媒体云平台：大数据时代传媒行业的转型设想

文|何李白

媒体云平台：大数据时代传媒行业的转型设想

近年来，传统媒体都在尝试各种办法革新，出现最多的是新媒体，其次是电商媒体，行业垂直媒体以及智慧化媒体等等。

首先我们来分析新媒体，新媒体最常见的做法就是把传统媒体的内容搬上PC屏、PAD屏、手机屏等，充其量只是传播媒介的丰富、渠道的丰富，其内容生产方式却没有真正的改进。无论是“渠道为王“还是”内容为王“，最终让用户接受的还是独到的内容，内容的未来，一定是给用户提供深度的解读，从新闻层、知识层、问题层、交互层分别做出为大众所需要的解读，因此未来的内容生产一定是靠数据驱动的，大数据时代下的媒体转型，一定是用数据来驱动的内容生产和传播，应用于各类报刊、媒体App、垂直行业媒体等，为持续不断的内容生产提供指导。

我们再来看电商媒体，一些时尚消费类的媒体在电商方面进行了探索，主要思路是把读者变为买家，目前成功案例不多，大部分仍属于试水阶段。首先是因为用户体验的不足，电商注重更多的是体验带动的经济，包括产品丰富度、精美度、信誉度、折扣、送货速度、包装、口碑、购买方便性等，而媒体在这些方面的理解和执行比较原始和保守；其次是会员体系管理的不足，电商一般都有完善的会员政策，如金卡、银卡、普通会员等不同的服务以及各类会员的升迁路径等等，用户忠诚度与用户粘性都是其运营手段；最后媒体固有的编辑部、广告部、发行部架构难以适应电商的业态，电商体系通常都是采用扁平化，把多个部门融合在一个业务流程里。总的来说，传统媒体只有加强会员化思维、体验化思维、扁平化管理思维才能往电商媒体走的更近。

行业垂直媒体如今遍地开花，具有一定的投资价值，如游戏从业者，无论是CEO等高管还是普通员工，每天都会阅读Gamelock、游戏陀螺、游戏葡萄这类游戏产业的B2B媒体，以获得最新的业内资讯和研究数据。一个垂直媒体，仅仅需要几名员工，内容通常是原创+编译+转载，而传统媒体通常需要设置主编、副主编、编委、主任、副主任、记者站站长、销售、发行人员，市场人员等等，人力支出如此庞大，其经济压力可想而知。如果行业垂直媒体能把用户进行细分，提供以个性化服务，精准投放内容，并进行多渠道传播，就是媒体未来的一个新方向。

智慧化媒体是近几年炒得比较热的概念，其特征是具备思考、感知、识别等多维度智能，能主动寻求目标受众并融入受众的社会关系网，出现核裂变式的传播，如根据用户的情绪感知为其提供高清、娱乐的内容；根据受众所在的地方、时间和消费习惯，能主动提供家庭娱乐、亲子和家庭购物等信息。智慧媒体的出现以互联网为基础，依托不同的智能终端，并结合云计算、大数据等新技术，快速地判断、分析用户想要的内容，这种跟随时间、地点、情绪、各种偏好、习惯、社会关系网等多维度因素，要结合社会多方面数据资源组合进行大数据分析，智慧化媒体将是媒体未来最重要的创新方向。

根据以上几大媒体转型战略分析，仅仅以“内容为王”不再灵光了，以精英控制的中心化的传统媒体时代逐渐没落，而专业素养和媒介能力会渗透到社会生产和生活方式的各个环节和方面，媒体生态化会形成真正以人为中心，以经营为核心，以跨界、平台连接与协作为特征的新型组织关系，媒体生态化需要把各行业媒体组合成一个媒体云平台，平台首先建立报业知识库与用户数据仓库，以DGC（数据生产内容）+UGC（用户生产内容）作为核心功能，以舆论引导服务，传播服务、智能推荐服务、知识图谱服务、数据新闻服务支撑几大多元化媒体发展，平台最终走向生态化服务商业模式，建立整体媒体圈生态环境，让内部新媒体、草根自媒体、行业垂直媒体创业者、电商媒体创业者进来一起玩，生态业务模型如图1。

