大數據重塑媒介生態【2】

3.數據應用

新媒體的本質就是數據分析，數據是客觀的，但分析應用卻是主觀的，如何平衡二者的關系，是數據應用的一個關鍵。

大數據的應用延續著“信息—知識—智慧”三個層面：第一層面是“信息”，當一個個數據被賦予背景，它就成了“信息”﹔第二個層面是“知識”，當從一個個數據分析中提煉出規律，它就成了“知識”﹔第三個層面是“智慧”，當借助分析工具與當下的社會心理以及其他子系統背景，從數據中獲得研判與預測的能力，這就是“智慧”。

在大數據時代，媒體和門戶網站可充分利用大數據與關系鏈，為用戶提供量身打造的新聞資訊，以及良好的體驗。比如，優酷和土豆合並后，其搜索平台可挖掘並推算出4億多視頻用戶的瀏覽行為﹔浙報集團去年投資數據分析項目，開辟社交網絡數據深度挖掘的新戰場﹔搜狐正著手將旗下數據資產全面打通整合，搭建基於雲計算的大數據平台，以期獲取每月9億多人次的用戶數據資產，一場關於數據的圈地運動正在展開。大數據有哪些具體應用呢？

為內容購買提供數據支持。以騰訊視頻為例，他們通過數據分析來購買內容，依此購買的《隋唐演義》今年一季度獨家播出播放量超過6個億，獨家劇《寶貝》播放量也超過3個億。大數據為內容購買提供了精准的指向。

為用戶提供信息圖譜。新版騰訊微博利用大數據技術，將用戶的微博進行整合、重組，將具有相同、相近信息的微博配以熱門標簽，用戶通過進入標簽，可看到這個熱門事件發展脈絡以及未來走向的一個清晰的“信息圖譜”，減少用戶獲取信息的時間成本。

解決媒體與用戶的關系問題。大數據是網絡時代對網絡用戶行為的一個數據積累。這些數據一方面反映用戶的興趣偏好，從而有利於媒體制作出用戶滿意的產品﹔另一方面，數據對用戶滿意度也有非常重要的影響。大數據有助於媒體更好地了解用戶，從而更好地處理媒體與用戶之間的關系。以谷歌的“電影票房預測模型”為例，它通過數據建立了與用戶的關聯，通過對用戶對電影相關內容搜索量的分析，能夠提前一個月預測電影上映首周的票房收入，准確度高達94%。

三、大數據的媒體作為

媒體業是信息產業，在大數據時代擁有先天優勢。麥肯錫全球研究所曾對美國17個行業擁有的數據量做了估算，離散式制造業居首位，擁有966PB數據總量﹔美國政府居第二位，擁有848PB的數據總量﹔傳播與媒體業居第三位，共有715PB數據量。可見，媒體在大數據時代是有數據優勢的。因此，媒體應有強烈的數據意識，善於收集數據、分析數據、使用數據。通過對海量和復雜的數字資料進行收集、整理，從而提升媒體的預測與研判能力。媒體能利用大數據做些什麼？

1.洞察用戶

面對互聯網海量信息，基於抽樣調查+人口學特征的“小樣本模式”不再具有導航性，用戶是“誰”已經不重要，重要的是“用戶什麼時候需要什麼東西”，即用戶的“興趣偏好”及“傳播時機”等信息更重要，而這一切來源於大數據及對它的挖掘。大數據構成中有不少數據來源於用戶的網絡行為、網絡表達、網絡情緒，這些數據之間有高度的相關性，通過對他們的分析就能清晰地描述出你的“用戶”是什麼樣的，他們的“興趣圖譜”是什麼，“行動路線”又是怎樣的。挖掘用戶的行為習慣和喜好，並在這些數據背后找到用戶的“興趣配方”，從而制造出相應的產品並提供相應的服務。

因為有大數據，Facebook、Twitter這類社交媒體遠比報業、廣電等傳統媒體更了解他們的用戶。因此，傳統媒體可以通過與他們的合作，借助大數據更好地理解用戶偏好及行為。也可以像英國第四台那樣開發自己的注冊系統，利用大數據研究他們的用戶。這個注冊系統目前有700萬注冊用戶，其中三分之一為16—24歲的青年用戶。與以往觀眾調查、聽眾來信不同，大數據拓展了媒體對於其用戶了解的廣度、深度及關聯度。

2.協作式新聞

大數據使調查性報道有了更多可用的資源，一條調查性報道的出籠越來越凸顯“協作式新聞報道”的流程及風格。報道中有來自用戶貢獻的UGC內容，有專業記者採寫的報道，有數據分析師從大數據系統發現的線索、關系圖譜、發展趨勢等，有責任編輯負責新聞報道最后的呈現，有專門的新媒體運營者來實施這條報道在各個平台的推送，以掀起社會影響力。因為大數據，新聞生產流程將會發生大的變化。新聞不再是單兵作戰，協作式新聞將成為主流生產模式。

3.廣告精准投放

大數據的多維度與實時性為廣告精准投放提供了可能。例如，《經濟學家》建立了自己的數據庫，包括用戶的注冊信息、國家、投遞地址、郵件地址、打開郵箱頻率等，為實現移動端的廣告訂制與目標推送建立了可能。廣告的精准投放將會改變廣告業整體的媒介購買偏好及廣告投放配比，越來越多的廣告將被投放到社交媒體，這對廣電等依靠廣告而生的傳統媒體而言將產生深遠影響。

4.輿論分析與研判

現階段，新聞媒體可以用大數據做什麼？1.講故事﹔2.來分析各種評論﹔3.降低信息過載（即大數據可以提供相關背景資料，讓人們獲得的不僅是一條條信息，而是圍繞這條信息形成的一個“知識圖譜”，這有利於降低用戶獲取知識的成本）﹔4.進行輿論分析。以“阿拉伯之春”為例，通過大數據的深度挖掘，可以了解多少人和哪些人正在從溫和立場變得更為激進，並“算出”誰可能會採取對某些人有害的行動。這正是大數據的輿論分析及事態預判能力。然而，輿論引導在大數據時代卻變得更困難，因為信息越來越透明化且結構化，且這種結構化是非人工的，由算法得來的，雖然在設置變量等因素時可能有能動性與操控空間，但整體而言，這種非人工的結構化信息，部分消解了先前人工化組織的“議程設置”等引導輿論的方式。