
大數(shù)據(jù)背景下的電視革命_數(shù)據(jù)分析師
從2013年開(kāi)始,“大數(shù)據(jù)”一詞越來(lái)越熱。大數(shù)據(jù)是繼云計(jì)算、物聯(lián)網(wǎng)之后IT產(chǎn)業(yè)又一次顛覆性的技術(shù)變革,被亞馬遜前任首席科學(xué)家Andreas Weigend稱作是“新的石油”。大數(shù)據(jù)將對(duì)包括電視在內(nèi)的大視頻行業(yè)將帶來(lái)深刻的變革,包括行業(yè)生態(tài)、內(nèi)容生產(chǎn)方式、內(nèi)容的價(jià)值評(píng)判標(biāo)準(zhǔn)和商業(yè)模式等。
小李是國(guó)內(nèi)某上星衛(wèi)視的部門主管,他的工作就是帶領(lǐng)他的團(tuán)隊(duì)對(duì)頻道即將播放的電視劇和綜藝節(jié)目進(jìn)行全方位的營(yíng)銷推廣。頻道的全國(guó)排名每天要通過(guò)短信的方式發(fā)送到相關(guān)領(lǐng)導(dǎo)的手機(jī)中。郁悶的是,盡管他的團(tuán)隊(duì)每天都在加班加點(diǎn)地努力工作,但排名似乎與此無(wú)關(guān),但排名落后的板子總是要打到他們身上。
小李面臨的困境在國(guó)內(nèi)衛(wèi)視比較普遍。在原廣電總局“兩限令”所限定的衛(wèi)視節(jié)目格局中,對(duì)電視劇的選擇能力和綜藝節(jié)目的創(chuàng)新力直接決定了一家衛(wèi)視的收視排名。但在大多數(shù)衛(wèi)視的節(jié)目采購(gòu)階段,選片人為化比較普遍。長(zhǎng)期以來(lái),電視劇選購(gòu)主要依靠電視臺(tái)內(nèi)部專業(yè)人員和專家的評(píng)審來(lái)決定是否播出。這種評(píng)判機(jī)制直接與市場(chǎng)脫鉤,對(duì)電視的評(píng)價(jià)也就形成了“播后評(píng)價(jià)市場(chǎng)化、播前選片人為化”的怪圈。采購(gòu)階段出了問(wèn)題,小李們的市場(chǎng)推廣工作也就成了無(wú)用功,頂多是錦上添花而已。
在國(guó)內(nèi)電視領(lǐng)域,我們成功模仿了美國(guó)尼爾森的播后評(píng)價(jià)模式和體系,產(chǎn)生了央視索福瑞等數(shù)據(jù)公司,并開(kāi)創(chuàng)了一個(gè)電視數(shù)據(jù)行業(yè);但在節(jié)目生產(chǎn)階段,評(píng)價(jià)體系還遠(yuǎn)遠(yuǎn)不夠科學(xué)。原因還在于兩個(gè)階段的市場(chǎng)化程度不同。在播后階段,屬于廣告主市場(chǎng),由于眾多國(guó)際4A廣告商的推動(dòng),從而建立了相對(duì)科學(xué)的評(píng)價(jià)體系,而在節(jié)目生產(chǎn)階段,市場(chǎng)發(fā)育程度還遠(yuǎn)遠(yuǎn)不夠。
二、視頻網(wǎng)站的大數(shù)據(jù)嘗試
我們?cè)倏纯创笠曨l行業(yè)的視頻網(wǎng)站是怎樣選購(gòu)和生產(chǎn)節(jié)目的。美國(guó)互聯(lián)網(wǎng)巨頭亞馬遜發(fā)布了由其原創(chuàng)內(nèi)容團(tuán)隊(duì)“亞馬遜工作室”(Amazon Studios)制作的14部原創(chuàng)電視劇試映集(pilotepisode),允許美國(guó)和英國(guó)用戶買免費(fèi)觀看。電視劇試映集是制作方把一個(gè)項(xiàng)目發(fā)展為正式劇集之前所開(kāi)發(fā)的樣品集,是電視劇集開(kāi)發(fā)過(guò)程中的早期階段。網(wǎng)絡(luò)用戶觀看這些試映集,然后投票,亞馬遜再根據(jù)反饋決定哪些節(jié)目可以繼續(xù)開(kāi)發(fā),使之成為一部完整的電視劇,最終提供給“亞馬遜金牌”(Amazon Prime)付費(fèi)用戶。此外,在初期的劇本寫作階段,亞馬遜在線接受電視劇本,并邀請(qǐng)消費(fèi)者進(jìn)行評(píng)價(jià),然后根據(jù)反饋信息選擇將要拍攝的項(xiàng)目。