传统媒体集团的优势是积累了多年的海量信息知识库、海量微博粉丝用户及多种混合传播渠道，但是缺乏各行各业的垂直与精细化和互联网思维化；而小的媒体个体，在搭建大平台、整合多方数据资源、大数据分析、多渠道传播时，面对从成本投入到资源整合的庞大投入则显得力不从心，可以把二者融合在一起，互为取长补短，形成一个各行各业的，真正的大融合。图2是总体架构图。

针对以上媒体云平台的搭建，需准备以下几项基础工作：

一、数据资源整合，信息共享

图1　

图2　

平台首先需要打通内外部数据，汇聚多源数据，覆盖重点网媒、微博、手机客户端、图片、境外网媒、Twitter、Facebook等各类互联网资源，与互联网公司、科研院所建立合作关系，通过相应数据规范和接口规范，引入社外大数据资源，保证数据的准确、全面和时效性，规避信息孤岛，第三方数据还需整合政府、电商、行业资讯、社交网络等，构建真正意义的大数据，帮助解决各种媒体的新闻共享问题、内容生产问题、用户细分问题、用户粘性问题、智慧化问题、宏观趋势问题等等。

二、建立报业知识库

随着信息自动采集、发布、加工、创建、存储等技术的发展，以及信息数据在分类、索引、聚类、关联、翻译、挖掘、摘要等智能处理技术不断走向成熟和大规模的应用，为报业知识库的建设奠定了基础。随着我国报业正酝酿着新一波信息化革命的热潮，有关权威人士认为，新一波报业信息化的重点，将从信息基础设施的改造和建设转向新闻信息资源的开发与利用；新一波报业信息化的着眼点，将从提供生产手段、劳动工具和处理系统，转向借助人工智能等信息处理技术，对这些数字内容资产进行有效管理，并通过数据挖掘等技术建成报业核心资产的报业知识库，实现新闻媒体内容价值链的最优化，从简单的“内容管理”逐步扩展到“知识管理”，实现从“手的延长”到“脑的扩展”的转变。报业信息资料的深度加工处理与内容标签化将成为报业信息化建设的重要核心内容之一，新一波的报业信息化将是在“告别铅与火”“甩掉纸与笔”之后，迎来的“扩展脑与库”的报业知识库建设与使用的时代。

三、建立用户数据仓库

1、从“传者中心”转向“用户中心”

互联网思维首先是用户思维，在价值链的各个环节都要“以用户为中心”去思考问题，在技术和市场的双重驱动下，我们发现，无论是移动化、视频化、社交化，还是个性化、轻量化、社区化，用户总是为了他们所感兴趣的内容而聚拢起来，为了他们所关心的圈子而欢呼雀跃，由此我们看出两个问题：一、你的用户是谁？二、你的内容是给谁看？借助大数据技术，即可实现对用户行为喜好等信息的精确分析，进而为提供精致和个性化的内容打下基础。

2、用户360度洞察视图

用户在网络上点击行为、交互行为、驻留时间等形成了大量的行为数据，基于这些数据的采集分析可以判断用户的喜爱和偏好，可以实现用户个性化需求分析，形成丰满的消费者画像，进行用户行为成长体系的建设和培育，并从中培养用户对媒体的忠诚度。经过多年的发展，报纸的发行、杂志、网站、新媒体系统，营销部门的线下活动等等，积累了百万量级的用户数据，但是，这些数据都分散在各自独立的系统或部门，用户活跃度低，信息不完整，分类信息不标准，需要对各大报刊、网站、App用户、微信用户、微博用户数据进行清洗、存储、抽取、合并，搭建一个统一的用户数据仓库，并从基本物征、浏览行为、交互行为、地理位置、社交网络等多维度上给用户进行标签化，才可以对用户进行360度深入洞察。

3、从单向变双向：体验至上，提升用户分析价值

转变为以用户为中心的传播模式后，用户的体验和反馈对媒体的改进尤为重要。因此，通过跨媒体的平台来收集用户意见，通过关联分析受众需求、偏好及行为模式，是提升用户分析价值，增强用户体验满意度的有效途径。以电视媒体为例，可以通过数字电视或者是互联网智能电视的机顶盒，采集与统计受众对节目内容的接触频次、行为轨迹等数据，甚至提取受众在观看电视时快进、暂停产生的收视率数据与传统媒体收视率数据汇总，以此找出受众的兴趣点和喜好所在，继而建立起受众收看习惯和口味偏好的强大数据库，为受众筛选出最适合的内容，再加以针对性推荐；此外还可打造个性化的推荐栏，生成“我的媒体单”，推荐符合受众兴趣偏好的内容产品，帮助其更快捷、方便地找到所需内容。大数据时代，结合个性化的数据平台，通过有效的数据采集和受众洞察系统，可以实现节目定制，为受众带来更好的观看体验和推送内容。

