大数据媒体的广告营销

大数据媒体的广告营销（精选9篇）

大数据媒体的广告营销 篇1

信息化产业发展趋势下, 大数据成为了新的产业经济增长点, 其商业价值不可估量。在未来, 相关行业必须紧跟时代潮流趋势并大力发展大数据, 但是由于大数据的发展仍然不够成熟, 人们在享受大数据带来的种种便利的同时也面临大数据的很多严峻的挑战。

1. 大数据概述

1.1 大数据的特征

大数据有4个基本特征, 分别是数据规模巨大、数据种类丰富、高效的数据处理以及巨大商业价值。大数据含有的信息量十分庞大, 绝大多数是个性化数据, 并且数据的类型也十分多样, 有文本形式、图片、视频、音频等等。大数据处理速度遵循了“1秒定律”, 它能够快速创建归档。大数据的这四大特征决定了在未来市场中它必将扮演重要的角色。

1.2 大数据的兴起与发展

根据有关数据记载, 大数据概念最早的提出者已经无法考证, 目前公认的是2011年麦肯锡提出的大数据概念。2011年由于麦肯锡发表了一份相关报告, 大数据开始广泛受到关注。到了2012年, 美国《大数据研究和发展倡议》的发表则代表了大数据真正成为了时代的标识。在2014年, 美国又发表了名为《大数据:抓住机遇、守护价值》的研究报告, 这份报告大胆提出利用大数据来促进社会经济的发展。此时, 大数据的价值已经得到了极大的认可。然而, 由于大数据发展还是有所欠缺, 人们对大数据的了解还是远远不够的。

2. 大数据技术应用在社会化媒体营销中的影响与优势

2.1 大数据的发展对社会化媒体营销的影响

互联网、云计算等信息技术的高速发展将大数据技术带入了人们生活的方方面面中。它所具有的新技术、高效收集和处理信息的新特点带给了人们极大便利, 在改变商业模式的同时也在改变当代人们的思维方式。随着软件的逐步优化和更高性能配置电脑以网络传输的发展, 各行业的竞争也转变成了信息数据的竞争, 大数据技术的应用能够提供给客户更好的体验和服务质量, 因此大数据的高效快速是一种必然趋势。

2.2 大数据技术推动营销更具精确性

社会化营销具有盲目性的特点, 用户难以在巨大的信息流中快速获取自己最感兴趣的内容, 针对这个问题, 大数据技术通过针对性地收处理用户信息并记录用户习惯, 当用户获取数据信息时, 大数据便快速根据存储的用户习惯精确地为用户提供相关信息。如今, 微信和微博以及其他社交平台尤其需要精确地为用户提供恰当的数据信息, 迎合用户的个性化需求指导其消费。用户就不会在茫茫信息流中不知所措了。

2.3 大数据技术提高产品营销描述的准确性

我们已经步入信息化时代, 科技的发展大大带动了互联网的发展, 其中大数据的应用开始广泛地活跃在各个领域中。大数据能够充分了解用户的各方面需求, 并将用户需求和产品相对接, 整理出一类群体的需求特点。当大数据处理大量用户信息后, 再在产品营销中准确利用对用户的了解针对性营销, 这样能够大大提高产品营销描述的准确性。

2.4 大数据技术推动营销策略的优化升级

所谓大数据指的是信息爆炸时代所产生的海量数据, 通常情况下它形容一个公司所创造的大量非结构化和半结构化数据。大数据也指无法通过常规软件在一定时间内获取和管理的一系列数据集合。信息爆炸的时代, 营销策略也有了很大的改进, 以往的盲目和单方面的营销模式已经无法适应市场经济的发展。过去的营销方式主要是利用名人效应宣传产品, 但是在购买行为受到越来越多个性化因素影响的今天, 各行各业必须改变传统营销策略充分利用大数据技术进行管理实现策略的优化升级。

3. 大数据在社会化媒体营销中面临的挑战与相应对策

3.1 面临的挑战

大数据在社会化媒体营销中面临了许多挑战。首先, 大数据技术的专业人才不能够满足社会化媒体营销的需求。社会化媒体营销刚刚起步, 发展成熟度还不够, 其中的人才培养也不能适应市场经济的要求。我国的大数据的开发和应用水平处于低水平, 不管是从设备设施上说还是从技术人才素质来说与国外相比差距太大。我国的处理数据的理论比较匮乏, 在这方面的研究也少之又少。

其次, 大数据技术的应用和发展在社会化媒体营销中缺少实时性。实时性在信息行业的重要性不言而喻, 然而当前大数据技术缺少了对当前数据的重视, 不能及时分析数据, 未能将所收集的数据却别对待。这种态度直接使得社会化媒体营销手段无法最有效、最准确和最及时的支持各行业的商业活动。

3.2 大数据在社会化媒体营销中的对策

大数据技术人才的匮乏要求我国必须注重培养人才, 加大相关的投入开展研发。学者们要对国外的研究取其精华并努力丰富我国自身数据处理的研究推动社会化媒体营销;有关数据实时性问题, 大数据技术及时处理信息数据, 并对信息的更新有针对性的分析;对于数据安全保护, 我国应该抓紧相关法律及规章制度的制定, 将数据安全纳入法制轨道才能有效保护隐私。

结束语

随着互联网的发展, 庞大的数据信息在方便企业和用户的同时人们的各种隐私数据的保护也成了一个令人头痛的问题。这些数据包含各个行业的信息甚至涉及国家机密的安全。因此相关人员必须将问题与对策两者加以协调实现两者共赢局面最终完善市场经济的发展。

摘要：在竞争变得越来越激烈的今天, 如何充分利用好大数据, 将大数据技术与社会化媒体营销相结合并共同发展成为当前各个行业急需解决的一个问题。社会化媒体营销具有传播范围广泛以及所耗费的成本较低等优势, 如果能将社会化媒体营销与大数据的结合将能发挥彼此最大的优势并最终推动市场经济的发展。鉴于此, 本文具体阐述了大数据基本理论及其在当前社会化媒体营销中的一些具体应用情况, 探讨其面临的挑战, 希望为相关工作者提供一些借鉴。

关键词：大数据,社会化媒体营销,应用,挑战

参考文献

[1]李战克, 丁梦娟.大数据环境下的数据安全研究[J].信息安全与技术, 2015 (02)

[2]付红安.大数据在社会化媒体营销中的应用研究[D].重庆大学, 2014.

[3]戴世富, 韩晓丹.大数据应用下粉丝营销的商业价值初探[J].东南传播, 2014, 07:25-27.

[4]范渊.大数据安全与隐私保护态势[J].中兴通讯技术, 2016 (02)

大数据媒体的广告营销 篇2

大数据将是继云计算、物联网之后IT产业又一次颠覆性的技术变革。电影《天下无贼》里有这样一句经典对白：“21世纪什么最贵？人才！”如今，选项可能还要加上一个：数据。

而这数据，已不是传统意义的一般数据，而是超大数据、海量数据，就是现在所谓的“大数据（Big Data）”。

如今大数据可谓是风起云涌，红红火火，俨然成为信息技术领域最时髦的词汇。IBM、微软、Oracle、SAP等IT巨鳄，像是寻找到了新的金矿，开始全力挖掘大数据，多方位推广大数据理念，而众多中小IT厂商也跟着蜂拥而至，以分得大数据市场一杯羹。

数据爆炸的冲击波

“大”字不仅意味着数据的数量庞大，还代表着数据种类繁多、结构复杂，变化的速度也极快。研究表明，大数据呈现三种特性：Volume（极多的数据量）、Velocity（极快的处理速度）、Variety（极繁的数据种类）。如今有许多企业已面临单日数据量以数

