(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
《Python数据分析极简入门》 第2节 2 Pandas数据类型 Pandas 有两种自己独有的基本数据结构。需要注意的是,它固然有着两种数据 ...
2024-11-01《Python数据分析极简入门》 第2节 1 Pandas简介 说好开始学Python,怎么到了Pandas? 前面说过,既然定义为极简入门,我们只抓 ...
2024-10-31在当今数据驱动的世界中,数据科学与工程专业的重要性愈发凸显。无论是推动技术进步,还是在商业决策中提供精准分析,这一专业都 ...
2024-10-30在当今信息爆炸的时代,数据已成为企业决策和战略制定的核心资源。爬虫工程师因此成为数据获取和挖掘的关键角色。本文将详细介绍 ...
2024-10-30在当今数据驱动的世界中,数据分析是揭示商业洞察和推动决策的核心力量。选择合适的数据分析工具对于数据专业人士而言至关重要。 ...
2024-10-30能源企业在全球经济和环境保护双重压力下,正面临前所未有的挑战与机遇。数字化转型作为应对这些挑战的关键手段,正在深刻变革传 ...
2024-10-30近年来,随着数据科学的逐步发展,Python语言的使用率也越来越高,不仅可以做数据处理,网页开发,更是数据科学、机器学习、深度 ...
2024-10-30大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-30《Python数据分析极简入门》 附:Anaconda安装教程 注:分Windows系统下安装和MacOS系统安装 1. Windows系统下安装 第一步清华大 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28银行业正处于一个前所未有的数字化转型时期。在数字经济的驱动下,金融科技如大数据、人工智能、生物识别、物联网和云计算等技术 ...
2024-10-28数据分析可视化是一门艺术与科学相结合的技术,其主要目标是将复杂的数据变得更易于理解和分析。通过将数据以图表的形式呈现,我 ...
2024-10-28数据分析师在现代信息密集型的商业世界中扮演着至关重要的角色。他们通过专业的技能和敏锐的商业洞察力,帮助企业从大量数据中提 ...
2024-10-28