
(二)傳統(tǒng)傳播、互聯(lián)網(wǎng)傳播與智能傳播的比較
我們可以從信息豐富程度、傳播模式、信息公開度、及時性與互動性、商業(yè)模式等方面進行比較分析(參見表1)。
第一,在信息豐富程度方面。傳統(tǒng)傳播適應(yīng)的時代為信息稀缺時代,在該時代信息相對稀缺,無論是報紙、雜志、廣播還是電視,只要內(nèi)容做得好,就能夠吸引用戶;互聯(lián)網(wǎng)傳播適應(yīng)的時代為信息豐裕時代,在該時代信息相對豐富,以門戶網(wǎng)站為代表的PC互聯(lián)網(wǎng)媒體,單純依靠內(nèi)容已經(jīng)難以賺取真金白銀;智能傳播適應(yīng)的是信息過載時代,在該時代信息過多過濫,過載的信息帶來極大的信息噪音,單純的內(nèi)容已經(jīng)難以吸引用戶,這就需要傳播者提供針對每個用戶的個性化、定制化的信息。
第二,在傳播模式方面。傳統(tǒng)傳播是大眾式的傳播,即一點對多點、標(biāo)準(zhǔn)化的傳播;互聯(lián)網(wǎng)傳播則是多點對多點、全立體的、鏈?zhǔn)降摹⒉《臼降膫鞑シ绞?;智能傳播則是多點對一點式的傳播方式,即多個信息源來對應(yīng)一個用戶。
第三,在信息公開度方面。傳統(tǒng)傳播的信息公開度較低,是精英式的傳播;互聯(lián)網(wǎng)傳播則信息公開度較高,實現(xiàn)了信息的高度公開和透明,也在很大程度上打破了信息的不對稱性;智能傳播則實現(xiàn)了傳播者和用戶兩端的高度公開,實現(xiàn)了信息的對稱和透明。
第四,在及時性與互動性方面。傳統(tǒng)傳播一般滯后于信息,及時性不夠,互動性更為缺乏;互聯(lián)網(wǎng)傳播較好地解決了及時性,互動性也有了很大程度的改善;智能傳播則在信息和用戶兩端都實現(xiàn)了及時性和互動性。
第五,在商業(yè)模式方面。傳統(tǒng)媒體的商業(yè)模式為
表1
“二次銷售”,即第一次通過發(fā)行把傳媒產(chǎn)品售賣給用戶,進而獲得傳播功能,第二次再把傳播功能售賣給廣告主;互聯(lián)網(wǎng)的商業(yè)模式為“免費+收費”,即先通過免費的信息和服務(wù)來吸引巨量的用戶,然后再通過增值業(yè)務(wù)向某些用戶或者第三方收費;智能傳播的商業(yè)模式則在互聯(lián)網(wǎng)的商業(yè)模式上,進一步實現(xiàn)智能信息直接收費。
(三)智能傳播的核心——基于大數(shù)據(jù)的智能信息匹配
在信息過載的情況下,存在著多就是少的悖論,即過多過濫的信息與能夠滿足用戶的有效信息極度匱乏之間的矛盾。而要解決這個矛盾,真正滿足用戶個性化、定制化的信息需求,就必須通過數(shù)據(jù)挖掘和分析技術(shù),打造基于大數(shù)據(jù)的信息智能匹配平臺,在不斷優(yōu)化用戶信息需求的基礎(chǔ)上,實現(xiàn)信息和用戶需求的智能化匹配。這就要求我們做好如下工作:
第一,打造巨型的云信息服務(wù)平臺,在該平臺上,云集著各式各樣的信息,既有文字的,又有音頻和視頻的,并能實現(xiàn)信息的分類篩選、摘編和深度加工。
第二,打造大型的大數(shù)據(jù)平臺,在該平臺上能夠通過數(shù)據(jù)挖掘和分析等方式,實現(xiàn)對讀者和受眾個性化需求的準(zhǔn)確定位和把握。[1]
