学术交流
当前位置:

李岚:大数据时代电视媒体的生态式变革

2017-12-28 17:34 来源:中国传媒大学传媒经济研究所

责编:陈默

大数据时代电视媒体的生态式变革

李岚:国家新闻出版广电总局发展研究中心信息所所长、中国广电蓝皮书副主编

李岚在第六届中国传媒经济年会(中国传媒大学 20171124-26日)上发表题为《大数据时代电视媒体的生态式变革》的主旨演讲。她认为,大数据时代的电视媒体需要构建大数据生产、大数据营销和大数据评估等方面的能力。目前,媒体的大数据处理分析能力尚待成熟。我们既要充分利用算法,但也不能盲目依赖算法。避免信息茧房效应。

大数据和媒体融合的概念,早前还是一个抽象的、学理性的概念。但近两年,随着媒体融合的急速深化,大数据与电视媒体发展之间的关系更加紧密。这种可持续发展的模式亟需我们做进一步的探究。

前不久,习近平总书记在党的十九大报告中明确指出,要深化供给侧结构性改革,推动互联网、大数据、人工智能和实体经济深度融合,支持传统产业优化升级。我是这么理解的,电视媒体相对于传统的钢铁、煤炭、轻纺等产业而言无疑是一个新兴产业。但是相对于新媒体而言,它却已经算是传统产业了,所以也急需转型升级。从另一个角度来说,相对于电子商务、网络经济等,由于电视产业还存在电视台、电视网,所以它还算作是一个实体经济。那么这个实体经济如何发展,如何转型升级呢?我认为要借助于大数据。下面我和大家一起探讨大数据与电视媒体融合发展而导致的生态式变革包括哪些方面。

一个背景

首先,有一个背景,我们来看大数据给我们媒体带来了什么样的挑战。Facebook大家应该是耳熟能详。Facebook2004年刚创立时起点就很高,用户数高达9亿,这一数字至今已达到20亿。前不久一个英文数据报告提出一个很有意思的说法,说20亿意味着超过了中国的人口。凭借着强大的用户基础,Facebook成为全球第一大社交网站,而且它将用户关系数据化,累积了巨量有开发价值的大数据,从而开展广告营销、互联网搜索、直播视频以及在线支付等业务。在国内,2017年,阿里巴巴旗下天猫11”一天创造1682亿元营业额,在2013年这一数字是350亿,短短四年翻了几番。阿里巴巴积累了大量由用户、商户的互动购买行为,经济行为所形成的大数据。其有今天的成就离不开这些大数据资产的累积和运用。

 

大数据概念

国际上解释大数据常用“4V”概念。旧的“4V”Volume(大体量)、Velocity(高速率)、Variety(多样化)和Value(有价值)。而IBMVeracity(真实性)替换掉Value(有价值),给“4V”做了新的诠释。IBM认为大数据的价值是不言而喻的,而之所以强调其真实性,是在于信息的定义就是需要最大限度地消除不确定性。随着大数据等互联网技术的应用,我们获取信息的方式发生了改变,媒体的生产方式也进行了重构。智能化和大数据化已经打破了媒体的界限,对传媒生态进行了重塑,形成了一种开放竞争的媒体市场格局。

我最近在各种评审工作中发现了一个关键的问题,那就是随着大数据的生成,其对互联网形态和传媒格局产生了深远的影响,我们越来越需要更多的视频,包括交互式的业务内容生产。国内这方面的意识还比较强,中国广播电视国网公司是国内第四个获得电信基础运营牌照的公司。它和歌华有线联合组建了广电大数据公司,搭建中国广电大数据分析、共享和发布平台。另外,在地方上,陕西广电网络投资1亿元参股陕西省大数据集团,转型融合媒体运营商。大数据能力的构建决定着电视媒体融合创新的力度和走向。电视媒体的收入现在取决于大数据生产力、大数据营销、大数据评估三个方面。

一、电视媒体的大数据生产

电视媒体应当把大数据视为重要资产和生产资料,因为大数据的处理技术、数据的可视化叙事等可以把电视媒体传播的范围和创造性提升到新的水平。基于大数据的媒体内容生产是未来媒体的趋势之一。然而目前各地对大数据的重视程度还不够,因此产生了诸多问题:  