十、数百TB（万亿字节）的速度增加，而近几年累加的总数据量也达到了PB(1000个TB)甚至EB(一百万个TB)等级，这样的数据量已让传统的数据库难以处理；而且企业数据增加的速度也越来越快，诸如移动化、社交网络的广泛应用，使得数据增加的速度比传统的企业应用程式来得快很多，一旦数据增生速度越快，数据处理、分析的速度也就得跟上；此外，数据更是呈现出多样性、复杂性的特征，一方面互联网不但产生文字资讯，同时也不断在产出与以往不同的数据：照片、视频、微博等，另一方面，IT遍及工作生活中的每个角落，各种各样的传感器、监控器也不断产生，各种机器资讯数据的形式日趋复杂、多样了，从结构化数据到非结构化数据不断转化。这就催生了大数据技术的强烈需求。今天，从搜索引擎、社交网络的普及到人手一机的智能移动设备，全球互联网上的信息总量正以每年30%-50% 的增速不断暴涨，包括每天Facebook上分享的几亿条内容，每日15 TB的Twitter信息，每天淘宝上数十亿条店铺、商品浏览记录及上亿的成交、收藏记录以及3000多万条传感器资讯，等等。市场研究机构IDC的研究结果显示，去年全球创造的信息数量达到1800EB，并且还以每年50%的速度高速增长，到2020年，全球每年产生的数字信息将达到35ZB（1ZB=1024EB）。据IDC统计，2011年全球所产生的数据总量是1.8ZB，如果把这些数据刻录到CD碟片中，这些碟片可环绕地球30圈。

可以说，目前大部分企业经营决策面临的最大挑战不是缺少数据，而是数据太多，面对这些只是静态、孤立、无多大参考意义的“初级品”的信息数据，企业信息部门如何通过系统功能来有效利用和整合，发掘有价值的数据，给公司营销管理提供决策支持，已成为摆在企业信息部门及其他管理部门面前的难题。

而浩如烟海的客户及市场、销售和服务信息，如果没有一个具有高度商业智能的数据分析和处理系统是不可想像的。而用户想要从庞大海量的数据库中提取对自己有用的信息，就离不开大数据分析技术和工具。事实证明，传统基于过往事实的商业管理系统如BI（智能分析系统）、CRM（客户管理系统）也能够为企业带来价值，但是今天一个优秀的大数据系统更能将数据挖掘技术与现有技术很好地结合起来，将特殊领域的商业逻辑与数据仓库技术集成起来，找出对未来企业战略具有影响的因素，使数据挖掘的分析效果和效益尽可能达到峰值，让企业营销管理能“运筹帷幄，决胜千里”。

像Facebook、Twitter这样面临数据量大爆炸的国际社交网络公司，已开始用分布式程序系统基础架构、非关系型的数据库等新兴大数据技术来解决海量市场信息问题，并取得了成效。国内最大电子商务公司阿里巴巴也在利用大数据技术提供具体服务，如阿里信用贷款与淘宝数据魔方。以淘宝数据魔方为例，利用淘宝平台上的大数据应用方案，商家可以了解淘宝平台上的行业宏观情况、自己品牌的销售情况、市场排名、消费者行为情况等，并可以据此作出经营决策。

重构精确营销模式

大数据时代之前，企业多从哪些平台提取数据、利用哪些营销数据？一般是CRM或BI系统中的顾客信息、市场促销、广告活动、展览等结构化数据以及企业官网一些数据。但这些信息只能达到企业正常营销管理需求的10%的量能，并不足够给出一个重要洞察和发现规律。

而其他85%的数据，诸如社交媒体数据、邮件数据、地理位置、音视频等这类不断增加的信息数据等等，更多以图片、视频等方式存在，几年前可能被置之度外，不会被运用，而今大数据能进一步提高算法和机器分析的作用，这类数据在竞争激烈的市场日显宝贵、作用突出。

包括沃尔玛、家乐福、麦当劳等知名企业的一些主要门店均安装了搜集运营数据的装置，用于跟踪客户互动、店内客流和预订情况，研究人员可以对菜单变化、餐厅设计以及顾客意见等是如何对物流和销售额的影响进行建模。这些企业可将这些数据与交易记录结合起来，并利用大数据工具展开分析，从而在销售哪些商品、如何摆放货品以及何时调整售价上给出意见，此类方法已经帮助这些领先零售企业减少了17%的存货，同时增加了高利润率自有品牌商品的比例。

如果说以前的一些CRM系统，只能促使分析报告回答“发生了什么事”，现在一个优秀的大数据系统已可以被用来回答“为什么会发生这种事”，而且一些关联数据库还可以预言“将要发生什么事”，最终发展为非常活跃的数据仓库，从而能判断“用户想要什么事发生”。

比如当一个顾客进入店铺后，一个零售商利用大数据技术搜索他们的数据库，发现这位顾客是其希望留住的有价值顾客，之后他们通过将其过去的购物历史和Facebook主页获得的这位顾客的信息综合起来，来了解需要花多少钱来留住他，从而确定所售卖物品的合适价格和零售商可以退让的利润空间，并最终针对这位顾客给出最佳的优惠策略和个性化的沟通方式。

如今在美国的沃尔玛大卖场，当收银员扫描完顾客所选购的商品后，POS机上会显示出一些附加信息，然后售货员会友好提醒顾客：“我们商场刚进两三种配酒佳料，并正在促销，位于D5货架上，您要购买吗？”这时，顾客也许会惊讶地说：“啊，谢谢你，我正想要，刚才一直没找到，那我现在再去买。”

这就是沃尔玛在大数据系统支持下实现的“顾问式营销”的一个实例。因为计算机系统早就算计好了，如果顾客的购物车中有不少啤酒、红酒和沙拉，则有80%的可能需要买配酒小菜、作料了。而提供这一决策分析支持的就是其位于美国一个庞大的、通过卫星与全球所有卖场实时连通的企业级数据仓库。企业要为营销准备什么

虽然大数据展示了非凡的前景和巨大作用，不过，大数据营销仍面临不少问题与挑战。首先面临的是技术难题，毕竟大数据技术尚处于活跃前期，各方面技术并不太扎实，各项工具需要进一步完善。但实际情况是，真正启动大数据营销，企业面临的不仅仅是技术和工具问题，更重要的是要转变经营思维和组织架构，来真正地挖掘那座数据金矿。

大数据的资源极大繁杂丰富，如果企业没有明确的目标，就算没有走入迷途至少也会觉得非常迷茫。因此，首先要确定企业运用大数据的短中期目标，定义企业的价值数据标准，之后再使用那些能够解决特定领域问题的工具。逐步推广，步步为营，不要把理想定得太高，否则失望会越大。当然，企业运用大数据为营销管理服务之前，技术团队要到位是基础。企业的营销团队要能够非常自如地玩转数据。

企业启动大数据营销一个最重要的挑战，是数据的碎片化，各自为政。许多企业中，数据都散落在互不连通的数据库中，而且相应的数据技术也都存在于不同部门中，如何将这些孤立错位的数据库打通、互联，并且实现技术共享，才是能够最大化大数据价值的关键。营销者当留意的是，数据策略要成功提升网络营销成效，要诀在于无缝对接网络营销的每一步骤, 从数据收集、到数据挖掘、应用、提取洞悉、报表等。

大数据媒体的广告营销 篇3

1 大数据环境带来的具体影响

进入大数据时代,媒体广告经营的传统企业都很难避免面对冲击。媒体广告的传统经营行业若要发挥最佳的竞争实力,那么就要致力于从根本上改进原先的经营流程以及方式。从经营角度看,传统媒体在确保科学性的同时也有必要更重视选用大数据的新方式。这样做,才能搜集实时性的客户端信息,在这种基础上拟定科学的决策。针对用户需求,媒体有必要精确解析,在明确需求的基础上才能设计总体的策略,从而也能够改进设计[2]。

除了营销之外,数据分析也具备专业性,传媒企业可以借此分析各群体的受众需要和喜好,构建新式的盈利平台。获取受众信息的过程中,媒体应当能够生成社会化的数据。近些年,泛媒体化的整体趋势正在变得更明显,信息互动也主要借助于社会化的新媒体。针对媒体的社交平台,应当获取实时的信息。整体的改进方向为:传统媒体应当深入探析受众的喜好以及需求,以此来摆脱被动应对广告竞争的局面。在搜集信息和调用信息时,应当致力于传媒营销,而并非单一性的广告经营。同时,大数据也带来了突显的技术挑战,借助创意驱动来获得精准的用户需求。

2 传统媒体创新经营的整体思路

作为传统式的广告媒体企业,也经受了媒介融合的挑战。这是由于,大数据冲击了常用的传播方式,同时也变更了经营方式和理念。在大数据环境中,媒体广告的传统经营企业应当把握时机,逐渐接受技术驱动的新思路,辅之以创意驱动。在投放广告时,传统媒体也需要更多借助于新式的技术。针对广告经营,首先就要给出合适的传播策略;而如果要达到这种精确度,那么必须妥善把握多层次的受众需要[3]。从这方面来看,大数据就表现出更广的应用前景。大数据自身也具备特定的长尾效应,能够触及分散性的受众群体,在这种基础上确保了更强的广告效应。

