|
吴殿义 发给 huangshengminad@aliyun.com
两年前，我们推出《大数据，新时代》的封面，就当时已经渐成热潮的大数据进行梳理和探讨，两年后的今天，大数据在媒体领域的应用开始发酵，大数据与媒体运营的关系也渐渐清晰。在媒体应用大数据的过程中，关键何在？目前尚存何种问题？《媒介》推出本期封面，试图解析背后的逻辑和思维。
实际上，媒体机构要在以PB计的数据分析上完成价值转换，指导内容优化，提升广告和营销活动的实效性，核心则是破解数据背后更为深刻的逻辑关系。而破解之道，在于构建一个闭环的四维空间，首先，占有海量数据，能够整合内部、外部多种类型的数据，搭建统一的数据平台；其次，只有足够精细的分析，才能够发挥、挖掘出海量数据的价值；再者在分析基础上，大数据在媒体领域的应用可以归结到优化内容业务，提升营销价值，构建开放平台，完善内部管理四个方向；最后，无论是哪个方向，媒体的运营都必须直面用户，与用户进行互动，这种互动背后则是数据的流动和再积累。如此形成闭环。
占有数据、打通数据是媒体运营数据的基础
媒体的大数据运营有一个误区，绝对不是你需要优化内容，业务或者广告的时候，委托一个数据服务商给你做个调查，买点数据，分析一下数据，根据数据分析的结果来指导你的工作，这就是大数据运营。这样的数据化运作在过去也曾经做过，总编室经常做收视数据的对比分析，战略研发部门也会委托机构进行读者或观众的调查然后发布关于媒体运营某方面的分析报告，广告部门更是委托机构对广告效果进行评估力证自己广告的价值等。更不能认为过去我们不经常做数据调查，现在经常做，过去我们的样本少，现在样本量大了，过去我们只有定量的分析，现在我们有了定性的补充，过去我们只看自己媒体的数据，现在我们加入竞争对手，甚至是合作伙伴的数据，这些就是大数据了，是大数据运营了。
非也。数据应用和大数据运营不是一码事情。媒体的大数据运营首先强调的是自己主动占有数据，并且将不同类型的数据打通形成一个可供应用的数据平台。
1、占有数据
媒体运营者首先要有占有数据的思维，随着网络融合的发展，智能终端的普及，媒体运营的业务产品越来越丰富，用户在媒体内容或者与内容相关的交互应用上留下的痕迹也越来越多。正是这些媒体内容与用户或营销与用户之间的应用带来了多元的丰富数据，而丰富的数据又成为支撑媒体业务设计，内容优化和广告营销活动的重要基石。
数据运营好的媒体，往往是非常重视数据的占有，有数据才能做事情，记得笔者之前的一篇介绍互联网的媒体化运营的文章中曾经分析过，互联网的运营是构建在不同类型的数据库基础上的，它的建设一开始不是单纯硬件的建设，而是设计什么数据仓库，构建数据仓库怎样的关系，生产怎样的产品，让用户发生怎样的行为，而后用户与产品之间的互动应用痕迹又被记录下来，生成新的数据， 循环往复，数据的闭环天然形成，对其而言，大数据的运营没有什么神秘可言。
而我们传统媒体的运营者其实也很努力，为了优化内容和提升广告效果，往往开展了大量的互动应用，网站，微博，微信平台，APP，二维码互动，各种互动手段齐上阵，以为互动了就是新媒体了，殊不知，发生在自己媒体上关于内容，关于广告，关于用户喜好等数据没有长期累积和分析，而这些外交互手段，让自己的内容或广告与用户互动之后累计的多样态的（点击，发表评论，参与活动数等）数据，也没有和之前的数据打通做进一步分析， 这样的互动，只是热闹而已，连热闹的程度，下一次如何更热闹都没有办法控制，这恐怕正是传统媒体数字化战略的短板所在。
