大数据面前,电视台恐将沦为内容代工厂

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:  昨天华尔街日报报道了Twitter招股书里一笔4750万美元的收入。这笔收入,来自于授权给第三方使用数据。约占Twitter全年营收的15%。大多数人往往忽视这个收入来源,毕竟相对于2.67亿美元的广告营收来说,这只是个小数字。

 昨天华尔街日报报道了Twitter招股书里一笔4750万美元的收入。这笔收入,来自于授权给第三方使用数据。约占Twitter全年营收的15%。大多数人往往忽视这个收入来源,毕竟相对于2.67亿美元的广告营收来说,这只是个小数字。另一方面,媒体平台长期以来的收入来源就是两种,广告商付费或者用户付费,Twitter目前的收入主要来自于广告业务,也理所当然。但我有一种强烈的预感:不管Twitter市值会达到多少,未来数据业务会成为Twitter的巨大宝藏,而且还可能是个取之不竭的宝藏。

上个月最后一天,就在大家忙着规划国庆出行的时候,一条Facebook正式与美国四大电视网络合作,向其提供数据报告的新闻同样被很多人忽视。在美国电视网络与社交媒体的互动中,Twitter长期以来都扮演着重要角色:Twitter曾和尼尔森咨询机构合作研究Twitter内容与电视收视率的关系;Twitter已收购两家社交电视分析机构Bluefin Labs和Trendrr;今年3月,Twitter与全美职业橄榄球联盟NFL合作,为用户提供比赛集锦、回放等定制类节目。因此,Facebook的举动被认为是在电视领域挑战Twitter的开始。

这并不难理解,作为媒体传播链中最末端的一环,社交媒体承担着消化来自电视、报纸等传统媒体所制造的话题的责任。从社交媒体上话题属性来说,娱乐性的话题备受关注,而电视台则是天然的娱乐话题制造中心(这一点国内外的电视台基本上都是类似的),也因此,社交媒体需要电视台提供的娱乐资源,从而使得自身平台上的讨论更活跃。

倘若就此认为社交媒体会从属于电视台这个传统媒体,那就太短视了。在社交媒体与电视台的合作中,社交媒体的核心资源是用户,而电视台的核心资源则是内容。内容是否有价值完全取决于针对什么样的用户,在这一点操作上,电视台用了半个多世纪的时间都没有实现,但社交媒体做到了,为什么?因为他们有足够的数据,更因为他们有能力对这些数据进行有效的分析,从而将内容有针对性的匹配给用户。所以,在这个社交媒体与电视台的合作框架里,社交媒体已经占据先机,而且这种优势会越来越大。

这种趋势在电商行业里已经越来越明显。电商与厂商的合作模式也非常类似于社交媒体与传统媒体如电视台的合作模式:本质上,电商和社交媒体都是一种信息分发渠道;都处在产业链的下游,直接面对用户;都属于轻公司(相对传统企业来说)。

传统意义上,电商只是零售业的网上形态,无非是低价进货高价卖出的赚钱模式。这也是很多人质疑电商可否真正盈利的原因之一。但电商手中的数据越来越多,其和上游厂商的关系也会发生微妙的变化。以亚马逊为例,亚马逊可以通过对后台数据的分析,找出一些销量好、关注度高、利润高的商品,从而直接向上游厂商定制,甚至可以自己贴牌生产,此时,对亚马逊来说,它就不再仅仅是一家电商,而成为一家虚拟的生产商,它握有厂商最想得到而无法得到(至少不能完全得到)的用户数据,完全有能力对生产哪种产品、生产多少有发言权,而厂商呢,最终可能沦为亚马逊的代工厂。

以这种趋势来看社交媒体与电视台的所谓“合作”,则更让我们对那些还在沾沾自喜的传统媒体们感到悲哀。不妨想象一下,随着数据的进一步增加,Twitter完全有能力通过数据挖掘,分析用户癖好,向美国某家电视台定制一部电视剧甚至向好莱坞定制一部电影。我们已然看到纸牌屋的成功,但Netflix的用户量远远少于Twitter和Facebook,相应的,其数据量也无法与两大社交巨头相比。这让我有更多信心,期待Twitter或Facebook定制或自拍影视剧的成功。到那个时候,电视台一如那些家电厂商们,曾经产业链的上游“王者”,将彻底成为一个产业链最低端的内容代工厂。至于该制作什么内容,请谁来主演,都取决于社交媒体。

这是一个告别旧时代与迎接新时代的“混合年代”。大数据的威力越来越大,从零售到媒体,从人们的物质需求到精神食粮,大数据正在改变这些古老行业的行为规则。无他,趋势而已。


原文发布时间为:2013-10-10


本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
数据采集 安全 大数据
大数据面前,统计学的价值在哪里
很长一段时间里,大家对数据的理解,可能只是停留在阿拉伯数字这个层面。近些年来,大家开始讲大数据。结果有人就开始好奇了:这个大数据和我们之前说的数据有什么关系呢?
795 0
|
新零售 大数据 数据挖掘
|
数据可视化 大数据
中国大数据电视新闻时代的到来
从大数据新闻的可视化来看,以央视2014年的“据说两会”为例,这次创造了一个全新的可视化Logo—“数据哥”(SIR DATA),这是CCTV电视新闻史上第一次出现基于大数据而生成的可视化人形图像。
1410 0
|
2月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
1月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
260 7
|
1月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
43 2
|
1月前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
82 1
|
21天前
|
机器学习/深度学习 存储 大数据
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
43 4
|
27天前
|
存储 大数据 数据管理
大数据分区简化数据维护
大数据分区简化数据维护
24 4