大数据技术对传统媒体转型升级的三大价值
网络和数字技术的快速发展,带来媒体格局的深刻变革。数字新兴媒体发展之快、覆盖之广超乎想象,“数字化”正以旋风般的速度带给传统媒体行业转型升级三大价值。
一、重建用户连接价值,传统媒体或可实现“弯道超车”
传统媒体陷入困境很大一部分原因是与用户连接失效。近几年来,在互联网媒体对传统媒体的猛烈冲击下,传统媒体的受众大量流失,导致入口价值大大贬值,广告收入大幅度下滑,专业人才流失。因此传统媒体的核心竞争力被大大减弱,并陷入恶性循环。
据CNNIC数据显示,截至2015年12月,中国网民规模达6.88亿,全年共计新增网民3951万人。互联网普及率为50.3%,较2014年底提升了2.4个百分点。中国手机网民规模达6.20亿,较2014年底增加6303万人。网民中使用手机上网人群占比由2014年的85.8%提升至90.1%。中国网民通过台式电脑和笔记本电脑接入互联网的比例分别为67.6%和38.7%;手机上网使用率为90.1%,较2014年底提高4.3个百分点;平板电脑上网使用率为31.5%;电视上网使用率为17.9%。随着4G的大规模推广和应用,未来的手机网民规模必将迅猛增加。而传统媒体要实现自身的真正转型,就必须以用户为中心重建用户连接,进而重构自身的内容输出模式和创新盈利模式。而要重建用户连接,既需要通过自身的数字化尽可能地抓取用户信息,又需要创新媒介内容和形式激发受众主动地阅读及分享,不断拉近媒体和用户之间的距离。
二、传统媒体行业将继续通过跨界融合实现转型
近几年随着互联网技术的快速发展,给传统媒体带来了前所未有的机遇与挑战,转型融合成为传统媒体未来发展的必然趋势。搭乘“互联网+”的快车,深入转型、深层融合,在这个属于信息产业的行业不断上演:
在国外,早在2013年全球电商平台亚马逊创始人贝索斯个人以2.5亿美元收购受巨亏影响的美国报纸《华盛顿邮报》,被收购后的《华盛顿邮报》一直扩展数字业务,创造新的收入来源;在国内,阿里巴巴在2015年以12亿元入股上海文广旗下第一财经传媒有限公司,阿里巴巴和上海文广将在新媒体和金融信息服务领域实现战略合作;同样在2015年,杭州报业集团旗下的上市公司华媒控股与领先的“互联网+”解决方案提供商泰一指尚签署《战略合作框架协议》,双方以互联网核心技术为驱动,优化整合资源,共同打造全新的互联网媒体平台,构建代表未来发展趋势的产业模块。由此可见,在“互联网+”的大时代背景下,传统媒体的数字化是大势所趋。
跨界合作盛行,全媒体融合继续演进互联网和传统媒介,内容和营销的边界也逐步模糊。通过信息技术对传统产业的整合,特别是数据技术与传统产业的深度融合,形成了新的内容生产方式,实现了传统媒体产业自身的数字化升级,也彻底创新了传统媒体的作业模式。
三、大数据技术是提升传统媒体行业竞争力的关键要素
伴随着移动互联网的快速成长,人们开始以电脑、智能手机、PAD、互联网电视获取信息,终端的私人化带来媒体选择的个性化,用报纸版面、电视节目单强制信息渠道的方式越来越弱,同时新的媒体形式不断出现并争夺受众的阅读习惯。传统媒体在面临这种困境下,开始全力布局移动客户端:门户网站wap版、微信公众平台、微博粉丝平台、移动APP等工具层出不穷。信息传播从单一的文字及画面演变为文字、视频、音频、互动、电商导购等多种技术形式互动展示的新方向,也更加受到受众的青睐。在传统媒体转型升级的路径中,大数据技术作为当代的数据资源的重要支撑,对传统媒体的转型与发展起着重要作用。
大数据技术给传媒带来的最大的思维变革,其一,在于能够通过数据挖掘等方式,实现对读者和受众个性化需求的准确定位和掌握;其二,在于能够通过技术手段低成本地实现信息和受众个性化、定制化需求之间的智能化匹配。以Facebook为例,Facebook借助大数据技术收集社交平台上的热点信息,通过不间断的监控,采集最受用户关注、转发量最大的热点信息,加工形成新闻产品或原生广告向用户推送。
数据时代,传统媒体的运作方式正在发生深刻变革。“内容为王,大数据技术为支撑”是传统媒体转型的有效途径。2016年,将有更多传统媒体行业巨头进军大数据产业。数据资产已经成为物质资产和人力资源同样重要的资产,也是生产和运营的重要环节,大数据技术的使用将成为未来提升传统媒体行业竞争力的关键要素。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 8-1 Pandas 数据重塑 - 数据变形 数据重塑(Reshaping) 数据重塑,顾名思义就是给数据做各种变 ...
2024-11-26统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22