现今,媒体广告业面对个性化的更多需要。若要满足个性需求,传统媒体就需要接受小众化以及分众化的经营思路。受到大数据营销的影响,数据可以代表一切的信息,包括销售总量、广告的转化率、广告关注度等。与此同时,客户也表现出多样的需求。数据化营销应当采纳的整体思路为:首先分析要求,然后给出必要的数据支持。实质上,现存的研究较多集中于广告公司或者整体行业,但却没能注重日常经营。作为媒体企业,就应当意识到传统经营路径的缺陷所在,不断转变意识,以此来适应大数据时代。

3 探析创新方式

大数据时代挑战了传统媒体的经营方式。从广告业来讲,大数据代表着一种挑战,但同时也提供了机遇。传统媒体如果可以把握机遇,那么就能够促成自身的飞跃和进步。通过经营创新,不断突显自身在日常经营中的独特优势。实际上,大数据背景下的传统媒体并非一定会遭受淘汰,可以通过改进和完善,争取更广的广告传播市场,进而吸引更多受众[4]。具体来看,传统媒体广告在经营创新这方面应当依照如下的思路。

3.1 尊重受众的差异

从基本理念来看,传统媒体有必要及时转向。在受众这方面,要从数量转为数据。在传统模式下,评价媒体广告的根本标准就是受众数量,例如发行量或者收视率。然而,大数据的新时期已经到来,因此也颠覆了常规的广告传播模式。在这种趋势下,媒体竞争不再把受众视作核心,而是在本质上发生了转向。对于成本计算,也相应发生了改变。具体而言,在发行广告的过程中,发行商需要同时考虑到特定群体的收入状态、日常消费习惯、群体的特征等。只有满足了这些细节,广告才能够受到喜爱。例如女性群体以及老龄群体,这些都属于独特的受众群体。

只有考虑了受众的差异和个性,媒体广告才会具备牢固的基础,同时也会赢得喜爱。针对大数据处理,企业需要摆脱结构化的特征分析。对于不同的群体,企业也需要探析更深层次的受众需要。从目前来看,媒体广告更多投放于通讯以及商务行业,大数据环境也增加了投放广告的吸引力。在这个方面,淘宝公司给出了典范的做法:详细分析消费习惯,而后给出指向性的宣传对策。

3.2 解除捆绑关系

在传统方式下,发布广告需要遵循特定的次序,因此针对不同广告也设置了差异性的价格。这种方式从根本上看,就代表着广告与媒体的捆绑关系,因此属于捆绑式的销售。大数据时代解除了原有的捆绑联系,受众能够自行决定是否关注某一类型信息。从版面特性来看,受众也不会再受到限制。同时,广告资源也解除了与媒体资源的相互捆绑。作为传统媒体,需要具备明确的认知,构建适合受众的数据库[5]。只有这样,才能做好实时性的记录和跟踪,给出适当的受众评价。

3.3 设置实时性的测评

相比于传统环境,大数据环境更重视实时性的评价。具体而言,这种评价包含了广告传播的成效性以及广告带来的经济效果。传统媒体广告应当接受这种实时的评价,在这种基础上体现出更强的实时效应,服务于更广的受众群体。

4 结束语

从现状来看,大数据时代已经来到。在本质上,大数据改变了传统式的媒体广告。与此同时,信息服务的有关行业也突破了原先的界限。传统媒体广告具备的市场份额正在受到侵占,取而代之的是新颖的商业模式以及独特的大数据资源。大数据背景下,传统型的媒体广告遭受较重的冲击,因此亟待改进和更新。广告经营的相关企业应当明确:大数据不仅增添了挑战,也带来了珍贵的转型机会。在这种基础上,传统媒体有必要致力于创新,以此来凸显独有的广告宣传优势。传统媒体如果可以融入新式的大数据环境,那么就能构建长期发展的基础,进而服务于广告经营的整体质量提高。

摘要：大数据环境下,传媒行业正在不断更新,逐渐摆脱了广告经营的传统模式。在这种形势下,传统媒体广告也遭遇了很强的冲击。作为新阶段的独特资源,大数据突破了广告经营常用的流程和方式,传统产业占有更小的广告经营份额。同时,网络广告也正在成为主导,取代了传统模式下的电视广告。对于媒体广告经营,有必要探析大数据时代内的传统经营缺陷和弊病。结合广告经营的真实情况,给出适当的创新思路。

关键词：大数据环境,媒体广告经营,创新思路

参考文献

[1]刘志杰.大数据环境下传统媒体广告经营创新[J].中国出版,2015(1):34-37.

[2]潘文龙,苗建花.新媒体环境下报业广告经营策略[J].中国报业,2015(2):50-51.

[3]曲荣静.大数据环境下传统媒体广告经营创新[J].现代经济信息,2016(1):390.

[4]周伟,杨兆婧.互联网思维下广播广告的营销创新[J].中国广播,2014(9):14-18.

智能媒体时代的营销大趋势 篇4

大数据的到来，改变了商业生态，人们积极地拥抱新的平台、新的变化，但又很快地抛开它们，走向更新的平台。未来，媒体、企业、产品、营销、消费者将会变成怎样?对人们的生活产生怎样的影响?苏格拉底的这句话或许是最好的回答。

近日，腾讯在北京、上海、广州三地举行智慧峰会，让世界聚焦中国，与中国企业一起探索中国营销的未来。为此，腾讯网络媒体事业群总裁、集团高级执行副总裁刘胜义，《连线》杂志创始人、《失控》一书的作者凯文・凯利，实力传播全球首席执行官Steve King，以及国内外知名互联网领袖和营销领域精英，共同探讨“智能化媒体时代在线营销发展”，分享他们对智能化媒体时代的移动媒体、营销、消费者形态、广告产品的认识和思考。

智能媒体

从去年开始，大数据概念开始流行，它的价值在于将交易与交互数据融合处理，根据数据分析，变批量生产为定制化生产，减少滞销或者库存，为企业带来巨大的利润。而对于作为媒介的互联网而言，将变得更加智能化，通过海量的大数据分析，匹配给用户真正需要的信息，提供便捷的移动支付服务，以及满足随时随地的沟通、表达诉求以及其他需求。媒体将比用户更了解自己的需求，为用户匹配最优的问题解决方案，变得更智能。

大数据正在引领媒体进入智能化时代。实力传播全球首席执行官Steve King认为，智能媒体就是有效的媒体，“一是我们能够积极了解客户能做什么，而不是等待数据来找我们，二是要主动倾听客户在想些什么、说些什么，然后实时地做出反应，让他们参与进来，这是互动性;然后是测量可测性，看一下消费者在做些什么，这三部分结合起来才能构成智能媒体概念，就是积极地开发、倾听和让客户参与进来。”

早在8年前，腾讯就开始尝试智能化。，腾讯网推出“I计划”，这是一个基于技术的个性化新闻聚合产品，遗憾的是，产品的效果不是特别明显，这说明智能化对于媒体来说是非常艰难的事情。但随着平台、渠道开放，智能化技术的发展和媒体对人的理解不断深入，智能媒体已经不难做到每天把友好、有用的信息推送给用户。

更重要的是，现在，移动化为智能媒体带来了更大的空间和机会。

“中国网民正在拥抱Mobility的新生活方式，移动化媒体已经成为生活服务的一部分，

”腾讯网络媒体事业群总裁、集团高级执行副总裁刘胜义认为这是目前非常值得思考的话题。他说，在移动互联网时代，移动化媒体将迎来改变，一是移动化让用户时刻在线，媒体成为全天候媒体，“always on”;二是大众媒体发展成智能媒体，“以前我们熟悉的移动手机，再强也就是一个计算机的终端，通过背后一堆的方式整合、输送信息。但在移动化的影响下，任何一个手机终端不仅仅是输送信息，还在我们身上拿走信息，我们的生态、生理数据时时刻刻传到网上、云端上。据Cisco预测，到，全球在云端数据的流量将翻12-15倍。智能终端成为一个天生的个人终端”。另外，资讯媒体将发展成生活媒体，一直以内容为王的传统媒体在移动互联网时代要改变思路，把握用户对细微需求的体验是其成败的关键。

