能将这一收入模式做大做强,这里就要涉及到移动互联网时代“用户使用场景”的问题。
从用户的使用场景来说,豆瓣和大众点评这一类APP在场景里都是占据高位的,好比食物链的上游。当你不知道要看什么电影,拿不准值不值得去看这部电影,或者不知道要去周围哪家餐馆吃饭的时候,你会先打开这类APP,看一下评价和留言,然后做出选择。
而美团淘宝当当这一类电商APP位于食物链的中游。只有当你做出决定要购买什么之后,你才打开美团的APP团购一个电影票,或者打开当当的APP下单这本书。你会发现,当你打开这一类的APP的时候,你的心中基本已经决定了你要的是什么。交易的决策已经完成,只剩交易的付诸实践了。甚至,在豆瓣和大众点评上已经可以直接购买电影票和团购券了,这就跳过了这些中游的APP们,直接完成了整个交易。
地图类应用,他们位于食物链的下游,用户使用场景的低位。只有当用户确定了他要去什么地方,比如已经决定了看哪部电影或去哪个餐馆吃饭,也买好了相应的团购券之后,这时如果他不认识路,他才会打开百度地图,查一下路线。所以百度地图往生活搜索服务平台上转型会十分艰难。用户打开百度地图是为了查某个具体的地点在哪里,过去要多久,走什么路线最佳。但它却老是想告诉用户这个地点的旁边有饭馆有酒吧有KTV的多少多少折扣的优惠券等等。表面上这是一次顺理成章的挺自然的展示营销,其实对用户来说是干扰。好比备受恶评的电视剧中的插播广告,用户唯一想知道的是接下来的剧情,你却给他看脑白金和加多宝。虽然可能他自己也喝加多宝,而且因为看了你的广告而真的去买了脑白金,这不是完全没有可能的。但这绝对不会是用户在那个时间节点上想要的东西,仍然属于干扰。现在地图类APP转型本地生活服务综合搜索平台,看似可行,其实难以成就一款新产品。
同样的,微信一直尝试往本地生活服务这条路上走,其实也不通。从产品开发的角度来看,在朋友圈里分享一个新品的爆款,然后你的朋友看到并且下单了,十分合情合理。但是从用户的角度来看,他点开微信这个APP是为了干什么?找朋友聊天,回复同事的消息,看看朋友最近的动态等等。总之,一切为了social。这个时候你给他看各类产品的介绍,就好比在电视剧里插入广告。他几乎一定会看到,而且有可能下单。但这些信息一定也不是那个时间点上他想要的。在这里,其实也无法成就一款新产品。甚至可能毁了微信。张小龙就曾多次叫停或暂缓微信电商化或者o2o化的步伐。所谓微信朋友圈电商,其实是一个四不像。在朋友圈大卖产品甚至成就几个小而美的local型公司当然不是没可能的。这个并不冲突。只是绝对没法成就腾讯的电商梦。如果有一天,所有人打开微信就是为了买个东西或者逛逛朋友圈看有什么新品打折,那么。。。那么淘宝天猫会不会被颠覆先不好说,米聊口信LINE什么的就绝对该在一旁偷笑了。
有点扯远了。其实从产品开发的角度看,以上提到的APP们都属上品,界面整洁,操作流畅,用户友好等等。该做到的都做到了。但一旦放入用户的使用场景中来看,高下立判。
但是,豆瓣要在移动互联网时代将“参与交易”的威力发挥到极致还离不开大数据时代的到来。大数据要能运转需要三个条件:一是数据的汇集,二是数据的储存,三是数据的分析。汇集需要设备,比如智能手机、摄像头等等,这还涉及到物联网;储存需要云存储,分布式存储等等;分析需要算法,优质的算法。这三点也离不开云计算在背后的支撑。无论是大数据还是云计算,基本条件在今天都已有了雏形,足够豆瓣一展拳脚了。杨勃在谈到移动互联网时代的来临时就非常兴奋:“不用思考主页的问题了,我觉得这个特别棒,移动是个很好的东西。”
同时,豆瓣本身的基因和大数据时代的要求是相符合的:以工程师为主导,专注数据,专注算法,专注推荐。豆瓣在创立之初就是以一系列的标记为根基的,“读过”“想读”“在读”等等,通过不断优化的算法,来推荐给你你可能喜欢的其它东西。这是个在刚出现时被人们认为有点奇怪的逻辑:你必须先告诉我你喜欢什么,然后我再来告诉你你喜欢什么。而且在现实世界无法找到对应。传统互联网的三大巨头BAT的根基:网上聊天,网上搜索,网上购物,都可以在现实世界找到对应。只有亚马逊一直在做的根据你过往的搜索和购买记录在首页给你推荐有点类似。但这只是这家电子商务类公司在服务上的贴心之处而已,目的还是促进你购买更多的产品,并非它安身立命的根基所在。
豆瓣基因的浑然天成也是为什么大众点评虽然在用户使用场景中和豆瓣一样占据高位,但在面对这种“参与交易”的收入模式时爆发式增长的潜力不如豆瓣强劲的原因。数据的价值在一开始就被杨勃高度重视。他始终足够坚持,足够纯粹。他知道豆瓣要做的事一定是“推荐”。这个推荐的能力在传统互联网时代足够显山露水,却没能建功立业。但在移动互联网时代,这是个杀手锏,是制导武器。广告没的玩了,只能看推荐的了。谁推荐得精准,谁就是老大。
我们常说,这是一个以用户为中心的时代。这不是一句空话。而且是以“用户的信息”为中心的时代。在PC时代被线上线下割裂的使用场景,在移动端能够方便地被以“人”为维度聚合起来。这就是使用场景的连续化,也即把用户散乱在不同APP里的信息聚合起来。在这个时代,APP们不必再各自为战,他们分享数据,开放接口,基于一定的规则,提供给“大数据联盟”。每个APP都共享自己能得到的关于某个用户的信息,地理位置,兴趣爱好,健康状况,联系人,刚查了什么新闻,搜索了什么,看了微信里的哪个公众号的文章,不一而足。然后,也基于一定的规则,其它APP能随时随地调用这些数据,利用云计算的帮助,在和自己的业务特点互相补充后,给予用户最为个性化的push。如果促成交易,则各家分账。而个性化的push,其实就是上一段提到的“推荐”。
这是一个崭新的时代,当这种变革来临时,往往那些原先造血功能强劲的巨头互联网公司更容易墨守陈规。而在过去没有占据最佳位置的公司,现在反而有机会获得更多的发展空间。
再想想,这家如百度和Google的广告联盟一般的“大数据联盟”会是由谁来组建的呢?豆瓣更大的新机遇其实是在这里。这涉及到在后台打通各个APP的大数据的分析技术。但更重要的是动力。谁最有动力会想来做成这件事。豆瓣有动力,也有能力。因为他们始终想给用户更好更直接更精准的推荐。获得更多的收入分成不过是让豆瓣在财务面上成为一家更好的公司而已,成立“大数据联盟”则可能改变一个时代。
移动互联网上还能是BAT专美吗?自然不能。因为竞争基础变了。一家在传统互联网时代就已经按照移动互联网思维运营多年的公司能否逆流而上,突破巨头们的重重封锁,颠覆整个行业,值得我们拭目以待。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22