传统媒体转型的用户战略：重建用户连接
（一）大数据使得智能传播平台成为可能
1.大数据及其特点
首先，所谓大数据是指以服务于决策为目的，需要新型数据处理模式才能对其内容进行采集、存储、管理和分析的海量、高增长率和多样化的信息资本。认真分析大数据，其本质体现在以下五个方面。
第一，数据量大。相对于传统的抽样调查的数据，大数据无疑是巨大的，尤其是依靠传统的计算手段难以有效计算的。
第二，服务于决策。大数据的主要目的是服务于各类决策，它能够帮助各类组织和个人大幅度提升决策能力。
第三，需要新处理模式。由于大数据数量大且许多是非结构化数据，现有的处理模式不能有效处理大数据，需要新处理模式。
第四，信息资本。大数据是一种信息资本，而不仅仅是一堆数据和成本。所谓信息资本是指其能够为政府和企业带来未来经济利益的信息资源，更是和土地、资本、人才等一样的新生产要素。
第五，更为复杂。大数据比海量数据更为复杂，海量数据包括结构化和半结构化的交易数据，而大数据除此以外还包括非结构化数据和交互数据。
其次，大数据在量度、频度、速度、维度和温度五个方面具有显著的特点。
一是在量度方面具有海量性特点，即大数据规模巨大，当前，通常指100 TB规模以上的数据量，而且随着数据的迅猛增加，大数据的量级还会进一步增加。
二是在频度方面具有高频率的特点，即发生的频率很高，重点在于用户参与与互动而产生的数据。在这方面，传统媒体的发行用户数据的价值就很小，关键在于其发行用户非在线，基本上一年才更新一次。
三是在速度方面具有实时性的特点，即大数据能够实时反应。例如，在百度搜索框输入一个关键词，能够瞬间呈现，一旦其反应速度稍有不及就会有大量的用户流失。
四是在维度方面具有全样本、多维度、非结构化的特点，即大数据是全体样本的数据，而不是抽样的数据；大数据是多个维度的数据，而不是单个维度的数据；大数据既有惯常的结构化数据，也有音频、视频等非结构化数据。
五是在温度方面具有在线性特点，即大数据是永远在线的，是能够随时被调用的，这就要求必须基于用户数量巨大的互联网平台。这些平台记录了用户的行为、情感、思想、爱好与需求，能够科学地分析用户的需求。
2.智能传播平台的构建
（1）利用大数据实现信息智能匹配
对于传统媒体来说，需要摒弃之前“重采编、轻经营、无管理、无技术”的观念，以技术为驱动，高度重视技术，当前，主要的技术是移动互联和大数据技术。在信息过载的情况下，存在“多就是少”的悖论，即过多过滥的信息与能够满足用户的有效信息极度匮乏之间的矛盾，而要解决这个矛盾，真正满足用户个性化、定制化的信息需求，就必须通过数据挖掘和分析技术，关键在于打造基于大数据的信息智能匹配平台，在不断优化用户信息需求的基础上，实现信息和用户需求的智能化匹配。
①打造巨型的云信息服务平台。在该平台上，云集着各式各样的信息，既有文字的，又有音频和视频的，并能实现信息的分类筛选、摘编和深度加工。云信息服务平台一方面是开放的，既能对接各种自媒体平台，又能通过各类媒介进行传播；另一方面能够利用大数据技术对信息内容打标签，只有标签化后的内容才能够更好地与用户的需求进行智能匹配。
②打造大型的大数据信息资源平台。在该平台上，媒体能够利用数据挖掘和分析等技术与方式，通过对用户在互联网的行为进行长期的、系统的跟踪和分析，实现对读者和受众个性化需求的准确定位和把握，其核心在于用户画像。
③智能化匹配。信息智能匹配平台能够通过技术手段低成本地实现信息和受众个性化、定制化的需求之间的智能化匹配，并能通过各种支付手段，实现智能化信息的收费。目前，已经形成了一些巨型的信息平台，如Google、Face-book、亚马逊、百度、新浪、腾讯等也出现了搜索、筛选、推荐等新技术手段，利用技术手段实现精准信息和读者需求的智能匹配进而实现信息的收费将仅是个时间问题。