短板一:亟待建立大数据存储媒资库

目前,电视媒体还没有完成对已有的巨量内容产品的数字化工作,甚至没有完成基础性的媒资库建设,因而也就无法在全国乃至全球范围建立起一个可共享的媒资系统,这样电视媒体在大数据时代将会成为一座座数据孤岛

YouTube为例,它每小时传输的数量达到上万次,每个月有将近十亿用户的行为数据发生联系,这才是真正的大数据。中央电视台拥有近40万小时的节目资源,年播出总量为20多万小时,但局限于国内传统媒体间共享的数据资源远小于YouTube等全球化社交网站的信息量,所以尚不足以称之为拥有大数据资源。所谓的大数据资源,一是历史信息的保存和原创内容的留底,构成媒体数据资产的核心部分。二是建立内部数据存储系统的同时,通过自由抓取、购买和合作等方式获得外部数据信息,共同组成媒体数据存储系统,为新闻报道的素材查询、版权保护、内容管理等提供大数据支持。

短板二:大数据处理分析能力尚待成熟

首先来说,目前大数据收集的质量无法得到保证。虽然网络信息增长速度很快,但由于虚拟性和不确定因素,所以存在信息不真实、不准确的情况,例如网络水军僵尸粉等。如何甄别和筛选大量的信息成为了媒体面对的第一个难题。另一方面,传统媒体的大数据分析能力还相对较弱。目前主要的数据分析手段仍为传统编码等文本分析方式,这是比较落后的。而如果依赖人工,对记者自身素质要求又太高。因此如何提升大数据的分析能力,这是传统媒体面对的第二个难题。

前不久人民网连发三篇文章,就算法和新闻价值取向的问题之争,对某信息集散平台进行了批评。文章中提到,该平台极度依赖算法,一度还以算法优先和算法为王而著称,平台在这个过程中的确也尝到了甜头。事实上依靠算法,运营商的确能迅速收集用户的个人特征,进行数据分析,形成用户画像并匹配数据库内容,然后进行信息分发,以新闻的私人定制来满足用户的个性化需求。但是当用户长期只接触一类信息时,或者说只听他们自己被放大了的回音时,就容易导致视野的偏狭和思想的封闭、僵化甚至极化,这就是茧房效应。大数据智能推荐的逻辑忽视了人的价值,因而会导致很多问题,比如:仅以用户兴趣为衡量标准会造成隐含负面价值取向的内容被大量推送,给用户造成很多人都有这种价值取向的印象,因而正面价值意见的沉默造成负面价值意见的增势,陷入恶性循环,带坏社会风气,迷失正确的价值追求。这就提醒我们,这种封闭信息,算法优先的概念,要让位于新闻道德和价值引导,防止传媒业的过度商业化。在大数据时代,媒体改革创新的真正主角应该是人。

如何实现电视媒体的大数据生产,打破数据孤岛?

大数据的采集和整合包括内容数据,运营数据和互联网、移动互联网、社交媒体数据三个部分。数据融合是媒体融合之本。首先,打通数据孤岛,才能放大数据价值,实现大数据生产;其次,以中央厨房建设带动全媒体采编平台、新闻客户端、大数据中心等重点项目建设;第三,推进制作流程一体化、资源共享便捷化、数据生产产品化。

大数据的生产,覆盖社交媒体、论坛、视频网站、专业网站等多种数据来源,从中提取热点话题,提供节目素材。在进行新闻采编时,要尽量将新闻数据化。同时运用机器人写作、大数据等技术,电视媒体可以聚合、筛选并抓取全媒体信息,高速处理海量的碎片化信息,极大提升内容编辑效率。对大数据的应用将使新闻采编有理有,这也将成为节目制作的新趋势。

另外我们可以设想这么一个前景,未来影视行业将针对特定消费者打造定制性的产品,以消费者群体的属性分析为基础,制作符合不同代际、不同类型、不同地域需求的内容。可能会出现这样的情况:如果VR和大数据相结合,即使是观看同一部作品,不同人观看到的内容可能并不相同,因为它已经输入不同人感兴趣的版本或者结局。

 