此外，近两年社交产品的出现，也让智能媒体变得更有意义。 事业部副总经理、腾讯网常务副总编辑李方说：“我们以前看到的媒体都是统一面目的媒体，但我们在微博上关注、订阅不同的人，如果微博是一个媒体，那我们每个人看到的媒体都不一样，这其实在某种意义上进入了半智能的状态。”

营销变革

IBM的调研数据表明，62%的消费者认为数字媒体能够让他们更加轻松地做出消费决策。智能媒体改变了消费者行为，产生了智能用户，从而动摇了原有的营销体系。

“智能媒体时代需要智能化的营销，通过大数据分析使得生产端、销售端实现平衡。”梦芭莎集团董事长佘晓成认为，现在营销需要对用户有更智能的了解，对用户不只是细分，还要做到微分，而且广告信息也将更智能化，通过大数据分析，广告可以对用户进行更精准的投放。

正如佘晓成所言，腾讯网络媒体事业群全国策划中心总经理翁诗雅认为，在智能媒体时代，营销变革首先表现在用户微分上，受众本身的基因要变得更智能，媒体对用户的沟通要更加细微地定位。如何精准地掌握消费者的需求，其判断首先来自用户的行为。“从他们在内容截取上的行为，从他们在电商消费上的行为，从他们在社交媒体上展现出来的兴趣，我们为这些消费者贴上标签。我们过去讲的Segmentation(市场细分化)不够用了，而是Tagmentation(标签化)标签会成为最清楚的画像，目的是最大化用户价值。”

现在，人们接触的媒体更多可以理解为―屏幕，电脑、手机、平板、户外广告……《连线》杂志创始人、《失控》一书作者凯文・凯利认为这些无处不在的“屏幕”正在改变文化。“未来人们将拥有多个屏幕，这些屏幕将组成一个生态系统，在这一生态系统中，媒体将不是孤立存在的，设备也不是孤立的，我们还可以把屏幕想成生态系统，这样营销不再是向一个人做，而是向系统做。”

大数据时代的新闻媒体 篇5

一、数据新闻的制作

在大数据时代里, 新闻的报道再也不再是单纯的新闻媒体可以独自完成的一件事了。在传统的报道方式里, 我们的新闻单位通常是记者在新闻的发生地做现场的采访, 记者把材料寄送到新闻媒体单位, 由编辑负责材料的整理, 修改, 最后总编把稿件审查无误后, 再播出。在这样的新闻报道里, 我们可以观察到单个的新闻事件, 但是对于像春运这样的新闻来说, 传统的新闻报道形式是不具有优势的。当然传统的新闻报道也可以得出铁路运输旅客2.9亿人次, 但是这样的报道缺乏对比, 没有直观的可视感, 普通的受众也不是很了解2.9亿人次属于什么概念。在大数据的新闻报道里, 新闻媒体并不是单独的报道, 而是与计算机的云计算功能网络公司之间相互合作。亿赞普公司为新闻媒体单位提供了大数据的信息, 再通过互联网的云计算功能, 数据新闻的报道才得以实现。

二、数据新闻的生产过程

一般来说, 数据新闻的生产过程经历了数据的收集 (data) 、数据的过滤 (fitter) 、数据的可视化 (visualize) 、形成新闻故事 (story) 。数据的收集一般是通过两种方式:第一种是带着某个问题去寻找数据, 第二种是从一定的数据中提出某个问题加以报道。数据的来源一般是政府、企业、机构获取。一般来讲, 我国的政府公开的数据有限, 从企业、机构获取的数据较多。其中亿赞普就属于机构这样的行业。数据的过滤就是数据的筛选, 在大数据时代里, 数据呈现的是海量的特点, 再这样海量的信息之中, 并不是所有的信息都是可用的, 在海量的信息之中选出新闻报道可用的信息是数据新闻的关键所在。第三, 数据的可视化的实现, 在数据新闻的报道中给观众最直观的感受就是新闻的可视化, 这个过程一般由新闻媒体单位负责。最后数据新闻的归宿是向观众呈现一个完整的新闻故事。著名的新闻学者祝建华这样说“理想的数据新闻是准确而理想的数据故事”这里面包含了这样几个关键点。第一, 准确。不管是数据新闻还是传统的新闻报道都是新闻的一个类别。新闻是最近新发生的事实的报道, 必然要求是准确的, 如果数据新闻不能做到准确, 严格意义上说, 就不算作是新闻报道。第二, 数据故事。数据新闻实现了对受众传播感性的直观的可视化的新闻报道。相对于传统的新闻报道, 数据新闻的受众群体进一步扩大, 它的简单易懂, 可以说不管是大学生, 小学生, 老人小孩都可以理解数据新闻。

三、大数据的新闻

2014年央视的“据说春运”开启了“数据新闻”的电视报道篇章。众所周知, 每年的春运都是央视报道的重头戏, 2014年春运的输送旅客人次高达28亿次之多, 其中铁路运输占2.9亿。通过数据新闻的可视化的特点我们可以清晰地得出哪条线路最繁忙, 也就是春运的压力较大。2014年的数据新闻报道从可视化的动态图中我们可以得出, 北京到成都的光点最亮, 铁路运输的客流量最多, 这其实不难解释, 很多的四川等西南地区人是来北京务工, 再加上成都站最为西南地区的最大的中转枢纽, 自然客运量很大。在东北地区, 人口流动最密集的是沈阳到大连的铁路线了, 沈阳作为东三省的首府, 人口相对密集, 大连也是东北地区重要的城市和港口, 城市之间的经济交往繁多, 所以铁路的运载压力也会加大。

可视化的数据新闻动态图可以实现更加人性化的新闻选择, 赋予了观众更多的可操作性。在这样的一个动态图中, 首先向你展示的是全面的铁路运输路线图, 你可以直观地看到全国铁路运输动态。其次如果你想进一步了解其中一条线路的运输状况, 就可以点击其中的一条线路, 这条线路的全部详细信息就呈现在你的面前。

四、数据新闻的偏向

在各种的新闻类型里, 财经类军事类更适合于数据新闻的报道, 财经类的新闻数据较多, 所以适合于数据新闻的报道形式。目前的数据新闻处于起步阶段, 在大数据的时代了里, 一切皆可“量化”。可以说我们的文字转化成了数据, 我们的方位成了数据, 我们的沟通也变成了数据, 世间万物都转变成了数据。相信在不久的将来, 数据新闻的报道不再局限于财经类和军事类的新闻。

参考文献

[1]维克托·迈尔·舍恩伯格.大数据时代[M].杭州:浙江人民出版社, 2013.

大数据时代的精准营销 篇6

广告本着“广而告之”的美好愿望, 然而广而告之这种方式极其容易在非目标客户上投入大量资金后却收益甚微。因此, 尽量精准地找到目标客户以提高广告的传播效率就成了广告主的目标之一。

精准营销正是借助数据库的筛选, 寻找到目标客户, 实施有效的推广策略, 实现精准销售, 从而大大降低了营销费用的浪费。2005 年, 营销大师菲利普·科特勒提出, 精准营销 (Precision Marketing) 就是在精准定位的基础上, 依托现代信息技术手段建立个性化的顾客沟通服务系统, 实现企业可度量的降低成本扩张之路, 从而既实现个性关怀, 又极大降低营销成本。

在大数据出现之前, 对数据库的运用是非常有限的, 常常需要调动多个部门来共同收集、整理、分析数据。而如今, 庞大的数据已经大到用常用主流软件无法在合理的时间之内对其进行统计、分析、发掘、展现和应用。

随着大数据时代的来临, 大数据应用的商业价值得到了前所未有的挖掘和利用, 大数据正借助了它的“预测”功能在互联网营销的舞台上大显身手。越来越多的企业认识到数据的重要性, 他们从海量的数据中挖掘有效信息, 研究用户消费习惯、喜好和消费行为。

近两年大数据营销常被提及, 2015年9月5日, 国务院发布 《促进大数据发展行动纲要》, 指出大数据成为推动经济转型发展的新动力。 (1) 如今, 大数据在我国已形成产业规模, 大数据基础研究不断加强, 大数据技术产品研发不断突破、大数据技术服务能力逐渐提升, 这为社会信息与商务领域的深度融合营造了良好的发展势头。而基于此的精准营销也在大数据产业链的不断完善下以更科学合理的面貌示人。

