京公网安备 11010802034615号
经营许可证编号:京B2-20210330
[核心提示] 豆瓣在这过往的近十年间,维持了相对平稳的发展,豆瓣的成功之一不在于它比同行「跑得快」,而在于它「死得慢」。
从 2005 年 3 月 6 日正式上线算起,豆瓣诞生已将十年,此时稍作回顾或许也正合宜。在这十年间,对豆瓣自不免有许多批评和质疑(这些声音恐怕大多来自它的用户),但不可否 认,它堪称创造了历史。豆瓣的模式在中国迄今没有哪家能完全复制(在这一意义上,它是没有竞争对手的),它属于那种「只发生一次」的历史事件。不论好坏, 它的出现,为广大文艺青年、普通青年及若干二逼青年提供了一个交流分享阅读、电影、音乐等体验的公共平台,不夸张地说,如果没有这样一个巨大的虚拟咖啡馆,我们这个时代的精神生活可能会贫瘠许多——至少我本人是这样。
在 豆瓣出现之前,中国自然已经有网络媒体,但早年的网站,互动性并不强,当时的代表是门户和垂直网站,而它们的信息发布其实和传统媒体是一样的,即从信息源 到用户是「一对多」,一个单一的信息源发布信息给无数潜在受众。随后在 2003 年左右兴起了第一代 web 2.0 模式的网站,其模式是「多对多」的,即网站只是一个平台,而由用户自发生产内容(UGC, user generate content)。博客在当时热火了一阵,但最终人们发现,媒体要更进一步社交化才能完成这一使命。从这一意义上说,QQ、微博、淘宝、微信都是同类:媒体都是「多对多」的平台;但与这些网站相比,豆瓣在内容上明显要长尾得多,因为它其中涉及的大量书籍、电影、音乐的内容都是相当小众的,这在商业上就意味着潜在目标人群的高度分化(fragmenting),较难以广告投放等方式变现。
虽 然豆瓣受众时常争吵、互相拉黑,一怒注销者有之,盗号者亦有之,但从数据来看,总体上豆瓣的用户粘性(每周登录次数、每次停留时长及浏览页面数等等),在 同类网站中都是不低的。不仅如此,它在这过往的近十年间,维持了相对平稳的发展——请注意「相对」这个修饰语,因为互联网是一个特别容易骤兴骤衰的行业, 有时简直是过山车一样的变化。在这一意义上说,豆瓣的成功之一不在于它比同行「跑得快」,而在于它「死得慢」。
从百度搜索指 数来看,这是非常明显的(考虑到百度在 PC 端的搜索中占了 70% 以上的份额,它的搜索指数可以作为一般网民对许多词的关注程度,之所以用 PC 端是因为 2011 年起才有移动端监测数据):最近一周平均指数与历史最高点相比,豆瓣下降了 41.3%,但开心网下降了 99.3%、人人网下降了 87.6%、新浪微博则下降了 82.0%:
(百度搜索指数 2006-2014,豆瓣,PC 端)
(百度搜索指数 2006-2014,人人网,PC 端)
(百度搜索指数 2006-2014,开心网,PC 端)
(百度搜索指数 2006-2014,新浪微博,PC 端)
以上指数所折射出来的媒体兴衰,可以从两方面加以印证:
社交网站往往要蹿红不难,但难在如何留住人。开心网最高点(出现在 2009/7/26 这周)百度搜索指数高达 833,378,这是相当惊人的(淘宝的历史最高点也只有 113 万),但大家都是成年人,「偷菜」什么的,毕竟很容易玩腻掉,真正能长久的,必须和现实中的人际网络、人的兴趣需求贴得更近才行。当用户粘性变差时,失败 是不可避免的。2011 年,在开心网已显露出明显衰落征象时,其 CEO 程炳皓曾在一次高峰论坛上提出 social marketing 的概念,意即通过人际推荐的方式来推动营销,但在中国社会中,这种熟人推荐方式往往会破坏而非增进人际关系,此事不久遂不了了之。
要留住用 户,很重要的一点是用户体验,而这有时却又是和广告收入相冲突的。据说马化腾在面对广告部门提出在 QQ 上多开广告位时,常会说:「要注意用户体验。」这算是业内有名的段子,有时也用以说明广告部门在腾讯内部的弱势,因为广告只占其收入来源的十分之一强,常 常说不上话。豆瓣现在也常有人觉得广告太多(当然,这种抱怨有时是针对用户发的垃圾广告,不是豆瓣自身发布的),环境不好,但凭良心说,横向对比着看,豆 瓣在广告这方面是做得相当克制的。根据业内最权威的网络广告监测软件 iAdTracker 的数据,截止 12 月 22 日,豆瓣今年的广告收入为 4157.2 万,去年全年 4200.08 万,再往前一年 2012 年则为 3507.65 万,2011 年仅 335.81 万,更早的监测数据为 0。以我所知,豆瓣开始派销售在代理公司中接洽生意,是在 2012 年春;当时其华东区销售总监原在手机网站做时认识我(不过他当然不知道我也是豆瓣用户),当时还曾苦着脸说老板对广告有许多限制——例如,豆瓣的页面迄今 没有动画、flash 或 rich media 的广告形式,更不用说弹出窗口,其实只是图片,形式单一,广告位也非常少,这些都是广告主和代理公司不能满意的。虽然很多人动辄骂阿北,但至少就广告环境 而言,也算得是业界良心了。
