接下来来到我们的社交媒体，社交媒体在新媒体的发展当中，媒体融合发展业务当中占了很重要的地位。我们的社交媒体应该怎么样做运营分析？我们有一套我们自己的方法论。

我们说的社交媒体包括微信、微博，因为有相似性，所以放在一起来说，我们建立微信、微博帐号排行榜体系：

首先是行业榜单，让你了解你的帐号在整个行业里面，你所占到的位置。

第二块我们也建立了私有榜单，让你更好了解你和你的竞争对手的帐号的区别，差距在哪里？你的优势在什么地方？另外有一个总排行，总排行是说你的帐号在整体的榜单里面，是什么样的位置？

通过这个排名，通过指标分析，让我们了解，我们很快速的预测到，哪一个帐号是我们的优质资源，是我们将来合作的资源，是我们很想要找到的，关键意见领袖在哪里？

另外我们也可以了解到竞品动向监测，了解你的竞争公号或账号对手有什么动向？他的变化趋势在那里？

另外我们针对的热点文章、博文进行追踪，同时提供了针对内容的非常详细的分析能力。在这个平台里，很重要一点，我们有针对多个帐号的进行了统一管理。

比如说这个是帐号级别概括分析，因为我们分析分几个层面：

首先是帐号级别概况分析，概况分析完了之后我们又针对每一篇文章的详细分析，包括内容传播，包括发文，包括传播信息，这一块很详细，包括粉丝、受众，大家可以去外面的展台看看我们视频播放和系统的展示。

包括社交情绪的分析，包括孙杨被无理攻击，包括获得冠军以后，他的两篇微博情绪的变化，让我们对微博上传播的情感变化有个较全面的了解。

另外我们对H5产品也有了一个独立分析的平台，我们知道H5由于他传播的便捷性，劲炫的展现力，以及开发的低门槛，在我们自媒体、数据新闻，还有很多领域都有很好的应用。因为H5量越来越多，越来越火，所以我们基于H5建立了一个平台以便于对H5进行很好的运营分析。比如说我们鉴别哪些优质渠道？我们可以评估H5的传播力到底怎么样？另外，我们对于H5产品在网络上实时反馈数据怎么样？浏览行为数据怎么样？流量怎么样？实时数据进行跟踪和分析，另外提供了多纬度交叉分析，包括地域、时间，以及洞察H5后面用户的行为情况，这是我们一个真实的截图，我们对一个H5产品传播的一些分析，非常的漂亮。

前面讲了，很多的社交媒体、网站、H5的分析，但是这些数据从哪儿来？我们需要有一个安全和全面的新闻采集。用我们安全采集的数据支持防伪造、防卡的等等技术，我们这些独特的技术，可以很好的跟第三方接入的平台进行很好的集成，也不会影响他们系统原有的运营方式。

数据接入好了之后，就有机会接受到平台的后台用户行为数据。平常我们网站有网站的用户，APP有APP用户，微博、微信有微博、微信的粉丝和受众。这些用户，平常都是孤立的，我们怎么样把它打通，我们需要有一个用户画像工厂，帮助我们建立用户画像体系，打通在不同平台上的用户，构建全方位的用户画像体系。

我们画像体系怎么构建？比如说包括人口属性、兴趣偏好、行为偏好、消费偏好等等这四个方面的维度，来构建全面的标签体系。同时形成用户资产库，同时服务我们应用，包括用户群体调查、商业化广告、个性化推荐等等，包括后面讲到的广告使用，精准广告的投放，都会用到用户的资产信息。

接下来跟大家讲一下，个性化内容的推荐。个性化推荐大家肯定会讲到“今日头条”，因为他推头条。那我们的推荐做什么？我们有什么不同？首先我们来讲，从推荐角度来讲，我们看到推荐方式非常多，我们支持人工推荐和机器推荐相结合。我们也支持实时推荐和离线推荐，另外我们也支持通过媒体内容找人，也支持人找内容，同时支持推荐上下文，包括基于内容、场景、广告、搜索的推荐，也支持各种算法的组合推荐。