由此可见，主动去占有数据是运营数据的关键基础。唯有占有，才能分析，也才有随后的应用。否则，即便是互动了，这些数据不留存不记录，不分析不应用，下一次的互动仍然是盲动。
2、打通和统一数据
大数据之所以大，一方面在于数据体量，另一方面则是数据来源和类型的庞杂。这种庞杂是数据的价值所在，唯其庞杂，才能全面的反映和描绘规律。但是面对如此纷繁的数据，要想将其付诸应用，必须建设一个打通和统一的数据平台。
而底层数据库的统一建构，又依赖于技术的统一和组织结构的统一。如果没有单独、专业的部门去做，而只是各个业务、营销部门自己进行数据分析，数据就会因为管理松散、无法聚合。目前BAT三家以及国内的三大电信运营商，都有专业部门在做数据处理，并且搭建了统一的数据库处理中心。而海外的传媒集团，更是从集团顶层设计上设立了首席数据官这样的角色，通过机构设置来打通和统一集团分散的数据来源和分析应用。对传统媒体的数字化而言，如果广告的数据广告部门管，内容的数据只有内容生产和编排部门自己占有，外部的数据没有引入，新媒体的运营部门各自为政，那么，即便是每时每刻在不同的层面都有数据发生，不统一汇聚在一个信息平台，散落各处的数据也各自为政，如此只能让内容与广告部门继续打架，传统业务与新媒体业务永远对立。
大数据之于媒体运营者而言，唯有统一，运营者才能全面、清晰的了解自身平台积累的和外部平台获取的数据情况，对数据应用有所把握。从技术层面，海量数据的存储和处理，应用hadoop集群，也必须要统一管理，才能降低错误率和软硬件成本。从应用层面，从A内容获得的数据，未必一定只能要用A内容的优化，可能在另一个B内容或者C广告营销活动上发挥价值。因此，数据在底层必须要打通。
比如百度在2014年春节期间推出的手机百度APP，其中扫码功能是一大亮点，用户扫描商品的条码后，APP不仅会给出该商品当前线上、线下卖场的价格对比，而且还会给出该商品的百度百科词条，在百度贴吧等社区中的评价等等。之所以能够如此，就在于百度在底层将商品价格，渠道，商品介绍，用户喜好评价等数据进行了汇集和打通。这样打通呈现的内容，无疑才是用户真正需要的。
在越来越受到行业关注的RTB广告中，数据打通更是重中之重。如果没有对多种来源的用户行为数据的综合分析，何来标签，又何来基于用户标签的实时、精准投放？
在统一数据库的基础上，才有可能去做数据的跨界。比如微信目前试图整合用户的个人信息与一些健康app，搭建一个类似苹果health kit的平台，成为用户个人健康与医疗的入口。这其实是数据之间的跨界，但是基础还是在数据的统合。
相比而言，传统媒体在数据的打通方面就比较迟缓。然而实际上，对传统媒体而言，如果能够打通目前已经有的收视，发行等数据库，和关于用户，关于内容，关于广告主等多样态的数据库打通，构建一个底层的基础数据平台，那么在内容上，就能够有的放矢的进行节目的制作、优化和采购，在营销方面，则可以做到精准、可寻址的个性化直播广告，为客户提供更有效的品牌传播。对媒体的运营机构而言，发挥区域优势，整合家庭、社区和个人数据，再整合区域，行业的相关数据，就让自己真正成为一个信息流转、业务汇聚的平台，亦是大有可能。
这不是技术问题，而是所谓的“思维”问题。
精细分析，让数据成为媒体运营的生产力
数据诚然已经是海量时代了，任何一个可称为大数据的公司，日处理PB级别绝不罕见。然而媒体运营者要想将海量数据变现，真正成为能够指导内容、业务、广告优化的驱动力，就必须要进行精细化的分析，形成对用户、对行业、对市场、对消费的深刻洞察，不然所谓大数据也只能流于概念。