（2）智能传播平台的具体构建
①在用户画像方面，智能传播平台可以根据用户短期的点击、转发和评论行为来给用户按照兴趣、职业、年龄、终端、地域分布、兴趣和情感倾向等特征对用户进行画像，进而分析出用户喜欢什么类型的文章、最喜欢文章里的什么关键词、关注这篇文章的人还喜欢什么内容，等等。
②分析场景特征。平台进行个性化推荐除了考虑用户的个人特征，也要考虑用户所处的场景。例如，早上应该多推送与工作相关的信息，中午可以多推荐一些餐饮信息，晚饭后则可以推荐幽默、搞笑视频。当然，在进行个性化推荐时，也应该分析用户是否在Wi Fi（无线网络）环境下，如果没有Wi Fi，则应多推荐耗费流量不大的图文；如果有Wi Fi，则可以多推荐耗费流量大的音视频。
③分析文章的特征。平台要重点分析文章中的主题词、重要标签以及文章的热度、时效性和相似性等。通过分析用户的个性化特征，结合特定的场景和平台给每一个用户推荐满足其需求的文章，这样就能够吸引用户留存下来，并提升用户的忠诚度。
（二）基于大数据的三大技术平台——重建用户连接
基于大数据技术，通过信息智能匹配获取用户以重新建立用户连接，关键在于利用大数据技术和移动互联技术，打造大数据信息资源平台、智能传播平台和用户沉淀平台三大平台，有效地吸引用户，并在完成巨量用户沉淀的基础上，为用户提供有效的服务，进而实现商业模式和盈利模式的再造。
1.大数据信息资源平台
大数据信息资源平台是硬件、软件、数据、云存储和平台服务的组合，具体包括大数据资源中心、大数据智能分析中心、大数据组件服务、虚拟化云平台、大数据运营系统、安全管理体系等方面的建设内容。
（1）大数据资源中心。媒体通过互联网采集、接口导入、历史数据导入、远程汇聚等各种方式，将传媒集团内部资源、互联网资源、第三方资源以及UGC资源汇聚到集团大数据资源中心。
（2）大数据智能分析中心。大数据智能分析中心以文本挖掘、机器数据挖掘、个性化推荐引擎等作为核心技术，实现数据的存储与检索、敏感信息监测以及用户行为分析、报表分析、个性化推荐等深度挖掘。采用大数据的智能分析中心支撑传统媒体的所有信息挖掘分析服务，所有基于语义面向内容和行为分析的智能化技术都融合在大数据智能分析中心。大数据智能分析中心以大数据智能分析为基础，结合自然语言处理技术与数据挖掘技术，融合中文信息处理、人工智能、信息检索的最新研究成果，提供对文本内容的自动关键词和摘要的提取、自动分类、自动聚类，并可对事件或专题进行趋势分析、演化分析、情感观点分析。大数据智能分析中心可以帮助传统媒体将各类信息资源打通融合，通过对内容碎片化和标签化技术的整理，结合知识图谱技术，形成传统媒体资源的潜在知识关联网络，实现资源价值的最大化。
（3）基于内容资源、用户行为资源以及大数据智能分析中心，媒体提供个性化的大数据组件服务。一是资源服务。二是监控服务。三是分析服务。四是推荐服务。
（4）虚拟化云平台。虚拟化云平台的总体建设从低到高分为4个大的层次，分别是标准体系建设、云平台建设、一体化平台建设、各类业务应用系统。虚拟化云平台需要做好如下工作：整合资源，提供统一、高效的基础设施环境；建设可伸缩的智能化云平台；提供面向业务的健康监控和弹性支撑；构建“绿色”私有云。
（5）大数据运营系统。大数据运营系统分为广告投放管理平台、营销活动策划平台、活动反馈收集平台、过程改善支撑平台、综合统计分析平台、活跃高价值用户推送平台等，并通过各平台的分析结果，将其应用于网站、微博、微信、移动APP、报纸等全媒介业务，实现全媒体营销。
2.智能生产和传播平台