四、知识图谱服务

什么是知识图谱？在互联网时代，搜索引擎是人们在线获取信息和知识的重要工具。当用户输入一个查询词，搜索引擎会返回它认为与这个关键词最相关的网页。从诞生之日起，搜索引擎就是这样的模式，直到2012年5月，搜索引擎巨头谷歌在它的搜索页面中首次引入“知识图谱”：用户除了得到搜索网页链接外，还将看到与查询词有关的更加智能化的答案。如图3所示，当用户输入“MarieCurie”（玛丽·居里）这个查询词，谷歌会在右侧提供了居里夫人的详细信息，如个人简介、出生地点、生卒年月等，甚至还包括一些与居里夫人有关的历史人物，例如爱因斯坦、皮埃尔·居里（居里夫人的丈夫）等。

我们把这个技术用到媒体领域，例如产生一个新闻时，根据知识图谱计算出与这个新闻的相关程度，以及新闻本身的重要性，对新闻进行排序，作为结果返回给用户，这项技术的引用可以更容易的从知识层解读事实的真相。如图3示例话题关系.

五、智能推荐服务

传统报业是粗放型、广种薄收的传播，把所有的新闻信息向所有人传播，缺乏针对性、精确度，人们时常淹没在信息的海洋中而无所适从，报业也是如此。在建立了海量的历史资料数据库以后，所有的难点与突破点在于，你能否将正确的内容推送给正确的读者。要做到这一点，就必须建立依托于报业海量的历史数据资源和用户群信息的基础之上的智能推荐系统。通过智能推荐系统，在用户使用、浏览我们的纸媒与所有新媒体信息时向其推送最有兴趣、最想了解的信息或产品甚至广告，这样不但用户的体验度急剧上升，而且他们也非常乐意为你提供的产品或信息付费买单。智能推荐系统建设的关键在两个方面，一是理解你所服务的对象，二是理解你所要推荐的信息或产品。只有使用机器学习、数据挖掘、搜索引擎、自然语言处理等相关技术理解了你所要服务的对象和所要提供的内容，才能实现将正确的内容推荐给正确的服务对象。所以智能推荐系统建设的两个重点就是：一是依托以报业海量的历史数据资源等为主的知识库的内容与广告等产品进行产品深度挖掘、分类，为推荐系统提供高可用的原材料；二是通过热线电话、网站会员、手机用户、网络用户浏览行为与习惯建立详细的用户数据库，对用户数据库进行充分的数据挖掘，通过对他们的学历、学科背景、兴趣、爱好、关注对象、浏览信息的历史及行为模式等进行建模，来理解所要服务的对象。只有在充分理解用户与自己的内容的前提下，才能建立真正可用、高效且能带来可观收益的智能推荐系统。

报业知识库与智能推荐系统不仅服务于报业的服务对象读者、用户，报业内部的管理、经营与采编人员也是最大的受益者。在这两个系统上可以建立数据模型进行深度的数据挖掘，为领导提供决策支持；可以为经营管理人员提供精确营销数据，如广告营销能根据客户的具体需求提供更精准的营销方案；可以为采编人员采写优秀的报道文章提供知识源泉与丰富的素材。

图3　

六、数据新闻服务（新闻数据化，数据新闻化）

新闻数据化，即“让数据说话”，是把新闻以数据可视化报道与解读，让数据与老百姓的生活联系起来，他需要从多个层面解读，如政府层、知识层、问题层、大众层，让人们不再迷失于文字中，形成更强生命力的产品。当出现一条新闻时，他需要采集与新闻有关的数据，进行加工处理再作统计分析，得到一些可以展示的图表报表形态，这些图表在一定层面能体现某方面的问题，等同于新闻的数据洞察。

数据新闻化，和上面的新闻数据化是相反的，他的工作流程是，收集多方数据来源，根据数据资源进行多方面分析统计与挖掘，根据多方面的结果综合来分析，得到一些结论性的命题，这个命题即是从数据分析产生的新闻，如“中国创业环境世界96位，仍有9成富豪白手起家”，即是通过分析创业环境排名、创业成功人士分类综合出来的新闻。这种流程更多的要让统计学、计算机学的人员参与，把数据从多维度分析，然后让新闻从业者配合他们，综合发现新的数据新闻。