二、大数据时代精准营销的切入点

大数据为精准营销带来的新变化固然令业界耳目一新, 而对广告主来说真正重要的是如何找到切入点, 将大数据营销从理念转换为实践。

(一) 分析用户行为, 改善用户体验

对许多商家来说, 做到比客户更了解客户是其进行产品研发和销售的重要前提。通过分析用户行为, 了解消费者的消费习惯和消费动因。广告主对这些信息的掌握帮助了他们所设计销售的产品或服务更受到消费者欢迎, 让消费者有更加良好的消费体验。比如, 《纸牌屋》 的出品方兼播放平台Netflix从3000 万付费用户的数据中分析出其收视习惯, 根据分析出的这些用户的爱好和期望值创作出了 《纸牌屋》, 而大获成功。正是对消费者的了解和重视成就了《纸牌屋》的火爆, 让Netflix赚得满盆金。 (2)

(二) 分级管理客户, 分类开展营销

客户群体并不是多个个体的单一构成, 而是分散的, 与品牌具有不同粘合度而且互相之间能够产生影响的复合群体。对客户进行分级管理, 使传统的客户管理与社会信息相结合, 能够使广告主更加了解客户群体的维度和特点。加之将产品分类定位并有针对性地开展营销活动, 实现产品与客户的对接。除此之外, 帮助广告主筛选出核心客户、重点客户、边缘客户与潜在客户也是大数据应用的一个显著功能。对广告主来说, 维系一个重要的老客户不比发展一个新客户所产生的效益少, 而且这些核心客户在消费者群体中更容易起着“意见领袖”的地位, 他们的推荐与评价很容易左右其他消费者对品牌的态度。 (3)

(三) 监测市场环境, 优化品牌传播

市场环境的变化也体现在大数据中, 通过对一系列相关数据的广泛收集与深入挖掘, 能够帮助企业提早发现市场潜在危机。通常危机在爆发之前都有一段潜伏期, 如果能通过对数据敏锐的观察, 提前觉察到市场的异常走向, 企业就能为及时应对危机, 成功化解危机甚至利用危机为企业创造一次提升品牌影响力的良好机会。大数据除了能监测市场环境变化外, 还能监测对手的动向。尤其对新企业来说, 想要在众多竞争者中挤占市场份额实属困难, 应对消费者行为仔细深入地推敲, 来为自己的产品创造机会。品牌传播行为贯穿于企业初创到企业维持市场地位的始终, 大数据之于品牌传播正如一把辅助企业进取的“望远镜”, 掌握了大数据能使品牌传播更有洞见。

(四) 进行市场预测, 调整营销策略

大数据的最根本功能就是预测, 通过对过去和当下现象的挖掘, 预测未来的发展趋势或事态运行规律是大数据最核心的作用。当下大数据产业的发展得到了国家的高度重视, 从农业到政企管理, 到交通、医药、传媒等各个领域都对数据的进一步开放和利用有着极大需求。更全面和及时的数据, 为各个领域的预测与决策提供了更好的支持。对企业来说, 预测是企业进行市场调研、战略决策和计划实施等重要环节的穿线者。大数据为企业更精准的预测提供基础, 也就为企业调整品牌传播策略的成功提供了保障, 最终帮助企业提高经济效益、社会效益, 提升企业的品牌产值。

三、对精准营销热的反思

精准营销的应用能够为企业带来诸多益处, 但也存在不足。无论从企业对精准营销运用的能力, 还是从精准营销本身的局限性来说, 对精准营销的过热奉行和过度追捧都值得反思。

首先, 从精准营销本身的局限性角度来看, 大数据时代的精准营销以大数据为支撑, 而网络自身存在的漏洞和安全隐患以及大数据对个人隐私的泄露都会引起公众反感。古人所推崇的“慎独”精神在互联网时代失去了其得以推崇的背景, 因为即使是独处, 如今人们在网上的任何踪迹也都能被搜寻、记录, 人们似乎生活在一个没有隐私的环境里。个人信息变得珍贵而廉价。站在公众的立场, 企业利用大数据所进行的精准营销正是对自己留下的信息进行侵犯。虽然互联网安全体系建设早已经被列入国家发展行动纲要, 但是建设一个安全、健康、可靠的互联网环境仍是一项重大而长远的工程。

其次, 从企业对精准营销的运用来看, 存在以下三个不足之处:数据采集、分析、利用不到位, 将精准营销局限为广告, 推送方式粗暴。对于众多中小企业和新创企业来说, 在短时间内建立有一定规模的消费者数据库确有难处, 而且对数据库的维护和更新都需要耗费较多成本。现在提供基于大数据的第三方数据分析服务、技术外包服务和知识流程外包服务的企业, 其发展得到政府的支持, 在一定程度上能缓解中小企业利用大数据的疲软现状。

精准营销的内涵包括精准的市场定位、巧妙的推广策略和更高的客户体验, 但是有的企业仅仅把精准营销理解成在广告上的运用, 这让精准营销的作用大打折扣。另一个让企业折损的做法是, 推送方式粗暴。最为常见的就是用户经常在网上买完所需要的商品后, 在接下来一段时间仍受到同类产品的推送, 然而所推送的产品已经不再为用户所需了, 这样的行为甚至让用户感到反感。除了推送内容滞后外, 推送广告视觉效果差等也是需要改良的一个问题。

结语

得到大数据助力的精准营销能够为广告主筛选出一部分无需浪费的广告投入, 能用尽量少的传播成本加上巧妙的传播策略换来优质的传播效果。在未来, 大数据关键技术的提升、大数据资源的开放共享和大数据产业链的完善是需要努力的方向, 为企业营销提供更好的大数据技术支撑和服务不仅是大数据产业内在发展的需要, 也是宏观经济环境更加稳定有序的重要保障。

注释

11国务院关于印发促进大数据发展行动纲要的通知[EB/OL].http://www.gov.cn/zhengce/content/2015-09/05/content_10137.htm, 2015-09-05

22 李光斗.拆墙:全网革命[M].第1版.北京:电子工业出版社, 2014-10.

大数据时代的媒体云互动电视应用 篇7

随着云时代的来临, 大数据 (Big data) 也吸引了越来越多的关注。大数据技术的战略意义不在于掌握庞大的数据信息, 而在于对这些含有意义的数据进行专业化处理。换言之, 如果把大数据比作一种产业, 那么这种产业实现盈利的关键, 在于提高对数据的“加工能力”, 通过“加工”实现数据的“增值”。其爆发式增长被公认为是新的自然资源。大数据具备4个V的特点:体量 (Volume) ——非结构化数据的超大规模增长, 数据体量是传统结构化数据库的10倍到50倍, 数据从TB级跃升为PB级。多样性 (Vairety) ——数据的内容多样, 可以是文本、图像、视频或者机器数据以及其他类型的数据等。价值密度 (Value) ——价值密度低, 商业价值高。以视频为例, 连续不间断监控过程中, 可能有用的数据仅仅有一两秒。速度 (Velocity) ——数据分析要求以最高的速度实时产生, 而非传统数据挖掘技术的事后分析。

目前, 行业对于采用云计算技术支撑广电互动电视应用已经形成了共识, 通过“媒体云”平台, 传统的广播电视可以具备点播、时移、回看等功能, 进而向用户提供统一高效的互动电视业务体验。然而, 如何进一步经营好互动电视服务, 为用户提供具有差异化、个性化的高品质服务成为了提升交互电视运营价值的一个课题, 大数据技术的应用为这一诉求带来了完美的解决方案。

广电业务云平台通过引入大数据技术, 可以从以下几个层次收集数据并进行实时分析, 进而获得相应的信息。

用户收视数据——通过对于用户在不同时间收看不同电视频道, 进而了解用户关注的电视频道乃至电视节目内容、类型等信息。

用户点播数据——通过收集分析用户对于VOD的使用情况进而了解用户的收视习惯以及对于点播节目的喜好信息。

机顶盒终端使用数据——通过对于终端设备运营情况数据的收集与分析进而了解用户的使用习惯以及网络的运行状况。

通过对于以上数据的收集分析, 可以为用户提供全新的互动电视服务形式, 可以有效地提升业务到达率和用户活跃度, 进而提高用户的ARPU值。这些全新的典型应用包括:

