
通過大數(shù)據(jù)分析、云計算等領(lǐng)先技術(shù)能力提供社交、移動等數(shù)據(jù)分析,跟蹤并解析球迷心理,并與媒體緊密結(jié)合,將用戶情緒、性格等屬性可視化呈現(xiàn),產(chǎn)出更易引發(fā)用戶共鳴的體驗。
大數(shù)據(jù)技術(shù)已經(jīng)不是一個新鮮詞兒,它的價值也已被廣泛認(rèn)可,借助海量數(shù)據(jù)的分析利用,能有效幫助企業(yè)實現(xiàn)市場動向預(yù)測,幫助有效支持市場活動各個階段的不同商業(yè)行為決策,還能夠?qū)崿F(xiàn)追蹤消費者行為,并對其心理甚至下一步行為實現(xiàn)相對精準(zhǔn)的預(yù)測,產(chǎn)生更好的用戶體驗,滿足目標(biāo)消費者的多元化需求。
大數(shù)據(jù)在體育賽事中的應(yīng)用很常見,在網(wǎng)球賽事中,一發(fā)成功率、一發(fā)得分率和Ace球是標(biāo)志球員競技水平的關(guān)鍵指標(biāo);發(fā)球速度、接發(fā)球成功率、上網(wǎng)成功率、得分點則突出體現(xiàn)了球員的打法特點。
上述都是來自大數(shù)據(jù)的直觀應(yīng)用,教練員和運動員通過每項賽事背后的技術(shù)統(tǒng)計來評價本場比賽發(fā)揮的好壞。而這些數(shù)據(jù)也將直接影響教練員對比賽的掌控。
在本屆巴西世界杯,大數(shù)據(jù)應(yīng)用又有了新模式——騰訊通過IBM的大數(shù)據(jù)分析、云計算等技術(shù)提供社交、移動等數(shù)據(jù)分析,跟蹤并“解析”球迷心理,產(chǎn)出更易引發(fā)用戶共鳴的優(yōu)質(zhì)內(nèi)容,為用戶打造全新的體育觀賽體驗。
6月12日,IBM與騰訊達(dá)成深度戰(zhàn)略合作,成為騰訊體育社交媒體數(shù)據(jù)分析合作伙伴。
IBM的大數(shù)據(jù)技術(shù),從賽事、球迷、文化三大維度,深度挖掘了來自世界杯球迷關(guān)注的120個熱點關(guān)鍵詞,抓取50萬條主流社交媒體信息,包括球迷話題、球迷類型、個性分析等,并以此為基礎(chǔ),制作了“世界杯聲量大比拼”、“世界杯飛魚秀”、“算數(shù)”、“球迷畫像”等專題欄目,通過數(shù)據(jù)分析,精準(zhǔn)抓住球迷關(guān)注熱點,并迅速輸出報道內(nèi)容。
球迷的另類體驗
在本屆世界杯中,騰訊通過IBM大數(shù)據(jù)實時分析,打造《世界杯球迷聲量大比拼》欄目,讓球迷即時看到64場比賽中對陣球隊的當(dāng)前支持率,以及個人喜愛球星的支持率,看到全球有多少人跟自己同歡喜共悲傷,滿足球迷同理心,引發(fā)球迷共鳴。
IBM輿情系統(tǒng)實時分析社交媒體上球迷關(guān)注點,為“世界杯飛魚秀”欄目提供大量球迷實時狀態(tài),分析球迷心態(tài)等數(shù)據(jù)盤點,呈現(xiàn)蒼老師微博秀力挺德國、內(nèi)衣模特大拼球技等網(wǎng)絡(luò)話題,由兩位脫口秀達(dá)人說出球迷們的心聲,引發(fā)廣大網(wǎng)友共鳴。期間欄目組還邀請了IBM數(shù)據(jù)工程師前去做客,展示IBM嚴(yán)肅的大數(shù)據(jù)系統(tǒng)如何支持網(wǎng)友娛樂生活的。
根據(jù)實時數(shù)據(jù)反饋,騰訊實時發(fā)布共32篇新聞報道,《德國更熱梅西最火球王超高關(guān)注率遠(yuǎn)勝眾星》、《荷阿大戰(zhàn)遭瘋狂吐槽羅本關(guān)注度不及梅西一半》等球迷角度深挖的信息,綜合展示球賽期間球迷心理變化,引發(fā)球迷共鳴。單篇新聞最高閱讀量達(dá)萬次以上,95%均來自騰訊新聞客戶端。
騰訊體育基于IBM大數(shù)據(jù),在世界杯期間輸出80期“算數(shù)”報告,深度剖析世界杯的角角落落,從球迷地域分布、性別比例,到歷史上各大洲入圍世界杯成功率等……這些基于大數(shù)據(jù)而呈現(xiàn)的報道內(nèi)容,讓球迷看到了一個直觀的數(shù)字化的世界杯。
騰訊還策劃了有趣的“球迷畫像”,基于IBM大數(shù)據(jù)對用戶的多維度分析,總結(jié)刻畫了每位球星的球迷性格特征,對不同球星的粉絲類型加以區(qū)分和刻畫,推出了不同球星的粉絲畫像。例如,葡萄牙球星C羅的粉絲70%為女性,她們的個性關(guān)鍵詞是“女王范”、“實際”、“有條理”和“欣賞美”。這樣的球迷畫像在騰訊的世界杯專區(qū)中定期推出,網(wǎng)友一致熱捧,該畫像成為鑒定自己是真球迷的另類標(biāo)準(zhǔn)。
合作共贏,火花沒那么簡單
獨特視角的內(nèi)容背后,是騰訊作為網(wǎng)絡(luò)媒體在世界杯報道模式上的一次創(chuàng)新,也讓我們看到了大數(shù)據(jù)實際應(yīng)用的另一種模式。