智能生产和传播平台是立足于传媒集团大数据的平台，它以大数据智能分析工具作为技术支撑，将传媒集团旗下媒体资源融合共享使用，以“中央厨房”的方式重构新闻生产，实现“一次采集、多元加工、多次发布”。
（1）新闻线索智能决策系统。新闻线索智能决策系统将利用大数据平台所提供的数据采集与挖掘分析能力，对全网新闻信息和热点专题进行智能分析处理，为媒体的内容选题、新闻出版和事件分析等提供支撑。它具有新闻趋势分析、选题趋势分析、选题个性化智能推荐、稿件热点匹配、线索资源背景匹配、新闻热点分析、线索多维展示等功能。
（2）智能创作系统。智能创作系统将实现同一稿件不同形式的编辑，包括网站格式编辑、终端（手机、平板）格式编辑、微博格式编辑、微信格式编辑、户外大屏格式编辑，等等。在这个系统中，同一稿件可被编辑为多种格式进行保存，能够提高各渠道编辑效率，同时可很好地实现资源共享。它具有一体化编辑器、多渠道推送、社交化移动创作、碎片化管理、数据新闻制作套件、稿件流转监控等具体功能。
（3）智能发布系统。通过接口调用、消息传递和共享数据等技术方式，智能发布系统完成与智能创作系统之间的无缝对接，并在此基础之上实现新闻内容的一次加工、多渠道多终端统一发布。它主要包括多模板适配发布引擎、网站新闻发布、微博发布、微信发布、今日头条发布、移动终端发布等。
（4）传播效果分析系统。传播效果分析系统可收集、存储和计算互联网内容及相关数据（含历史数据）、内部媒体产品内容及相关数据，系统将会全方位考察纸媒发行量、阅读量，网站点击量，微博、微信转发量关注度，APP装机量、活跃用户数，新闻事件报道关注度，引发话题量等，以及相关新闻来源、首发率等，最终综合成品牌影响力。系统对这些影响力进行量化的分析并持续跟踪，最终形成综合性的量化影响力报告。
（5）“中央厨房”报道指挥系统。“中央厨房”报道指挥系统将建立智能的选题策划和团队建设平台、高效的任务管理与任务汇报机制、灵活的新闻采访指挥与现场协调以及全面的新闻生产过程监控与分析机制。
（6）内容创作社区。内容创作社区是面向内容创作爱好者的服务类社区平台，平台实现对社区形态媒体的投稿功能以及相关辅助性社交功能，包含网站和移动端。
3.用户沉淀平台
用户沉淀平台将传媒集团通过优质内容资源、线下活动、经营行为沉淀下来的优质用户数据进行整合、清洗、认证、管理、记录以及深入挖掘、分析，并通过智能化、个性化的信息、数据服务，提高用户的参与度和满意度。用户沉淀平台包括用户数据采集及处理、用户数据存储与管理、跨媒用户统一管理、用户行为分析、用户肖像刻画、互动应用管理等方面的建设内容。
（1）用户数据采集及处理。用户沉淀平台可采集来自各个渠道的用户数据，包括发行用户、广告客户、网站群、移动端APP、官方微博和官方微信等的用户信息。
（2）用户数据存储与管理。采集数据通过处理后直接存入数据仓库以及分布式文件系统，其中结构化数据将主要存储于关系型数据库，非结构化数据主要存储于全文数据库。
用户数据的管理主要包含以下两个部分。
①用户属性数据管理。各应用系统用户的公共信息统一存储在用户资产管理系统中，私有信息存储在各系统内部。系统可对用户数据进行管理，分级维护所有的组织单位用户信息和个人用户信息，包括用户注册、用户管理、用户审核等功能。如果增加了新用户，系统将会根据预设的策略，触发用户与各个系统的同步功能。
②用户行为数据管理。用户行为数据具有单条容量小，但维度多和增长快等特点，传统的关系数据库无法很好地实现对行为数据的存储与管理。因此，平台将采用关系数据库和分布式文件系统（HDFS）相结合的数据存储与管理方式，并按照数据的处理周期划分为原始库、计算库和结果库，从而能够提供更好的灵活性和可扩展性，以满足行为数据的存储与管理。
