(二)传统传播、互联网传播与智能传播的比较
我们可以从信息丰富程度、传播模式、信息公开度、及时性与互动性、商业模式等方面进行比较分析(参见表1)。
第一,在信息丰富程度方面。传统传播适应的时代为信息稀缺时代,在该时代信息相对稀缺,无论是报纸、杂志、广播还是电视,只要内容做得好,就能够吸引用户;互联网传播适应的时代为信息丰裕时代,在该时代信息相对丰富,以门户网站为代表的PC互联网媒体,单纯依靠内容已经难以赚取真金白银;智能传播适应的是信息过载时代,在该时代信息过多过滥,过载的信息带来极大的信息噪音,单纯的内容已经难以吸引用户,这就需要传播者提供针对每个用户的个性化、定制化的信息。
第二,在传播模式方面。传统传播是大众式的传播,即一点对多点、标准化的传播;互联网传播则是多点对多点、全立体的、链式的、病毒式的传播方式;智能传播则是多点对一点式的传播方式,即多个信息源来对应一个用户。
第三,在信息公开度方面。传统传播的信息公开度较低,是精英式的传播;互联网传播则信息公开度较高,实现了信息的高度公开和透明,也在很大程度上打破了信息的不对称性;智能传播则实现了传播者和用户两端的高度公开,实现了信息的对称和透明。
第四,在及时性与互动性方面。传统传播一般滞后于信息,及时性不够,互动性更为缺乏;互联网传播较好地解决了及时性,互动性也有了很大程度的改善;智能传播则在信息和用户两端都实现了及时性和互动性。
第五,在商业模式方面。传统媒体的商业模式为
表1
“二次销售”,即第一次通过发行把传媒产品售卖给用户,进而获得传播功能,第二次再把传播功能售卖给广告主;互联网的商业模式为“免费+收费”,即先通过免费的信息和服务来吸引巨量的用户,然后再通过增值业务向某些用户或者第三方收费;智能传播的商业模式则在互联网的商业模式上,进一步实现智能信息直接收费。
(三)智能传播的核心——基于大数据的智能信息匹配
在信息过载的情况下,存在着多就是少的悖论,即过多过滥的信息与能够满足用户的有效信息极度匮乏之间的矛盾。而要解决这个矛盾,真正满足用户个性化、定制化的信息需求,就必须通过数据挖掘和分析技术,打造基于大数据的信息智能匹配平台,在不断优化用户信息需求的基础上,实现信息和用户需求的智能化匹配。这就要求我们做好如下工作:
第一,打造巨型的云信息服务平台,在该平台上,云集着各式各样的信息,既有文字的,又有音频和视频的,并能实现信息的分类筛选、摘编和深度加工。
第二,打造大型的大数据平台,在该平台上能够通过数据挖掘和分析等方式,实现对读者和受众个性化需求的准确定位和把握。[1]
第三,能够通过技术手段低成本地在信息和受众个性化、定制化的需求之间实现智能化匹配,并能通过各种支付手段,实现智能化信息的收费。目前,一些巨型的信息平台已经形成,如Google、Facebook、亚马逊、百度、新浪、腾讯等,也出现了搜索、筛选、推荐等新技术手段。利用技术手段实现精准信息和读者需求的智能匹配进而实现信息的收费将仅是个时间问题。例如,亚马逊通过自己研发的被业界称之为“鬼打墙式的推荐”的精准推荐系统每秒卖出的商品达72.9件,这种精准推荐系统就是跟踪客户的所有消费习惯,不断进行优化。Google和百度利用搜索和筛选手段在一定程度上实现了读者的主动信息需求,而亚马逊等利用推荐手段也在一定程度上满足了读者的被动信息需求,而基于巨型平台的社会引擎将能够实现精准信息和读者需求的智能匹配。
目前,在国内,互联网三巨头BAT(百度、阿里、腾讯)已经在大数据和智能传播方面打下了坚实的基础,这也给其带来了丰厚的收入。例如,阿里巴巴围绕大数据打造出了巨型的信息系统,其广告收入从2012年的98.04亿元高速增长到2014年的297.29亿元。
(四)传媒业大数据实践误区
当前,传媒业虽然高度重视大数据,但是在大数据实践中仍存在多种误区。
第一,依然秉持“内容为王”理念。正如上文所述,智能传播的关键是智能信息匹配平台,单纯的内容已经难以为继,但是很多传统媒体依然单纯从内容上发力。[2]
第二,认为大数据仅仅是工具。很多传统媒体仅仅把大数据当成工具和手段,而没有把大数据当成传媒业的底层架构和标配,这必然导致其在发展大数据的过程中变形。
第三,误把数字化当成数据化。很多传统媒体认为,只要把之前的用户资料和内容资源从此前的纸质版转为数字版就实现了数据化,其实这仅仅是数据化的最浅层工作。
第四,误把新闻可视化当成数据化。很多传统媒体仅仅把数据化当成数据新闻或者可视化新闻,其实数据化是整个系统的数据化,单纯的数据新闻或者可视化新闻都远远解决不了实际问题。
四、智能传播的盈利模式
第一,信息服务收费。由于信息智能匹配能够给用户节省大量的时间,用户必然会对其收到的个性化、定制化信息服务付费,而可以预测,这一块将会有上千亿元的市场规模。
第二,广告。未来,基于大数据的广告能够实现精准投放,则这一块也会有很大的市场。
第三,电子商务。基于大数据的电子商务,将成为智能信息匹配平台的重要组成部分。
第四,舆情增值服务收入。媒体可以给政府、企业等各类组织提供基于大数据的舆情服务,进而获得收入。
第五,网络行政服务。智能传播平台能够为当地政府提供高效的、标准化的网络行政业务,其市场规模也会很大。
数据分析咨询请扫描二维码
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数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21