如果說(shuō)亞馬遜工作室還只是基于網(wǎng)民反饋?zhàn)鞒鲈u(píng)價(jià)的話,視頻網(wǎng)站Netflix的《紙牌屋》則是成功利用了大數(shù)據(jù)進(jìn)行節(jié)目生產(chǎn)?!都埮莆荨愤@部白宮版宮斗戲,是視頻網(wǎng)站Netflix的首部原創(chuàng)劇,在美國(guó)和其他40個(gè)國(guó)家及地區(qū)成為網(wǎng)絡(luò)點(diǎn)播率最高的劇集。國(guó)內(nèi)得到獨(dú)家版權(quán)的搜狐視頻上線該劇20天后,播放量超343萬(wàn)次,被稱為美國(guó)版的《甄嬛傳》。Netflix擁有2900萬(wàn)名訂閱用戶,也擁有用戶收看習(xí)慣和口味偏好的強(qiáng)大數(shù)據(jù)庫(kù)。Netflix對(duì)用戶評(píng)分、觀看記錄和用戶好友推薦等信息進(jìn)行深度挖掘,甚至收集觀眾按下暫停或快進(jìn)的數(shù)據(jù),從而找出用戶喜歡的視頻風(fēng)格,導(dǎo)演或演員等信息。Netflix基于上述這些海量用戶信息來(lái)決定內(nèi)容的生產(chǎn)。因此,《紙牌屋》被稱為算出來(lái)的電視劇,它的成功是大數(shù)據(jù)與大視頻行業(yè)聯(lián)姻的成功?!都埮莆荨返纳a(chǎn)過(guò)程完全繞開(kāi)了美國(guó)傳統(tǒng)電視的生態(tài)環(huán)境,《福布斯》雜志對(duì)其評(píng)價(jià)是“它不僅僅是很棒的節(jié)目,而且是電視史上的大事件”。
再回到傳統(tǒng)電視行業(yè),在大數(shù)據(jù)時(shí)代,內(nèi)容提供商、電視臺(tái)、廣告商以及數(shù)據(jù)調(diào)查公司原本形成的穩(wěn)固生態(tài)鏈開(kāi)始被打破。視頻網(wǎng)站、IPTV和OTT TV等基于互聯(lián)網(wǎng)的視頻運(yùn)營(yíng)商掌握了大量用戶信息,這些信息可以被挖掘,從而進(jìn)行產(chǎn)業(yè)鏈上下游的拓展。
在上游的內(nèi)容生產(chǎn)領(lǐng)域,內(nèi)容生產(chǎn)的模式由傳統(tǒng)的B2C模式轉(zhuǎn)變成C2B模式,我們通過(guò)了解用戶的喜好、興趣點(diǎn)以及用戶行為來(lái)定制內(nèi)容,真正做到用戶想看什么,就提供什么。這也就解釋了國(guó)內(nèi)外的視頻網(wǎng)站紛紛進(jìn)入內(nèi)容原創(chuàng)領(lǐng)域的原因。在國(guó)內(nèi),樂(lè)視公司成立了樂(lè)視影業(yè),盛大文學(xué)也成立編劇公司,依托“大數(shù)據(jù)”創(chuàng)作電視劇本。
在下游的收視評(píng)估環(huán)節(jié),由于視頻運(yùn)營(yíng)商掌握了海量和精確的用戶和收視數(shù)據(jù),原本就充滿爭(zhēng)議的樣本抽樣模式開(kāi)始過(guò)時(shí)。廣告主們雖然堅(jiān)信尼爾森和索福瑞們的真實(shí)性,但也開(kāi)始逐步采納運(yùn)營(yíng)商的精確數(shù)據(jù)。如此一來(lái),尼爾森和索福瑞的抽樣數(shù)據(jù)市場(chǎng)將逐步萎縮,數(shù)據(jù)市場(chǎng)將從抽樣模式進(jìn)入到精確模式。
但尼爾森們也在與時(shí)俱進(jìn)。2013年,尼爾森決定擴(kuò)大對(duì)收視率的定義,不再局限于傳統(tǒng)電視網(wǎng)絡(luò),推出一個(gè)針對(duì)OTT互聯(lián)網(wǎng)電視以及微軟Xbox、蘋果iPad等多屏的收視率調(diào)查系統(tǒng)。尼爾森計(jì)劃在2萬(wàn)3000多戶采樣家庭安裝新的硬軟件統(tǒng)計(jì)工具,其中僅有75%來(lái)自傳統(tǒng)電視網(wǎng)絡(luò)。但尼爾森的與時(shí)俱進(jìn),還是建立在基于樣本戶抽樣調(diào)查的基礎(chǔ)之上,是否能夠延緩抽樣調(diào)查行業(yè)的衰落尚難定論,但尼爾森和索福瑞們的消亡,恐怕也只是時(shí)間早晚問(wèn)題。
在下游的另外一個(gè)領(lǐng)域是與收視數(shù)據(jù)緊密相關(guān)的廣告市場(chǎng)。傳統(tǒng)電視是免費(fèi)商業(yè)模式的開(kāi)創(chuàng)者,即向觀眾提供免費(fèi)的節(jié)目,然后用觀眾的注意力換取廣告主投放,并獲取廣告收入,在這個(gè)過(guò)程中,收視率成為各方通用的交換貨幣。但大數(shù)據(jù)的應(yīng)用將徹底改變這種商業(yè)模式,傳統(tǒng)的收視率受到質(zhì)疑,廣告商、電視臺(tái)和數(shù)據(jù)商多年形成的鐵三角關(guān)系也將被打破。