个性化的EPG

在双向网络条件下, 借助于云平台和大数据技术, 用户的EPG不再是千篇一律, 系统可以依照用户的喜好以及收视习惯, 在用户的终端EPG上有针对性的推荐内容, 从而实现EPG的个性化。进一步的, 可以通过社交化能力的导入, 在EPG中实现了解用户的好友、邻居等其他用户的收视热点, 大大增强用户的活跃度。

智能节目推荐

通过云计算平台和大数据技术对于用户收视行为的分析, 以及对于播出节目内容和后台系统的分析, 可以在用户观看电视节目的时候有针对性的向用户推荐相关联的节目, 这一推荐类型存在以下形式。

开路频道导视

通过对于EPG数据的挖掘, 可以将传统的基于时间线的频道资源碎片化, 进而切分成基于内容的分块的频道资源。系统可以通过先验知识的自动化分析, 进而可以了解到每个电视频道在不同时间段播出的节目类型, 进而可以根据节目类型将频道进行聚类。这改变了过去以频道编号或者频道类型进行分类的频道方式, 进而可以依照当前频道播出的节目类型对于所有频道进行动态分类。采用这样的方式, 可以大大方便用户选择收看的电视频道, 变被动的扫描频道为主动的选择感兴趣的电视频道进行收看。 (见图1、2)

点播推荐点播

通过对于点播数据媒资内容的分析, 可以实现对于点播节目内容的关联, 进而可以在用户点播观看VOD节目时对用户推荐其他类似主题、类似导演、类似演员的节目。进而, 通过对于用户行为的分析, 可以向用户推荐其他用户观看的热门节目等, 增强用户使用VOD服务的活跃度。

直播推荐点播

用户当前正在观看某电视台播出的某部电视剧的第6集, 传统情况下在其播完后用户只能在次日才能收看到该电视剧的下一集, 然而如果VOD系统中恰好也有这部电视剧, 那么就可以在该电视剧的第6集播出时提示用户通过VOD点播观看该电视剧的第7集, 进而可以有效地提升互动电视的使用率。 (见图3)

智能广告投放

数字电视机顶盒的UI与交互界面为在系统中开展广告运营提供了很好的空间。传统的数字电视广告包括EPG广告、音量条广告、换台广告、贴片广告等。通过媒体云平台与大数据技术的应用, 广告的投放可以更加智能。一方面系统通过前文所属的对于电视频道当前播放节目内容类型的分析, 进而为该时段该频道的相关广告位投放相关联的广告。例如会将啤酒的广告自动投放在与体育、娱乐等相关联的节目频道与时段, 而将日用品的广告自动投放在与生活、女性相关联的节目频道与时段。另一方面, 系统可以对于用户收视习惯与行为喜好进行实时分析, 进而为时常收看体育节目的用户投放体育用品广告, 为时常收看娱乐节目的用户投放时尚用品的广告。 (见图4)

实时收视率分析与导视

借助媒体云平台与大数据技术, 收视率的统计不再是一个难题。系统可以通过双向网络实时收集每一个终端的收视情况, 借助于对用户所在区域的了解, 实时分析不同时段每个电视频道的收视率情况, 乃至不同电视频道播出的不同电视节目的收视情况 (见图5) 。此外, 借助于收视率分析数据, 系统可以对用户的收视行为进行实时引导, 例如将需要推广的电视频道的栏目通过推送广告的方式下发到用户终端, 从而对用户收视情况进行实时引导, 实时影响不同频道的收视率。

实时网络运行状况报告

在双向网络的情况下, 用户的机顶盒终端的运行情况不再是一个无法探测的黑盒子, 而是可以通过自动向平台报告终端运行状态, 进而可以了解终端和网络的运行情况, 有助于运营商分析统计提升数字电视网络的运营质量。例如, 借助于业界通用的TR069终端网管协议, 云平台可以实时了解网络中每一个终端的观看节目、信号质量、网络时延、终端CPU内存等的使用情况等。这样在网络发生故障造成信号中断或者终端个体原因发生故障时, 系统可以第一时间了解到故障的发生, 进而在用户投诉之前掌握到问题, 主动优先为用户提供更好的保障服务。 (见图6)

大数据如何助力媒体 篇8

大数据 (Big Data) 并不是一个全新的概念, 这个词汇诞生前, 我们通常将类似技术称为数据仓库 (Data Warehouse) 或商业智能 (BI) , 那么为什么大数据会在最近一两年成为和云计算齐名的新名词呢, 关键在于大数据所蕴含的商业价值, 坦率的说挖掘出这些商业价值并非易事, 它需要一套完整的方法论及配套的IT工具。目前大数据在互联网行业特别是电商应用比较深入, 也产生了可观的价值, 媒体本身是数据制造者, 但并未顺理成章的成为大数据驾驭者, 究其原因主要是因为媒体的数据尚未形成完备的价值链分析体系, 所以这些数据没有产生增值效应, 伴随全媒体时代的到来, 媒体需要将全价值链的数据整合, 应用相关的IT技术实施挖掘, 把媒体大数据的价值提炼出来, 为指导媒体从信息采集、加入、生产、投放的全流程提供有价值的决策信息。

大数据目前没有准确概念, 我们通过分析大数据的特点, 尝试给出一个概念轮廓:业界通常用Volume (容量) 、Variety (种类) 、Value (价值) 、Velocity (速度) 这4个V来概括大数据。大数据的特点包括:第一, 数据体量巨大, 从TB级别跃升到PB乃至EB级。第二, 数据类型繁多, 按照组织类型分为结构化、非结构化和半结构化数据, 按照使用类型分为文本、图片、音频、视频、网页、表格、日志等无限多类型的数据。第三, 价值数据挖掘难度大, 即价值密度的高低与数据总量的大小成反比。以视频为例, 一部一小时的视频, 在数据挖掘过程中有用的数据可能仅仅只有几分钟, 如何通过云计算更迅速地完成大数据的价值“提纯”是目前大数据价值体现的关键。第四, 大数据的价值生成速度, 我们常说效率就是金钱, 在大数据领域同样适用, 同样的大数据你先分析出价值点, 就会领先竞争对手生产适销对路的产品, 对于媒体更是如此, 同样的报道, 如何组织更适合受众欢迎的内容, 大数据的分析工具会给你一些启示, 这些启示可能就是领先对手的价值点。

二、大数据的价值

大数据的价值是怎样体现的呢?我们不妨分析两个成功案例, 第一是e Bay, 互联网行业的代表, 第二是沃尔玛, 传统行业的代表。

“e Bay在5年前就建立了大数据分析平台。在这个平台上, 可以将结构化数据和非结构化数据结合在一起, 通过分析促进e Bay的业务创新和利润增长。”e Bay分析平台高级总监Oliver Ratzesberger如是说。现在, e Bay的分析平台每天处理的数据量高达100PB, 超过了纳斯达克交易所每天的数据处理量。为了准确分析用户的购物行为, e Bay定义了超过500种类型的数据, 对顾客的行为进行跟踪分析, 最显著的变化反应在广告费上。e Bay对互联网广告的投入一直很大, 通过购买一些网页搜索的关键字, 将潜在客户引入e Bay网站, 为了对这些关键字的广告投入、产出进行衡量, e Bay建立了一个数据分析系统。通过这个系统, 可以精确计算出每一个关键字为e Bay带来的投资回报, 通过对广告投放的优化, 自2007年以来, e Bay产品销售的广告费降低了99%, 顶级卖家占总销售额的百分比却上升至32%。

传统零售商巨头沃尔玛, 早在1969年就开始使用计算机来跟踪存货, 1974年就将其分销中心与各家商场销售情况运用计算机进行库存控制;1983年, 沃尔玛所有门店都开始采用条形码扫描系统;1987年, 沃尔玛完成了公司内部的卫星系统安装, 该系统使得总部、分销中心和各个商场之间可以实现实时、双向的数据传输。采用这些在当时还是超前的信息技术来搜集运营数据为沃尔玛最近20年的崛起打下了坚实基础。如今, 沃尔玛拥有着全世界最大的数据仓库, 在数据仓库中存储着沃尔玛数千家连锁店在65周内每一笔销售的详细记录, 这使得业务人员可以通过分析购买行为精确了解他们的客户。

从上面的案例我们可以看到对于现代企业而言, 大数据已经不是可选项, 而是必选项, 谁的数据越多, 分析结果越好, 谁就越有可能立于不败之地。IDC在其关于大数据的报告中指出, 领军企业与其他企业之间最大底差别在于新数据类型的引入, 那些没有引入新的分析技术和新的数据类型的企业, 不太可能成为其行业的领军者。