对媒体运营者而言，精细的数据分析有两个回避不了的问题：清洗数据和打标签。清洗数据是过滤和分类的过程，一个一个的标签，是给数据命名，给数据一个身份，给数据打上标签则是让数据和媒体的内容，业务，广告服务发生关系的必要步骤，让数据能够为媒体运营的各个环节服务。
需要说明的是数据分析绝对不是纯粹的技术人员能干的活，现有的媒体内部的内容、战略和广告营销人员应该加入进来，让死数据变活，让数据能够用起来，而不是躺在服务器里腐烂掉。更不是技术人员怎么处理就怎么用，那样的数据分析没有灵魂，只是花里胡哨的可视化。
通过本期选择的案例，我们必须要承认，媒体运营大数据，占有海量数据是第一步，如何清洗海量数据，提出相适配的精细化分析的方案也至关重要。
首先海量数据不都是有用数据，同样的数据对于不同的对象，有价值的部分各个不同。媒体要根据自己的需求、特征，对现有数据进行清洗过滤，将数据中的“噪声”剔除。如一家区域报刊和一家全国卫视，都购买了新浪全站微博，可能前者需要着重于地理位置、本地竞争对手和企业动态，而后者则看重电视节目、剧集相关的舆情。这是第一层次的，有针对性的数据选择。
其次，当过滤出有效信息后，数据依然是海量的。或许我们随便分析一下，足够得出一些有价值的结论，但是，精细的分析才能够最大化这些有效信息的价值。
以视频网站为例，国内的各大视频网站，诸如优酷、搜狐视频，其用户数量、内容数量以及用户的使用行为数据，甚至都远远超过Netflix，爱奇艺甚至还可以整合百度的搜索数据，但依然没有成为大数据应用的典范，做出《纸牌屋》这样的经典剧集，虽然与中美视频行业的发展阶段有关，但是对海量数据分析的缺失绝对脱不开关系。
Netflix的编辑们在长达36页的培训文档指导下，给全站内容打上六万余个标签。反观优酷、搜狐视频，对单个视频而言做出了各自的指数，但是除了点击量、评论量、所属类型、观众区域等这些基本信息，还有什么呢？这些基本信息，在小样本的时代，不一样可以给出么？内容与制作团队的关联、与时代的关联、与文化的关联，与消费的关联，用户多个层次的喜好度等等，这些本可以挖掘的数据，不见踪影。那大数据的存在就失去了意义。
数据应用才是王道：媒体数据运营的四个方向
在打通数据、精细分析后，落到实处的，是大数据的应用。我们可以把目前业界的大数据应用归纳到以下的四个方向：
优化内容和业务
对媒体运营者而言，数据是可以优化自身的内容和业务的，因为内容和业务都是要面向用户的，而内容和用户之间的，业务和用户之间的关系，如果用多样态的数据来解析，就能更加全面，更加有逻辑性。
如果批评我们传统媒体运营没有用数据的习惯，必然会遭到反驳，但是我们的媒体运营，以往却只有用数据的思维，而没有用数据优化内容和业务的思维。我们用收视率数据来决定这个内容好，那个内容不好，广告应该更重视对收视数据表现好的内容的销售和推广，收视不好的内容就责令整顿，或者末位淘汰。
殊不知这只是最简单粗暴使用数据的方式，短视而非常具有伤害性，不是用数据优化的思维。媒体运营者应该思考，为什么收视结构呈现这样的特征，用户的收视行为背后还有怎样的数据可以再分析，而收视数据又能和什么样的外部数据结合，反映了什么样的文化、消费、社会现象等问题，这些问题的提出和思考，以及由此带动的一些策略的变化就能优化某个内容或业务的提升。
如湖南卫视的呼啦APP，其中设置有直播聊天室和每个节目的“工会”，观众在观看电视的同时使用APP实时互动，在收视数据之外，APP的用户们也给湖南卫视留下了实时的，对节目的热度、对内容某环节的互动交流，评论评价等方面的详细反馈数据。整合了这个来自小手机屏的数据，再应用于电视大屏内容的分析，湖南卫视可以有的放矢进行节目优化。
