大数据重塑媒介生态【2】

3.数据应用

新媒体的本质就是数据分析，数据是客观的，但分析应用却是主观的，如何平衡二者的关系，是数据应用的一个关键。

大数据的应用延续着“信息—知识—智慧”三个层面：第一层面是“信息”，当一个个数据被赋予背景，它就成了“信息”；第二个层面是“知识”，当从一个个数据分析中提炼出规律，它就成了“知识”；第三个层面是“智慧”，当借助分析工具与当下的社会心理以及其他子系统背景，从数据中获得研判与预测的能力，这就是“智慧”。

在大数据时代，媒体和门户网站可充分利用大数据与关系链，为用户提供量身打造的新闻资讯，以及良好的体验。比如，优酷和土豆合并后，其搜索平台可挖掘并推算出4亿多视频用户的浏览行为；浙报集团去年投资数据分析项目，开辟社交网络数据深度挖掘的新战场；搜狐正着手将旗下数据资产全面打通整合，搭建基于云计算的大数据平台，以期获取每月9亿多人次的用户数据资产，一场关于数据的圈地运动正在展开。大数据有哪些具体应用呢？

为内容购买提供数据支持。以腾讯视频为例，他们通过数据分析来购买内容，依此购买的《隋唐演义》今年一季度独家播出播放量超过6个亿，独家剧《宝贝》播放量也超过3个亿。大数据为内容购买提供了精准的指向。

为用户提供信息图谱。新版腾讯微博利用大数据技术，将用户的微博进行整合、重组，将具有相同、相近信息的微博配以热门标签，用户通过进入标签，可看到这个热门事件发展脉络以及未来走向的一个清晰的“信息图谱”，减少用户获取信息的时间成本。

解决媒体与用户的关系问题。大数据是网络时代对网络用户行为的一个数据积累。这些数据一方面反映用户的兴趣偏好，从而有利于媒体制作出用户满意的产品；另一方面，数据对用户满意度也有非常重要的影响。大数据有助于媒体更好地了解用户，从而更好地处理媒体与用户之间的关系。以谷歌的“电影票房预测模型”为例，它通过数据建立了与用户的关联，通过对用户对电影相关内容搜索量的分析，能够提前一个月预测电影上映首周的票房收入，准确度高达94%。

三、大数据的媒体作为

媒体业是信息产业，在大数据时代拥有先天优势。麦肯锡全球研究所曾对美国17个行业拥有的数据量做了估算，离散式制造业居首位，拥有966PB数据总量；美国政府居第二位，拥有848PB的数据总量；传播与媒体业居第三位，共有715PB数据量。可见，媒体在大数据时代是有数据优势的。因此，媒体应有强烈的数据意识，善于收集数据、分析数据、使用数据。通过对海量和复杂的数字资料进行收集、整理，从而提升媒体的预测与研判能力。媒体能利用大数据做些什么？

1.洞察用户

面对互联网海量信息，基于抽样调查+人口学特征的“小样本模式”不再具有导航性，用户是“谁”已经不重要，重要的是“用户什么时候需要什么东西”，即用户的“兴趣偏好”及“传播时机”等信息更重要，而这一切来源于大数据及对它的挖掘。大数据构成中有不少数据来源于用户的网络行为、网络表达、网络情绪，这些数据之间有高度的相关性，通过对他们的分析就能清晰地描述出你的“用户”是什么样的，他们的“兴趣图谱”是什么，“行动路线”又是怎样的。挖掘用户的行为习惯和喜好，并在这些数据背后找到用户的“兴趣配方”，从而制造出相应的产品并提供相应的服务。

因为有大数据，Facebook、Twitter这类社交媒体远比报业、广电等传统媒体更了解他们的用户。因此，传统媒体可以通过与他们的合作，借助大数据更好地理解用户偏好及行为。也可以像英国第四台那样开发自己的注册系统，利用大数据研究他们的用户。这个注册系统目前有700万注册用户，其中三分之一为16—24岁的青年用户。与以往观众调查、听众来信不同，大数据拓展了媒体对于其用户了解的广度、深度及关联度。

2.协作式新闻

大数据使调查性报道有了更多可用的资源，一条调查性报道的出笼越来越凸显“协作式新闻报道”的流程及风格。报道中有来自用户贡献的UGC内容，有专业记者采写的报道，有数据分析师从大数据系统发现的线索、关系图谱、发展趋势等，有责任编辑负责新闻报道最后的呈现，有专门的新媒体运营者来实施这条报道在各个平台的推送，以掀起社会影响力。因为大数据，新闻生产流程将会发生大的变化。新闻不再是单兵作战，协作式新闻将成为主流生产模式。

3.广告精准投放

大数据的多维度与实时性为广告精准投放提供了可能。例如，《经济学家》建立了自己的数据库，包括用户的注册信息、国家、投递地址、邮件地址、打开邮箱频率等，为实现移动端的广告订制与目标推送建立了可能。广告的精准投放将会改变广告业整体的媒介购买偏好及广告投放配比，越来越多的广告将被投放到社交媒体，这对广电等依靠广告而生的传统媒体而言将产生深远影响。

4.舆论分析与研判

现阶段，新闻媒体可以用大数据做什么？1.讲故事；2.来分析各种评论；3.降低信息过载（即大数据可以提供相关背景资料，让人们获得的不仅是一条条信息，而是围绕这条信息形成的一个“知识图谱”，这有利于降低用户获取知识的成本）；4.进行舆论分析。以“阿拉伯之春”为例，通过大数据的深度挖掘，可以了解多少人和哪些人正在从温和立场变得更为激进，并“算出”谁可能会采取对某些人有害的行动。这正是大数据的舆论分析及事态预判能力。然而，舆论引导在大数据时代却变得更困难，因为信息越来越透明化且结构化，且这种结构化是非人工的，由算法得来的，虽然在设置变量等因素时可能有能动性与操控空间，但整体而言，这种非人工的结构化信息，部分消解了先前人工化组织的“议程设置”等引导舆论的方式。