数据资产正在当仁不让地成为现代商业社会的核心竞争力。与其他行业相比, 互联网行业已提早感受到大数据对商业价值带来的深刻变化, 当很多企业还在因为大数据对本行业的变革无所适从时, 一些互联网企业已经完成了核心竞争力的重新定义, 这种核心竞争力的体现意味着大数据时代的来临。

媒体无一例外都握有大量数据, 但这些数据通常只是媒体的生产内容, 并没有把从生产者到消费者的全价值链数据整合起来, 比如媒体的营销数据是否已和生产数据实现精确关联, 所有类型的数据是否已实现精确地元数据描述, 这些都是进行大数据分析的关键。

三、如何使用大数据

1、媒体中大数据的产生及应用方式

要驾驭大数据首先要清楚它产生的过程, 我们看一下典型媒体大数据的产生流程 (见图1) 。

通过图1可以看出, 媒体的全流程生产都会产生数据, 这些数据该怎样获取呢, 笔者提出如下建议:

(1) 传统环节的数据整合, 这主要涵盖信息的采集、加工和投放, 这些数据可以直接获取, 并可按照行业标准的XML格式进行描述, 这些数据的整合很多媒体都已完成 (通常称为媒资系统) , 优化的方向是逐渐提升元数据描述精度和广度。

(2) 传统方式用户行为数据, 因为很多数据没有电子化, 这部分数据的采集比较困难, 需要涉及人工或第三方途径获取行为数据, 但数据本身仍然很有价值。

(3) 新媒体方式用户行为数据, 数据完全电子化, 采集比较容易, 核心点在于采集的数据颗粒度要足够细致, 如受众对于某信息的获取方式是直接浏览还是搜索链接、使用的什么关键词找到、浏览过程页面停留时间等多维度数据信息。

在获取了相当数量的大数据后就要对它进行分析了, 这里同样提出一些基本原则:

(1) 大数据的价值就像散列在沙子中的金粒, 不可能一下全部提取出来, 也很难全部提取出来, 它是遵循人们对知识的认知过程来逐渐体现价值的。按照循序渐进的原则, 先找出一些最基本的规律进行分析, 比如信息、受众及获取方式的分布规律, 不同信息内容与受众群体的分布等等。

(2) 逐步开始培养数据分析师。大数据的价值体现关键还在人, 因为大数据的分析模型是人设计的, 其他类似云计算、数据仓库、BI等技术只是不可或缺的工具。伴随着大数据的发展, 一类被称为数据分析师的高端人才也应运而生, 所以媒体若想用好大数据是需要一支数据分析师队伍。

(3) 大数据的分析结果可以指导媒体设计产品类型及增值方式。通过分析信息产品的受众分布可以帮助设计更多产品类型及计算人员分布合理性, 通过分析产品的组合获取方式可以设计更加合理的增值产品。

(4) 大数据辅助高层决策。大数据的分析结果是建立在数据基础上的科学分析, 换句话说它的计算结果是完全量化的, 所以当媒体高层需要对企业战略发展作出决定时, 合理的大数据分析结果可以提供非常有价值的决策支撑。

前面对媒体如何使用大数据在业务层面进行了简单分析, 在技术层面我们同样需要分析目前的技术是否已经为大数据做好准备?

2、构架面向未来的大数据系统

传统应对大数据的IT技术通常是数据仓库或BI, 通过应用大型关系数据库、多维分析引擎、小型机、SAN存储可实现对一定规模结构化数据的分析, 可以看出, 传统IT技术的计算能力及存储能力以纵向扩展为主, 横向扩展一般, 这对于一般规模的数据挖掘问题不大, 但是当面对大数据的4V特性时, 传统IT技术就显得力不从心了, 伴随着云计算时代的到来, 完全的分布式计算和分布式存储是解决大数据分析的最佳利器。

分布式计算和分布式存储在互联网等超海量数据处理领域已经得到了大量成功应用, 实践证明这种体系架构是一种高度伸缩的, 计算能力及存储能力趋于无限扩展的高性价比数据处理平台, 这个平台的典型代表就是Hadoop或者基于此架构的延伸产品, 它可以在一个平台很好解决大数据的两个关键问题, 即数据的存储和数据的分析计算, 所以基于此平台建设的大数据系统有如下特点:

(1) 本身就是云计算平台。处理好大数据一定需要一个强大的计算平台, 很多企业都已开始尝试建设自有的云计算平台, 这些平台达到一定规模后就直接可以用于部署大数据, 而大数据又可以充分利用云计算平台的计算能力, 所以从这个意义上讲, 大数据和云计算是珠联璧合, 云计算是基础, 大数据是应用。

(2) 大数据系统和原有数据平台是融合关系。这种融合体现在两方面, 首先是原有数据平台是数据源, 经过ETL过程后数据进入大数据系统, 但并不是所有数据都进入, 这主要取决于需要分析的内容和分析的方式;第二并非所有分析都在大数据平台上完成, 原有数据平台已经具备了一定的分析能力, 这些分析功能不应浪费, 而应该集成, 即大数据分析系统是所有数据平台分析结果的总集合, 每个数据平台仍然承担一定的分析任务, 只有最适合或是计算任务最复杂的分析直接在大数据系统上完成。

(3) 大数据系统是一个整合的分析平台。基于Hadoop架构建设的大数据系统并不是万能的, 它的Map/Reduce模式更适合于海量半结构化数据的并行处理, 传统RDBMS、BI仍然在结构化数据处理方面拥有不可替代的优势, 所以大数据分析系统应该是一个整合的分析平台, 即每种分析过程都有最适合的技术, Hadoop本身的分析工具目前也不够完善, 还远未达到类似RDBMS、BI商品化软件的完成度, 所以如果计划使用Hadoop架构, 是需要一只能力较强的软件开发队伍。

(4) 分布式数据存储。大数据系统要同时面对超海量数据存储及超多类型数据处理两个挑战, 要实现解决这两个挑战的和谐统一, 首先需要选择一个强大的分布式数据存储平台, 也称集群存储系统。它要实现随着数据量的提升性能可线性增长, 同时要处理好各种类型数据进行分析时整体系统的负载是基本均衡的, 这是一个比较复杂的课题, 它和数据的分布方式及分析过程都密切相关, 所以在构建大数据系统时要考虑这些问题, 也许只有相对最优方案, 因为谁都不知道大数据到底能找到多少价值。

(5) 建立中间层数据接口标准。由于大数据分析是多个子系统协同计算的过程, 所以各子系统的结果数据及子系统之间数据交互是需要一套标准的, 这个标准要实现可以追踪任何颗粒度的数据在大数据系统全流程是如何变化的, 这样任何数据及任何系统间的分析都是可以互相继承的, 这个标准程序化后将演进为虚拟层, 即分析师不用关心数据源在什么地方, 而只需设计某分析系统需要使用哪些数据得到什么结果。

(6) 重要的是先做起来。前面的描述可以看到构建一个完整的大数据系统并不简单, 但这并不妨碍我们把事情先做起来, 在大数据应用最纯熟的互联网行业, 他们通常遵从简单、直接的原则, 即并不对数据进行大量的重新整合, 原有数据能直接利用就直接利用, 目的就是通过尽量简单的方式得到分析结果, 所以借鉴这个原则, 媒体应该首先对目前已有的数据进行分析, 找到一些规律, 即明白自己需要什么, 目前的系统提供不了什么, 这样才能为构建成熟的大数据系统打下基础。

四、总结

通过上面分析我们不难看出大数据基本遵循着“数据收集-知识形成-智慧行动” (引自驾驭大数据一书) 的过程, 同时应该看到“数据只是源, 思想才是分析之父, 有价值有影响力的分析才是优质分析”。大数据的分析结果是区别于报表或固定数据呈现模式的, 它是媒体把握现状、预测趋势的一种利器, 充分利用好大数据可以更好地驾驭未来。

浅析大数据背景下传统媒体的转型 篇9

1. 大数据时代

早在2013年,随着数据的发展,Youtube公司平均每秒就会有长度在一小时以上的视频上传,谷歌公司每天都需处理超过24拍字节的数据,相当于美国国家图书馆所有纸质书籍总和的上千倍,可见当时数据社会的发展程度,因此2013年,被国外媒体称为“大数据元年”。而随着大数据的持续发展,到2016年,人们每天在多媒体上所进行的互动也成倍地上涨,大数据已成为人们生活中不可或缺的一部分。