③跨媒用户统一管理。跨媒用户统一管理实现对用户的身份管理、安全身份认证和单点登录。
第一，用户身份管理。平台对用户在不同系统的账号进行统一管理，通过对账号的识别，实现对账号的排重及统一管理。用户在不同平台的账号可以关联，使用某唯一账号如手机号、邮箱等即可实现不同渠道的统一登录。
第二，安全身份认证。媒体将所有用户的安全验证功能集中到用户资产管理平台中，符合校验规则后，完成用户登录流程。用户安全身份认证支持“用户名+口令”、手机号、身份证号、“邮件地址+口令”以及USB Key等认证方式。
③单点登录。平台使用统一单点登录，用户仅需在某一类媒体上安全登录，则自动向其他媒体传递过去机构人员信息、信息分类与数据字典信息和权限分配策略信息，完成各类媒体应用的快速登录。
④字段级别权限控制。由于用户资产管理平台存储了用户的所有信息，必须要对用户数据进行隐私保护。平台将具体到字段级别对用户数据的隐私进行保护，并建立审批机制，由管理员对用户信息的获取申请进行审批。对于没有字段权限的系统或者人员，将无法获取到相应字段的信息。
⑤动态扩展用户模型。平台提供初始的用户模型结构，并支持在运行时由管理员根据需要自行动态扩展用户模型。
（4）用户行为分析。平台以系统所采集的用户行为数据为主，并结合用户的显性属性，建立多维度分析模型，对媒体的各类电子报、电子杂志、微博、微信、网站和APP产品的用户行为进行深入分析。
①流量分析。对媒体各类产品的PV、UV、跳出率、停留时间等流量数据进行分析，并采用图形化的方式进行展现，支持按照时间区段、产品类型等维度进行对比分析。
②来源分析。访问来源分析可帮助媒体了解到用户是如何到达网站、APP和电子报等产品的，并可对用户来源的变化趋势和占比进行可视化分析。
③受访分析。通过热力图、折线图和统计表等工具，对各个产品的受访页面、受访栏目和受访内容的数据和趋势进行分析。
④访客分析。对访问媒体各类产品的用户技术数据进行分析，包括用户的地域信息、时间信息、终端信息、操作系统和浏览器等，并提供访客的趋势走向、回访访客、跳出访客和新老访客占比等数据的可视化比对展现。
⑤兴趣分析。对访客所点击的板块、栏目和内容进行分析，并结合内容的分类和标签体系，对访客的访问兴趣进行分析和可视化展现。
（5）用户肖像刻画。平台利用用户行为分析收集的数据和内容生产数据，建立多维度画像体系，形成不同的用户画像模型。其他业务应用系统可依据分析结果和用户画像进行媒体的产品与服务优化，实现面向用户的精准传播。
①用户肖像刻画。从性别、年龄段、地域分布、终端设备、在线时长、浏览阅读行为、搜索操作行为等角度定位用户，识别用户群体特征，针对用户做定向推荐。
②行为轨迹画像。基于用户行为数据生成用户的兴趣档案，将浏览、检索、转发、点赞和关注等多种用户的操作行为进行记录，建立用户偏好模型，将用户的行为转换为用户的偏好。
③查询轨迹画像。查询意图分析的主要功能是根据用户输入的搜索引擎查询，确定一个或者多个类别，在一定程度上去理解用户的意图，从而更好地为用户返回搜索结果。
④用户情感分析。评论信息表达了人们的各种情感色彩和情感倾向性，如喜、怒、哀、乐和批评、赞扬等。媒体通过对用户的情感分析，实现用户对相关新闻、评论的褒贬义分析，从而可以进行舆论的跟进和引导。
（6）互动应用管理
①问卷调查。问卷调查可面向媒体用户，设计在线问卷调查表，采集反馈数据并进行调查结构的分析。
②市场活动管理。市场活动管理包括活动基本信息管理、活动邀约、报名、签到过程管理、活动分析等主要功能，是基于用户资产数据库开展市场活动的有力工具。