.电视媒体的大数据营销

大数据营销是精准营销。受众信息在聚合基础上具备被深度细分的可能,目标受众的个性需求得到充分的尊重,消费者在网络上的行为轨迹为大数据营销提供了宝贵数据。

一是要精准地用户画像。借助支持收视率的人口统计学,透过内容消费行为数据,就会发现我们对用户的精细描画是借助于场景的,需要不断得修正。用户画像是一个动态的、运营的过程,既要根据变化的基础数据不断修正,又要根据已知数据抽象出新的标签使用户画像越来越立体(反向贴标签)。

二是对广告受众的考量,要从数量转为数据。大数据颠覆了常规的广告传播模式,广告发行商需要同时考虑到特定群体的收入状态、日常消费习惯、群体的特征等。

三是要解除广告与电视媒体的捆绑关系。大数据时代解除了原有广告与媒体的捆绑联系,受众能够自行决定是否关注某一类型信息。那么在这个过程当中,我们发现广告要随时跟进的是受众,而不是媒体。所以从这个概念上来说,是广告资源解除了与媒体资源的相互捆绑,这时候对大数据和受众的追踪尤为重要。

.电视媒体的大数据评估

我们的生态式变革需要一种反馈,也就是说是评估推动了变革。电视媒体评估正从单屏数据多屏数据再到跨屏数据的演进。我们亟待建立基于大数据的电视媒体评估体系,以掌握全媒体收视率。它不是一个简单的媒体收视率相加的概念,而是涉及到调查技术的不断变革。由原来主动的电视测评,变成一种被动的电视测评。包括网络视频测量、下一代收视测量仪“GTAM”等。

(一)海量样本的收视调查:数字电视海量样本测量基于数字电视技术,通过大幅度扩大样本数量来提升收视数据的准确性。实时收视率(Real Time TV Ratings) 通过收视率测量仪采集收视数据,然后发送到收集服务器,再通过云计算系统进行数据处理,处理后的收视报告发送到客户端。计算方式是先通过模型计算得出当天的收视总户数和总收视人口,然后对新收到的每分钟数据进行计算,在短时间内将结果输入客户端服务器。

(二)视频点播的收视调查:美国环球全国广播公司等8个电视台参与尼尔森公司视频点播收视情况调查的试验,对直播和视频点播节目采用不同方式进行编码。初步试验数据显示,视频点播的收视在整体收视率中所占比重达到3% -5%,部分节目甚至高达10%-15%。目前正在将视频点播收视统计的范围拓展到节目资料库中的已播节目。

(三)社交媒体上的收视调查:尼尔森的一项调查显示,在美国18-34岁年龄段的观众群体中,推特(twitter)的使用情况与电视收视率之间存在直接关联。如果一个节目在推特上的转载量上升8.5% ,其收视率会相应提升1%。在35-49岁年龄段的观众群体中,推特转载量若提升14%,相关节目的收视率会提升1%。尼尔森公司与推特公司正在合作开发测量和收集社交媒体上电视节目收视率的系统,这是收视率调查技术和方式的一个新突破。

(四)台网同播的收视调查:当前网络平台都推出属于自己的电视直播服务平台,传统观众的收看行为正发生巨大变化。尼尔森决定Hulu Live TVYouTube TV上所有电视节目,如果与电视机播出的相同节目包含相同的广告,就会被纳入统计范围,无论观看设备是什么。

也就是说跨屏时代的受众测量,已经从TAM(电视受众测量)向VAM(视频受众测量)升级和跨越,这使我产生一个联想,随着大数据、媒体融合的发展,将来电视会以什么形式存在?我们不可否认电视台、电视网虽然是一种传统的名称,但是它已经是一个大的视频运营商的概念,也就是说电视媒体正在建立基于大数据平台的互联互通的评估模式。

最近我看到了两个让我十分激动的消息。一个是5月份,世界首台光量子计算机在中国诞生。这个消息与我们今天的话题有什么关系呢?那就是在于大数据的量子计算。紧随其后,IBM1010号宣布成功研制出了基于 50 量子比特的量子计算机原型机。这意味着人类的计算能力和处理大数据的能力已经不是简单的倍速增长,而是出现上千上万乃至上亿次的提升,世界将经历一场颠覆性的改变。在浩瀚的大数据世界,电视媒体将面临一场颠覆性的改变。我们也期待电视媒体能够插上大数据的翅膀,来一场轰轰烈烈、红红火火的凤凰涅磐,谢谢大家。