所谓大数据,并没有确切的定义,其大致可以理解为,拥有超出常规数据库的数据,并且拥有对数据的获取、存储以及分析能力的数据集。由此可见大数据相对于常规数据库所占的优势,以及它数据的庞大与丰富。信息时代的来临,使得数据渗透到各行各业,成为行业发展、人类生活必不可少的因素。

大数据存在自身独特的特征,其以海量的数据规模,流动、更新速度快,数据种类多样,真实可信而著称。

互联网通过将各个计算机联系起来,人们在互联网上的交流和信息的互动,成为互联网获取信息的有效途径。互联网通过这样的信息获取,收集了大量受众的相关信息,为各行各业提供了消费者的相关信息,受到各行各业的喜爱。社交网络、物联网以及云计算的信息基础设施的完善,都为大数据的发展提供着坚实的后盾。

2. 传统媒体的现状分析

2.1 传统媒体的特点

其特点有:1)传统媒介的传播符号单一,难以满足人们的需求。广播只能传播声音,报纸杂志只能传播文字和图片。2)传统传媒传播的时效性和便捷性较差,电视只能在规定的时段传播信息,难以做到便捷性,而报纸、杂志的传播时效性、便捷性也较差。3)传统媒体的传播,从传播的方向来看,只是传播媒体对受众的信息传播,得不到受众的信息反馈。4)传统媒体的信息传播,传播者作为传播的主体,受众只能被动地接受信息,难以满足受众自主择取的需求。

2.2 传统媒体的弱势

大数据的发展为人们的生活、生产带来了诸多便利。例如,在北京,微软通过研究分析车轨的分布解说城市交通状况;在青海,青海湖国家级自然保护区则早已成立科研基地,依托互联网对青海自然保护区进行生物生态的观测与分析,发现其动植物、土壤、水质、气候等整体自然环境的生态运行规律,并有针对性地实施保护措施。这些从一点出发窥探全局的技术,是传统媒体难以做到的。究其原因如下:1)传统媒体所掌握的信息较为狭窄。2)传统媒体对于数据的分析能力欠缺,不能对大量的数据进行分析、解决。3)传统媒体不具备分析大数据的基础设施及相关人才。

2.3 传统媒体的优势

在新媒体的冲击下,传统媒体也在做出自身的调整与完善,以适应时代的发展。例如,湖南卫视、东方卫视、浙江卫视等,他们都得到了进一步的发展。在大数据的冲击下,仍旧拥有着大批的受众。证明传统媒体也拥有自身的优势。首先,传统媒体中的媒体工作者工作经验丰富,对于信息的加工处理有着自身独特的处理手法,并且积攒的数据库相当丰富,这些在与新媒体进行内容的比拼中占据着自身的优势;其次,传统媒体有着一定的固定受众,多年的发展形成了自身的品牌,利用品牌的价值取得了众多受众的信任与依赖。

3. 大数据背景下传统媒体面临的挑战

3.1 传统数据本身面临的挑战

大数据的一大特征是的数据资源的充沛,然而它的数据大多来自于多种社会个人和社会群体互动时所产生的信息数据,因此,也具有一定的局限性。然而,对于传统媒体而言,对于信息的挖掘、分析、应用难以做到符合现代人的需求。传统媒体想要适应时代的需求,需要解决以下挑战:能不能构建有效的大数据平台,对大数据进行行之有效的分析,以及挖掘与应用。

传统媒体在现代发展中难以适应的重要原因就在于缺乏对数据进行有效加工的能力。在大数据时代,数据处理技术以及服务器集群在信息的处理过程中占据着重要的地位,使得数据的掌控权逐渐脱离了传播媒体的控制,在这种发展趋势下,技术对于传统媒体的制约越趋明显。

我国对于大数据的发展还不完善,也会有一些缺陷与瑕疵。社会中对于新闻事件的研究工具难以适应发展,探究、分析媒体的运营情况也不容乐观,在跨领域跨行业的数据分享与整合中还存在很多的阻碍与壁垒。然而跨领域跨行业的数据整合在形成新知识、新理论中具有重要地位,这就形成了当今大数据背景下传统媒体面临的巨大挑战。

3.2 新闻工作者所面临的挑战

随着大数据时代的到来,传统新闻工作者也面临着巨大的挑战,他们需要依据时代的要求做出新的知识补充和能力的挖掘,以符合时代的需求。现在传统媒体工作者所面临的挑战主要有:1)如何从大量的数据中找出有价值的新闻数据。传统媒体中的新闻工作者,要充分分析、利用大数据资源,养成一双善于发现的眼睛,从众多的信息中发现隐藏新闻价值的信息,从而进行有效的信息加工与整合,发掘有价值的新闻。2)如何将数据运用得更加生动。数据的呈现是较为枯燥、抽象和难以理解的,新闻工作者要善于将枯燥的数据以具有趣味的、可观的方式展示,从而提高受众的观看率,善于用数据讲故事,用文本解释数据,使数据转变为大众乐于接受的展现模式,以全新的富有新意的方式传递新闻信息。3)如何保证信息的真实性和准确性。新闻工作者不仅要善于发现、发掘有效信息,还要具有敏锐的数字感知能力,善于从获取的信息中辨别信息的可靠性和准确性,判断数据是否科学,对于所要传播的信息是否具有对比价值等。新闻工作者还要对各种数据的运用方法进行有效的把握,从而能更好地处理各类数据。

4. 充分利用大数据,促进传统传媒的转型

4.1 树立利用大数据、促进传统传媒转型的理念

在大数据时代,传统媒体要学会以大数据的视野和观念进行发展,以适应时代的需求,促进新理念、新平台的产生,为传统媒体的发展建立新的起点。在过去的几十年里,传统媒体对于大数据的发展存在偏见和误区:一是对大数据存在偏见,漠不关心,失去了发展的先机;二是有所认识,但没有采取措施,导致地位受到影响和蚕食;三是有一定认识但是较为盲目,没有采取切实可行的策略。传统媒体应该理性面对大数据的发展,看到彼此间差距,寻找自身的特色,从而做好准备,形成可行性策略,合理借助大数据,进行新的发展。

4.2 建立与数据化运作相适应的管理机制,提升对数据的运用

要想真正以大数据为支点,进行传统媒体的转型,就需要建立与之相适应的管理机制。首先是组织架构的改革。传统媒体要针对大数据的高速发展,借鉴其管理机制,转变技术与经营管理相分离的格局,成立专门的机构并建立相关的规章制度,从而促进传统媒体的发展。其次,注重技术因素在生产过程中的作用。传统媒体一直注重内容因素,忽视技术的作用,而大媒体则更重视技术在生产中的合理运用,因此,传统媒体要正视技术因素,合理设计流程以及控制成本。再次,传统媒体要注重对内部人员的培训与训练,发掘与时代相适应的人才。最后,加强各个流程人员的联系与合作,使其形成团队意识,加强配合。

此外,传统媒体作为传媒中的元老,要带头呼吁社会数据的公开化,丰富社会数据。我国数据的公开程度远远低于欧美,公共部门的数据资料还处于起步阶段,众多的人员还有众多顾虑,因此,传统媒体要肩负起开放数据的重担,使中国的大数据愈加丰富,为传媒的发展提供更多的可能。

总之,传统媒体在大数据下的转型,首先要对大数据有充分的认识,之后明确自身与大数据之间的差异,寻找到自身所具有的优势,并接受大数据时代的挑战,借助大数据发展自身的特色。

摘要：随着时代的发展,信息技术取得了更大的进步,数据量、数据处理技术都得到了质的飞跃,为信息技术的发展提供了保障。随着大数据时代的来临,人们的观念和行为得到了转变,互联网的高速发展,为传统传媒带来了巨大的压力。传统传媒能否适应大数据的发展,并做出适当的调整,拥有与大数据相适应的竞争力,成为决定传统媒体能否继续存在的关键。

关键词：大数据,传统传媒,转型

参考文献

[1]纪楠.大数据背景下传统媒体的转型与突破[J].青年记者,2016(12).

[2]刘立刚,张岩.“大数据”背景下传统媒体的困境[J].新闻知识,2014(06).