七、传播服务

传播是传统媒体的优势，从原有的报纸期刊，到新媒体的网络传播，结合智能推荐，可以精准化传播给匹配的用户，从而解决广而洒之的盲目性，并把新闻予以360度的解读。传播至少需要2种传播类型，一种是以公众化、大众化、热点度、多角度、多层面解读为主，这种适合在报纸，门户网站，行业杂志进行传播；另一种是以精准化、垂直化、智慧化为主，根据用户特点、用户环境、用户偏好等进行个性化的传播，典型的如微博用户、新闻客户端App用户、行业App用户等，不再是依靠自已本身生产内容，而是更多的为媒体生态提供传播服务，这是一个新的大的改革点。

八、舆论引导服务

从舆论的产生到形成并作用于社会的每个环节中，新闻媒体一直都影响着舆论，与舆论之间建立了一种密切的关系。随着网络新媒体时代的到来，社会公众的主体意识空前高涨，并且表达欲望也比以往更加渴望地体现出来。尤其是对于社会的公共事务，网民的参与意识极高，大部分网民都喜欢在网络发表一些自己的看法。而且，网民群体也呈现多元化的特点。所以，传统媒体在以网络为代表的新媒体时代里，表现出来的是新闻舆论的主导作用不再那么的绝对和强大，传统媒体遇到了引导舆论的瓶颈。对于媒体来说，抢占热点新闻的“第一落点”至关重要。按照舆论学的理论：媒介通过及时公开地传播新闻事实，迅速形成社会的注意中心和议论中心，就等于先行设置了一个舆论话题和方向。也就说，谁以最快速度传播新闻给受众，谁就赢得舆论制高点。

网络媒体已被认为是继报纸、广播、电视之后的“第四媒体”。通过网络媒体的各个传播渠道，可以最快发现老百性的舆论信息，大数据技术中的4V目标，其中Velocity代表高速，就是以海量的数据中以最快的速度来发现价值，通过采用一些爬虫技术、实时监控技术、实时内存计算技术，对论坛、新闻评论、微博、社区、空间等进行实时爬取，计算并进行文本挖掘，对舆论进行正负研判、舆论分类、舆情预警、舆论可视化，提供以正确的舆论方向，服务于各大多元化媒体。

九、运营能力

图4　

大数据并不是追求时髦，他是解决问题的手段，要做大数据，这背后一定有运营的动力和能力，平台需要精细化运营，业务需求、用户导向是精细化数据运营的标准。其次还需要数据挖掘与分析应用的团队，包括新据新闻制作、可视化展现、创意表达的信息产品生产人员，以及做用户分析、产品分析、工具分析与模式分析的数据挖掘与运营人员。出色的数据分析师不会是孤立的，应该具备与部门、各业务的沟通与整合开发、应用能力，具备统计、算法、建模、展现等能力。

十、海量存储与计算能力

报业海量的数据存储与计算分析，需要大规模、高可靠、高性能的存储与计算技术，需要针对大规模数据分析场景所设计的媒体大数据产品，能够提供TB/PB级别以上的数据分析处理能力及一站式的数据运营能力，需要在数据采集方面具有采集工具丰富、采集类型多样、采集方式灵活、采集性能强劲的特点，同时存储能力和计算能力都相当高效和可靠安全。在数据应用方面需要涵盖数据的交换、存放、建模、开发、分析、展现、管理、共享等多个功能，能够赋予用户快速便捷的创建、维护大数据应用的能力。我们正与阿里巴巴集团旗下数梦工场展开合作，希望基于其大数据一体机研发针对大规模（TB/PB级别以上）的数据分析场景所设计的媒体大数据产品（图4）。

总之，在大数据时代背景下，依托报业海量历史资料建立的知识库是基石；最关键的核心竞争力还是以用户为中心、挖掘知识图谱、正确舆论引导、智能推荐系统和数据新闻服务。当这些系统都成功有效地运行时，有了用户的信任度、粘合度和报业强大的内容生产和经营管理能力，那么报业的最终目标——实现可观的经济社会效益将会顺理成章、水到渠成。