数据不仅可以帮助优化内容，还可以直接在前端指导内容的生产。尤其对于观众深度参与的节目，诸如问答类等节目，通过对观众数据的分析，可以直接拍板决定内容制作的方向。
在腾讯视频与唯众传媒的合作《你知道吗？》这档节目中，腾讯视频作为节目模式的购买方，委托唯众传媒进行制作。每一期节目的选题、具体问题的提出，都依赖于腾讯视频基于自身平台的受众调研和数据分析，表面上看，视频网站缺失内容制作的团队，但是凭借数据，腾讯视频能够理解用户，也就能指导节目公司去完成内容。
大数据的应用能力，就意味着在内容、业务领域的话语权，这是未来的造血能力。因此，众多传统媒体不应该过分依赖于将自己的数据外包给其它公司进行分析，而应该提高自己的技能，不然，在新的媒体格局中，哪怕有好内容，恐怕未必能占到好的席位。
提升广告营销的效果
广告主都希望自己的真金白银有所收获，又总是有不知道自己的钱浪费到哪里的困惑。这一方面源于广告投放效果并非完全是可以由数据直接衡量，另一方面也是受制于技术发展，传统媒体之前不具备很多数据统计的能力。而今用户有大量的在线行为数据，有热情参与讨论的社交媒体的评论数据， 有针对的投放广告成为可能，广告主精准营销的需求越来越迫切，媒体自然要提高广告营销的效果。
如Comcast经过两年的试验后，在今年年初正式发布了其DAI（动态广告插入）系统，能够在直播流中根据观众的特征投放精准广告；DirectTV早在2012年已进行部署测试可寻址电视广告，到2013年的营收中已经有10%的收入是通过可寻址广告带来的；Youtube会基于用户的行为数据了解用户的关键词、地域信息、个人信息以及近期所关注的多方面信息等，得出用户倾向和性质，推出精准的互动营销。
然而大数据只是部分解决了营销问题。目前可用的数据依赖于用户的在线行为，在线行为不能涵盖一个人的所有方面，即使我们通过监控设备获得了用户的更多行为数据，而用户行为背后的动机、心理状态的变化，以及对品牌、产品、价格的态度转变等等，也并不是纯然依靠大数据就可得的，或者说当前的应用，还只能让大数据帮助解决投放渠道的相对精准，未来需要更多的相关研究。
另外一个值得注意的地方，在于单纯依靠数据的陷阱。纯技术支持下的营销，可能会走入死胡同。如淘宝为其平台上的卖家开发了非常多元的营销工具，如直通车、钻石展位等等，这些工具将卖家导向了对ROI、CTR的片面追求，以降价求销量，的确造成了繁荣的景象，然而随着市场的发展，他们又会碰到瓶颈，因为ROI实际上是个即时营销的指标，却不能指导长期的品牌建设，没有品牌，营销的路最终会越走越窄。
必须要将传统营销理论与数据的力量做结合，才能够真正诞生出适合新环境的营销工具。
支持开放平台
平台是很多媒体公司的愿景，希望能够凭借自身的内容、渠道或用户优势，吸引更多的参与者，为用户提供相关的周边服务，更深度黏着用户。
欲先取之，必先予之。媒体平台在吸引第三方机构、开发者进入的时候，当然要针对他们的需求，开出有吸引力的条件。他们需要获取用户数据，分析用户行为，为自己谋求一席之地，而媒体作为平台方的数据基础就成为巨大的优势了。第三方不需要花费时间和金钱去采集数据，直接能够获得现成的分析结果，并在数据的指导下不断优化。反过来讲，这些第三方也会将自己获得的数据补充到媒体平台的数据库中，为媒体平台输送更多养料。