記者采訪了大數(shù)據(jù)提供方IBM品牌戰(zhàn)略部高級經(jīng)理楊磊,他表示“這是IBM第一次嘗試在足球賽事中用大數(shù)據(jù)分析來探測球迷的反映,我們希望通過技術(shù)融合參與其中,與我們而言是一次露出,對騰訊,我們提供基于大數(shù)據(jù)分析的用戶洞察,支持騰訊微用戶提供即時感更強的內(nèi)容”。IBM在1993年就開始進(jìn)入體育賽事領(lǐng)域,贊助網(wǎng)球賽事,并提供比賽的IT技術(shù)支持。2005年,IBM通過SlamTracker追蹤了網(wǎng)球四大滿貫賽事8年來全部8128場比賽,每場比賽收集4100萬個數(shù)據(jù)點,包括5500個分析模型。與媒體合作,用大數(shù)據(jù)技術(shù)分析探測球迷心理,并產(chǎn)出報道內(nèi)容,這還是第一次。
此次與騰訊的深度合作,IBM首先看重的是騰訊龐大的用戶基礎(chǔ)與年輕化的用戶屬性,其次是騰訊在重大體育賽事報道中的運營能力、立體報道能力和PC端移動端雙通道能力,這些優(yōu)勢將有效助力IBM大數(shù)據(jù)分析的開展和應(yīng)用實現(xiàn)。
騰訊此次在世界杯報道中,也借大數(shù)據(jù)之力,大量并及時輸出更貼合網(wǎng)友當(dāng)下關(guān)注的熱點內(nèi)容,并發(fā)揮出網(wǎng)絡(luò)全媒體平臺的優(yōu)勢,將內(nèi)容及時輸送到各個媒體平臺、移動終端,引發(fā)大量網(wǎng)友關(guān)注,并幫助品牌廣告主實現(xiàn)了與用戶的深度互動,實現(xiàn)了商業(yè)目的。
楊磊表示未來IBM將更多嘗試B2B2C的傳播模式,我們會看到更多大數(shù)據(jù)應(yīng)用的場景和模式,開拓更多想象空間。
用科技改善賽事體驗
目前媒體環(huán)境,社交、大數(shù)據(jù)、云等技術(shù)出現(xiàn),B2B企業(yè)已經(jīng)意識到獨立消費者對企業(yè)的巨大影響,B2B企業(yè)的傳播方式不再局限于一對一,IBM希望通過消費者的體驗,運用B2B2C的方式讓企業(yè)有更多的資訊通過終端觸達(dá)消費者。
IBM其實一直致力于用科技來改善體育賽事的一些體驗,在網(wǎng)球、高爾夫球賽事,我們在全球有很多年歷史。但在足球,楊磊IBM品牌戰(zhàn)略部高級經(jīng)理這次是第一次嘗試用大數(shù)據(jù)分析來探測球迷對這個賽事的反應(yīng)。騰訊對于IBM是合適的合作伙伴,用戶基數(shù)夠大,用戶屬性年輕化,媒體平臺全面,而且對于此次世界杯極其重視,并勇于嘗試。這次合作對彼此都是一個很有趣的嘗試和探索。讓技術(shù)與賽事融合,通過騰訊IBM實現(xiàn)品牌露出,對于騰訊則多了一個內(nèi)容提供方,并且開啟了全新的報道模式,也為球迷帶來了獨特的觀球體驗。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗證損失驟升: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)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 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)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
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)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(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” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 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)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(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 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
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值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11