从我们的推荐来讲，我们更加注重实时性，也更加注重推荐的实效性，更加注重我们针对媒体行业的推荐，我们将会形成内容的推荐市场，实现跨站点、终端的推荐，实现网站APP内容的个性化，实现我们针对个人画像的精准推荐。

这是我们在推荐引擎里面一个实时推荐架构，首先我们怎么做？首先我们针对行为数据实时采集，针对内容实时抓取，同时构建出用户实时画像，经过我们推荐规则、引擎和数据分析处理之后，把实时推荐的响应达到100毫秒以内，同时我们对推荐结果做了很好的监测和分析。这在推荐当中很重要一点，是推荐结果的监测，你要考虑你这个推荐是不是全面性，覆盖率怎么样？新颖性怎么样？不能老是推荐一些热点，那看了没有多大意思。所以我们推荐更讲究全面性和均衡性，一套推荐的理论方法，在我们这个平台当中，已经开始形成。

通过我们的推荐，来提升我们的流量，促进内容和流量协作，同时提升内容的满意度，用户的满意度。

在广告和营销方面，我们正在建设一个专门的平台，实现我们把媒体的资源，和广告主，以及广告代理公司，整个广告的产业链，全链条的平台进行打通，他们三个角色在我们平台当中，都能够得到很好的体现。

我们从传统意义的广告有固定排期广告，也支持网盟广告，也支持第三方广告平台接入，包括竞价广告。另外精准广告方面这是的我们重头，因为我们用到媒体用户的DMP平台当中存储的用户画像体系（数据），也包含用户偏好，根据这些信息，我们能够基于用户的画像和关键词的精准投放，也基于位置的投放，基于群体广告投放，也基于知识推导的投放。我们的用户整个画像体系，我们将来除了媒体用户属性，也会接入第三方用户属性，用户的画像体系会更加的全面，更好的去满足新的广告投放，和新的盈利模式，创新方面的需求，同时提高我们精准广告的精确性。

刚刚我们讲了很多运营分析的一些想法和思想，其实整个想法和思想，都是基于我们整个大数据运营很强的技术架构体系来完成和实现的。接下来我给大家秀一下我们的“肌肉”，我们从数据接收、分析、挖掘，包括数据的存储，很多的实时的访问服务，还有支撑整个运营平台的各个业务模块。

我们（运营平台）是基于大数据平台实现的，所有这些大数据平台实时处理各个组件、调度，他们怎么管理、运营？这一块是大问题，我们要构建一个真正的大数据基础管理平台，这个平台类似于windows操作系统，在这个操作系统之上运营，包括大数据系统处理的任务、调度，包括安全，包括数据的交互，都是在整个大数据管理平台上实现的。包括他对计算资源池和应用资源池，统一管理起来的。这个平台是可持续化的，完全基于开源体系，所以它能够及时跟开源社区组建，保持更新、同步，同样也可以实现无限的扩张，满足我们媒体大数据在运营分析，以及在未来其他的大数据应用平台业务扩展的需要。

接下来回到大数据运营分析，其实我们讲大数据运营分析这一块有一个生态链效应。比如从媒体接入，到媒体行业运营分析，再形成用户画像，实现用户行为洞察，基于画像智能内容推荐，同时把广告进行精准投放，然后接入第三方的广告平台，效果计费，广告推荐监测、内容点击监测，然后对传播效果也有全面的监测，所有这些又是在服务于媒体，让更多的媒体来参与到媒体大数据运营的生态链当中。同时我们也跟国内外的流量，包括跟中国媒体融合云对接，大数据资源共享、大数据技术共享，形成智能化的内容交易生态，整个这一块跟大数据的运营体系结合起来。

前面我们的演讲嘉宾讲到大数据怎么样辅助内容生产，加上大数据在运营方面取得的成就和经验，我们打造了一个基于“媒体行业大数据”整体的服务能力，我们也希望通过大数据的技术来点亮媒体，驱动媒体发展的未来，谢谢大家！

分享让更多人看到