大數(shù)據(jù)最主要的應(yīng)用是能夠挖掘出內(nèi)在的關(guān)聯(lián)關(guān)系。早在上世紀(jì)90年代,沃爾瑪就憑借遍布全球的衛(wèi)星信息系統(tǒng),把關(guān)聯(lián)關(guān)系應(yīng)用于購(gòu)物籃(market basket analysis)中,可以說(shuō)是大數(shù)據(jù)商用的鼻祖。刊登在1998年《哈佛商業(yè)評(píng)論》上的“啤酒與尿布”故事已經(jīng)成為全世界MBA的經(jīng)典教學(xué)案例并廣為流傳。這個(gè)故事是這樣的:20世紀(jì)90年代,沃爾瑪?shù)墓芾砣藛T分析銷售數(shù)據(jù)時(shí)發(fā)現(xiàn)了一個(gè)令人難于理解的現(xiàn)象,“啤酒”與“尿布”兩件看上去毫無(wú)關(guān)系的商品會(huì)經(jīng)常出現(xiàn)在同一個(gè)購(gòu)物籃中。經(jīng)調(diào)查發(fā)現(xiàn),這種現(xiàn)象出現(xiàn)在年輕的父親身上。最終的原因是,在美國(guó)有嬰兒的家庭中,一般是母親在家中照看嬰兒,年輕的父親前去超市購(gòu)買尿布。父親在購(gòu)買尿布的同時(shí),往往會(huì)順便為自己購(gòu)買啤酒。
沃爾瑪?shù)拇髷?shù)據(jù)是建立在這家零售業(yè)帝國(guó)遍布全球的龐大信息系統(tǒng)之上,而基于開(kāi)放互聯(lián)網(wǎng)的大數(shù)據(jù),為很多行業(yè)的直接應(yīng)用提供了便利。同上述“啤酒與尿布”案例不同的是,大數(shù)據(jù)中的關(guān)聯(lián)關(guān)系是很難找到直接原因的,但這并不影響這種關(guān)聯(lián)關(guān)系被應(yīng)用到商業(yè)中。在電視行業(yè),大數(shù)據(jù)的關(guān)聯(lián)信息為廣告的定向推送和O2O模式的電子商務(wù)留下了發(fā)展空間,從而重新定義了電視的商業(yè)模式,也給電視的未來(lái)發(fā)展模式留下了很大的想象空間。
廣電系的上市公司上海百視通,作為全球最大的IPTV運(yùn)營(yíng)商,這些年也在布局大數(shù)據(jù),探索定向內(nèi)容、定向廣告、關(guān)聯(lián)電視等領(lǐng)域。百度公司最近在收購(gòu)PPS后,依托海量搜索數(shù)據(jù),打通愛(ài)奇藝和PPS,推出精準(zhǔn)的貼片廣告形式“一搜百映”,這種大數(shù)據(jù)在視頻廣告的應(yīng)用,必將加速其廣告變現(xiàn)能力。
大數(shù)據(jù)時(shí)代,數(shù)據(jù)挖掘注定成為包括電視臺(tái)在內(nèi)的視頻運(yùn)營(yíng)商的殺手級(jí)應(yīng)用,誰(shuí)真正獲得大數(shù)據(jù)的基礎(chǔ)數(shù)據(jù)和商業(yè)開(kāi)發(fā)能力,誰(shuí)就會(huì)在下一輪發(fā)展中占據(jù)高位。擁有數(shù)據(jù)優(yōu)勢(shì)的運(yùn)營(yíng)商如視頻網(wǎng)站和OTT運(yùn)營(yíng)商,將會(huì)越來(lái)越具有競(jìng)爭(zhēng)優(yōu)勢(shì),傳統(tǒng)電視臺(tái)的市場(chǎng)份額將會(huì)逐步被蠶食,視頻網(wǎng)站行業(yè)的寡頭競(jìng)爭(zhēng)格局必將會(huì)在傳統(tǒng)電視行業(yè)重現(xiàn);對(duì)于電視臺(tái)來(lái)說(shuō),建立并提高數(shù)據(jù)部門的戰(zhàn)略地位,從粗放式管理轉(zhuǎn)為精細(xì)化管理,用互聯(lián)網(wǎng)的思維來(lái)運(yùn)營(yíng)電視,是應(yīng)對(duì)競(jìng)爭(zhēng)的不二選擇。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過(guò)程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語(yǔ)言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11