比如，优酷作为一家视频运营者，其核心优势就是差异性的内容。这一目的通过采购和自制可以部分解决，但广泛发动社会上的闲散制作力量，汇聚起大量机构和个人用户成为内容提供者，持续为自身的视频库供血，也是不容忽视的重要战略。要想做到这一点，良好的分成机制当然很重要，此外，利用优酷已经积累的数据资源和分析能力，帮助这些“供应商”在生产内容过程中进行优化，也是题中应有之义。
又如Google Analytics（Google分析）是Google的一款免费的网站分析服务，只要在网站的页面上加入一段代码，就可以提供丰富详尽的图表式报告，向网站的所有者显示人们如何找到和浏览网站以及如何改善访问者的体验。
大多数如上所述的数据分析工具都是免费的，然而醉翁之意不在酒，对以平台为目标的媒体运营者而言，开发这样一些免费工具并不会付出难以接受的成本，却能够换取一个“盟主”的地位和背后更多的养分，何乐而不为呢？
优化内部管理
数据优化内部管理，可以说是老生常谈。但媒体应用数据优化内容管理的早期做法，主要是对员工进行绩效考核。随着数据的打通，内部管理已经超越了单纯“考核”，逐渐与业务融为一体。
比如某个时段网络上的掉话率持续过高，法国电信借助大数据手段诊断出通话中断产生的原因是网络负荷过重，并根据分析结果优化网络布局，为客户提供了更好的体验，获得了更多的客户以及业务增长；T-Mobile采用Informatica平台开展大数据工作，通过集成数据综合分析客户流失的原因，在一个季度内将流失率减半；SK电讯新成立一家公司SK Planet，专门处理与大数据相关的业务，通过分析用户的使用行为，在用户作出决定之前，推出符合用户兴趣的业务，防止用户流失。国内的电信运营商也在做类似的事情。
大数据对内部管理的变革，体现在管理边界的模糊。当数据可以直达业务，考核人事就失去了很多必要性。媒体也应该通过“数据——考核业务——考核人事”这样的逻辑去重置内部管理结构。
互动与数据互为表里，让媒体的大数据运营形成闭环
经过上述的三个层面后，内容、业务和营销终于直接面对用户了。在这一层面，表面上看是通过各种方式与用户互动，如吸引用户点击、收藏、跳转、下载、参与活动等等，实际上，互动如果没有收集到用户数据，并且将这些数据存留下来，将来的业务和营销就会缺少进一步的指导，互动也就成了昙花一现。
这就要求媒体经营者在设计之初，考虑交互性的同时，还要有数据意识，对可能产生的数据有清晰的理解和把握，在搭建前端的同时兼顾底层数据库的建设，形成一个“利用交互优化用户体验——同时记录数据——通过分析数据进一步黏着用户、开发数据价值”的回路。
比如微博、微信的点赞功能，我们不能否认这是刺激用户活跃度的一种交互方式，但是如果仅仅让用户点了，而不去分析它，对媒体运营者而言，无疑就很可惜。因为这种交互方式背后，隐藏着用户对内容的喜好和倾向。而要想利用它，就必须在设计点赞功能的同时，考虑这一数据在整体数据库架构中的沉积和分析。
比如乐视网推出的“热度曲线”，这款产品通过深度挖掘用户行为，将用户对于视频的观看热度以曲线图的形式展现出来，并且细化到每一帧，曲线的波峰和波谷在哪里一目了然，快速帮助用户找到爆点。目前该产品已在综艺频道上线，未来会覆盖所有的综艺、电视剧等长视频节目，并支持移动客户端。
这一案例就切实体现了用户数据的价值所在，乐视通过利用用户简单的点击、跳转，分析出用户行为特征，形成热度曲线这一产品，除了能够帮助用户更快的找到爆点，将来还可以帮助行业优化内容生产。
大数据既是挑战，也是机遇。挑战在于思维的变革，而机遇在于大数据能够创造出新的价值和模式。与此同时，面对概念的诱惑，如何做到不盲从，有针对性的选择、处理和应用，是所有媒体值得考虑的问题。
|