从艾瑞的数据看,在交友社区类网站中,豆瓣的日均用户覆盖人数排列第三,仅次于新浪微博和人人网,而月度覆盖甚至超过人人网,遥遥领先于其它各家:
(交友社区类网站排名,iUserTracker,2014/10)
然而如以广告收入计算,豆瓣的表现则相当 之差。和它在用户覆盖数上最接近的是人人网,但豆瓣今年全年截止到 12/22 的监测广告收入,还不及人人网近 3 个月(5357.1 万,高出豆瓣全年 28.9%)。人人网今年全年已收获 22,672.46 万广告费,而在 2012 年高峰时更高达 42,955.9 万,是豆瓣的 12 倍之多。这也就是说,从商业的角度来看,豆瓣未能找到和竞争对手一样有效的盈利模式,或是不愿、或是不能,总之未能将巨大的用户数和内容予以变现。这其中 有很多原因:豆瓣用户的碎片化和敏感(恐怕比人人网用户更讨厌广告吧);用户的人口统计学特征(多学生,消费多倾向于文艺用品);海外流量的无效(有些广告主只想定向投放国内市场的消费者),而豆瓣用户似有不少在海外。
从豆瓣和人人网 2014 年前十广告主来看:
(豆瓣与人人网 Top10 广告主,iAdTracker,2014)
可以得出几个明显的结论:
办媒体不是慈善事业。豆瓣变现的压力,可想是肯定存在的,因为任何风投都不能无限制地烧钱。豆瓣如何赚钱,这似乎是个老问题,虽然我们这种普通用户犯不着为阿北操心,但这毕竟是个很现实的问题。就目前而言,一般的网络媒体有几种收入来源:
在豆瓣上,还时常有人嘲讽(或哀叹)豆瓣成了一个交友、约炮网站,这从数据来看,是不符合事实的。还是看百度指数,其「需求图谱」表明:
(百度指数,豆瓣需求图谱,2014/12/15-21)
其中可见,豆瓣用户需求最强的是电影,其次是音乐、租房等等,「妹子」还排在「读书」后面,且呈现环比下降趋势,至于「约炮」就更后面了。从同期的热门搜索词看,豆瓣用户感兴趣的话题大多与豆瓣有关,且较为文艺:
(百度指数,豆瓣用户热门搜索词,2014/12/15-21)
从热门搜索来看,知乎更可能对豆瓣造成较大威胁。如果和陌陌对比,情况是明显不同的,陌陌用户除了关心上市、下载/注销/注册/会员等基本功能,在意的便是「约炮」:
(百度指数,陌陌需求图谱,2014/12/15-21)
在陌陌近期上市利好驱动下的新一轮高峰(陌陌主要在移动端,故需要不断推进下载和预安装)之前,这一点原本更为明显。不过目前对陌陌的发展还需要再加评估——现在移动端的广告监测很不完善,iAdTracker 中便没有陌陌的广告监测数据。
从 数据来看,豆瓣未来的机会点应该在移动端。很多品牌和媒体的搜索曲线都可看出,PC 端的高峰大抵在 2012 年底前达到高峰,再往后往往呈下降趋势,而与此同时,移动端则多呈现快速攀升。这一用户的变化,已在广告收入中呈现出来,国内一些视频网站 2014 年的移动端广告收入增速,远远超过 PC 端(当然移动端原本基数也低)。但豆瓣移动端用户虽然呈现一定增长:
(百度搜索指数,豆瓣移动端,2011-2014)
但今年的增长却并不快,最近 30 天同比甚至出现了 17% 的负增长。从近半年的数据看,豆瓣用户已呈现一个明显的行为习惯规律,即 weekday 期间 PC 端高,周末则移动端高:
(百度搜索指数,豆瓣 PC 端,2014 年下半年)
(百度搜索指数,豆瓣移动端,2014 年下半年)
最一目了然的是十一国庆节期间,PC 端曲线下凹,而移动端则攀高。这种现象在豆瓣上特别明显,但像澎湃新闻则没有这类现象,它在 PC 端和移动端几乎都是在 7 月 22 日正式上线这天达到顶峰,随后渐渐趋于稳定,周末与平时也无明显的波峰低谷交叉:
(百度搜索指数,澎湃新闻 PC 端,2014 年下半年)
(百度搜索指数,澎湃新闻移动端,2014 年下半年)
这都意味着,不管从用户体验还是自身经营出发,豆瓣理应赶紧狠抓移动端开发,但从目前来看,豆瓣的移动端状况不佳,以豆瓣一刻为例,数据显示它从 6 月上线以来,月度覆盖人数最高的就是第一个月:
(豆瓣一刻,月度趋势,mUserTracker,2014 年)
作为一个普通用户的体验来说,用移动端使用 豆瓣常觉不便,最基本的,每次都要求我重新登录,非常不便。新开发的 App 则功能拆分太多,而像豆瓣一刻的开发,在某种程度上丧失了原来的社交属性。在移动端的方面,豆瓣体现出一个原本基于 PC 端的媒体,在转向移动时所遇到的一些问题,这些在一开始就用移动端的陌陌、微信之类的媒体上则是没有的。
当然,媒体如人,都有自己的生命周 期。豆瓣不论怎么说,已坚持(或维持)了很多年;很多 web2.0 的网站,到后来没几年都面目全非,要么是大起大落,早先热火过的已没人玩了;要么违背了 UGC 的初始设想,到最后开始自己生产内容(视频网站最明显,如土豆、优酷)。有兴趣的人不妨预测下微信朋友圈,能维持多久?从这一点来看,豆瓣这些年看似变化少,但变化多也未必好,它的存在已相当不易,作为一个普通用户,我只期望它至少慢慢挺过去。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13