
[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
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08