第三,能夠通過技術(shù)手段低成本地在信息和受眾個性化、定制化的需求之間實現(xiàn)智能化匹配,并能通過各種支付手段,實現(xiàn)智能化信息的收費。目前,一些巨型的信息平臺已經(jīng)形成,如Google、Facebook、亞馬遜、百度、新浪、騰訊等,也出現(xiàn)了搜索、篩選、推薦等新技術(shù)手段。利用技術(shù)手段實現(xiàn)精準(zhǔn)信息和讀者需求的智能匹配進而實現(xiàn)信息的收費將僅是個時間問題。例如,亞馬遜通過自己研發(fā)的被業(yè)界稱之為“鬼打墻式的推薦”的精準(zhǔn)推薦系統(tǒng)每秒賣出的商品達(dá)72.9件,這種精準(zhǔn)推薦系統(tǒng)就是跟蹤客戶的所有消費習(xí)慣,不斷進行優(yōu)化。Google和百度利用搜索和篩選手段在一定程度上實現(xiàn)了讀者的主動信息需求,而亞馬遜等利用推薦手段也在一定程度上滿足了讀者的被動信息需求,而基于巨型平臺的社會引擎將能夠?qū)崿F(xiàn)精準(zhǔn)信息和讀者需求的智能匹配。
目前,在國內(nèi),互聯(lián)網(wǎng)三巨頭BAT(百度、阿里、騰訊)已經(jīng)在大數(shù)據(jù)和智能傳播方面打下了堅實的基礎(chǔ),這也給其帶來了豐厚的收入。例如,阿里巴巴圍繞大數(shù)據(jù)打造出了巨型的信息系統(tǒng),其廣告收入從2012年的98.04億元高速增長到2014年的297.29億元。
(四)傳媒業(yè)大數(shù)據(jù)實踐誤區(qū)
當(dāng)前,傳媒業(yè)雖然高度重視大數(shù)據(jù),但是在大數(shù)據(jù)實踐中仍存在多種誤區(qū)。
第一,依然秉持“內(nèi)容為王”理念。正如上文所述,智能傳播的關(guān)鍵是智能信息匹配平臺,單純的內(nèi)容已經(jīng)難以為繼,但是很多傳統(tǒng)媒體依然單純從內(nèi)容上發(fā)力。[2]
第二,認(rèn)為大數(shù)據(jù)僅僅是工具。很多傳統(tǒng)媒體僅僅把大數(shù)據(jù)當(dāng)成工具和手段,而沒有把大數(shù)據(jù)當(dāng)成傳媒業(yè)的底層架構(gòu)和標(biāo)配,這必然導(dǎo)致其在發(fā)展大數(shù)據(jù)的過程中變形。
第三,誤把數(shù)字化當(dāng)成數(shù)據(jù)化。很多傳統(tǒng)媒體認(rèn)為,只要把之前的用戶資料和內(nèi)容資源從此前的紙質(zhì)版轉(zhuǎn)為數(shù)字版就實現(xiàn)了數(shù)據(jù)化,其實這僅僅是數(shù)據(jù)化的最淺層工作。
第四,誤把新聞可視化當(dāng)成數(shù)據(jù)化。很多傳統(tǒng)媒體僅僅把數(shù)據(jù)化當(dāng)成數(shù)據(jù)新聞或者可視化新聞,其實數(shù)據(jù)化是整個系統(tǒng)的數(shù)據(jù)化,單純的數(shù)據(jù)新聞或者可視化新聞都遠(yuǎn)遠(yuǎn)解決不了實際問題。
四、智能傳播的盈利模式
第一,信息服務(wù)收費。由于信息智能匹配能夠給用戶節(jié)省大量的時間,用戶必然會對其收到的個性化、定制化信息服務(wù)付費,而可以預(yù)測,這一塊將會有上千億元的市場規(guī)模。
第二,廣告。未來,基于大數(shù)據(jù)的廣告能夠?qū)崿F(xiàn)精準(zhǔn)投放,則這一塊也會有很大的市場。
第三,電子商務(wù)?;诖髷?shù)據(jù)的電子商務(wù),將成為智能信息匹配平臺的重要組成部分。
第四,輿情增值服務(wù)收入。媒體可以給政府、企業(yè)等各類組織提供基于大數(shù)據(jù)的輿情服務(wù),進而獲得收入。
第五,網(wǎng)絡(luò)行政服務(wù)。智能傳播平臺能夠為當(dāng)?shù)卣峁└咝У?、?biāo)準(zhǔn)化的網(wǎng)絡(luò)行政業(yè)務(wù),其市場規(guī)模也會很大。
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:機器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機器學(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