大数据与传媒业升级的想象【2】

二、以数据为导向：传媒业升级的技术性转变

传统数据时代，尽管媒体使用日渐丰富，但媒体、企业和组织缺乏充分的工具对受众阅听行为进行信息收集，只能采用入户调查和广场问卷等抽样形式进行关联分析、因果分析。传统媒体对自己的受众曾经几乎是一无所知：他们是谁，他们的兴趣和职业是什么，他们还看些什么？在媒体数字化背景下，数据的智能挖掘也历史性地浮出水面。基于社交媒体或其他网络信息，人们可以精准发掘受众的特质，从而分析受众的需求，并精准地推送内容和信息链接。换句话说，数字技术使渠道、用户（请原谅文章对受众、消费者、用户的混合使用，因为现实正是如此）、媒体的关联性在巨大的喧嚣中纠集在一起，并且最终指向的是用户的消费行为特征，智能技术可以抽丝剥茧地对这些混杂不堪的信息进行整理分析，以提供给相关厂商作为业务发展的战略性依据。由此，数据作为信息传播业的核心，自然成为相关企业发展的导向。

数据导向说到底是受众导向，数据只是受众行为的痕迹，反映了受众的好恶，掌握这些数据，就有可能建立新的发展模式。比如，大多数网络内容供应商采取收费方式来应对受众向互联网移动带来的传统广告收入的下降，但一般性的收费反而成为了一道“墙壁”，把许多用户阻拦在外。美国《金融时报》重视向新媒体模式转型，2007年引进了计量收费模式，通过计量系统向读者收取费用。计量收费模式有赖于精确数据，在线收益流需要对读者当时的阅读行为进行计量以确定收费数额，但更重要的是，读者长期积累下来的数据以及反馈意见，才是商业模式转型的核心。现在《金融时报》的读者订阅收入占据总收入的一半以上，而传统广告收入下降了13%。

以受众为市场原点的理念，最终要通过数据导向让它得以实践。《金融时报》网站现有500多万用户，他们在消费之时都需要注册，用户填写电子邮箱、所在行业、工作岗位和职位等信息，注册的用户每月可以免费阅读8篇文章。《金融时报》组建了超过30个人的数据团队并分成3个工作小组，对用户阅读的文章类型和频率进行分析，把用户分门别类，据此推断读者的行为模式，并预测他们的选择趋向。通过对初始用户的跟踪分析，报纸逐步确定核心用户并有意引导他们成为订户。

以数据为导向可以改变媒体的市场营销和广告模式。美国的hulu.com建立之时已经有不少的视频网站，一般视频企业搬用电视节目大量插播广告的做法，而hulu与数据调研公司Insight Express一起分析了消费者收看插播广告的行为，确定在节目中大大压缩广告时长（网站播出广告不能快进），并开发了不同的广告插播方式，在一段30分钟的电视节目中广告播出的前后顺序不同，用户可以根据自己的习惯选择观看节目的方式。这种为用户考虑的营销模式大受欢迎，吸引了更多的广告主、网民和节目内容商前来签约。《金融时报》开发了一款名为“深度视界”（Deep View）的工具，广告商可以看到谁点击了或看了广告，根据情况调整广告的放置时间和位置，甚至在中途调整战略和目标。这种对广告的有效性进行实时监控的做法，可以将数据摆放到广告商面前，为广告合作提供了有力的科学保证。

Google和Twitter作为数据技术型公司虽然也能够提供生动详实的报告，但很难对具体的某个媒体公司的用户进行诸如行业、职务等人口特征进行数据统计和分析，其报告的针对性和精准性不及。像彭博社的壮大，其实也得归功于在本集团内部建立了一套精心设计的行业数据分析系统，为客户提供工具、信息乃至发展规划，这是他人无法取代的。

数据工具甚至会改变视频内容的在线播出，实时数据监测可以根据观众的反馈及时调整节目内容。节目制作人可以利用数字录像设备Tivoli 或其他数据分析工具收集观众在线观看的即时反馈，如果这些被提取的数据显示，某个栏目中的某个单元的快进率或跳过率增加了1／3左右，节目制作人就可以减少分配给这个单元的时间，甚至裁掉整个单元。对于由不同的单元组成的板块式节目（如体育）来说，及时做出合理的调整是必要的。

数据分析将使节目制作更加贴近观众需求，甚至激发观众的潜在需求，在内容生产上实现需求牵引。比如Netflix拥有2700万名美国订阅用户、3300万名全球订阅用户，因此拥有用户年龄、性别、居住地、使用服务终端、用户每天/每周的观看时间。Netflix对用户评分、观看记录、用户好友推荐等信息进行深度挖掘，甚至会收集观众按下暂停或快进的数据，从而找出用户喜欢的视频风格、内容风格、导演和演员等，这些关键信息整合在一起，就是精确的市场调研。根据这些数据，企业可以生产出与受众需求对比性很高的电视剧。热播电视剧《纸牌屋》就是Netflix用好大数据的一个例证。