社交媒体中大数据的使用在营销方面有许多方面。有各种形式，可以使用大数据设计消费者的喜好，将吸引客户，并最终成交。有几种方法可以应用大数据社交媒体来取得成功。这些应用包括;

　　视觉识别

　　在社交媒体中使用大数据识别图片中文字时，可以生成自定义分类器。上传照片后，应用程序返回代表照片中发现的事物的词语，例如观察者或对象。可以训练应用程序在特定的图像集，如标志实时识别定制的图像。这种方法将帮助作为营销人员检测社交网页上发布的客户并提示参与

　　个性的见解

　　大数据社交媒体分析来自邮件和社交帖子等人物的个性属性，这样可以获得正确的人际关系。用户将更深入地了解推动个性化的人们的需求，特点，个性和价值观。大数据在需求，价值以及描述个人与世界交往方式的五大特征的维度上产生了三个人物形象。

　　个性洞察力将帮助营销人员利用可用的人口统计信息和社交媒体数据获得对观众的整体理解。当了解客户需求时，就有能力进行个性化交互，然后改进转换。

　　提升

　　社交媒体中的大数据将帮助通过允许完成适合普通客户的个人资料来定位购买产品的最可能目标。如果他们不工作，你将测试功能消息，并在中间调整速度。可以用一个小样本人群测试标题，然后把它们发送给那些有可能打开它们的人。然后，将使用点击率和打开率来将销售线索锁定在销售渠道中。

　　放置

　　可以使用大数据社交媒体来确定产品的正确渠道。然后，可以设置正确的供应更改，甚至在必要时更改位置。报纸上的广告数量有所下降，其中许多网站正在上线或建立收费墙，以便纳入免费或付费的在线广告系列。确定正确的安置方式可以在大数据的帮助下完成。

　　产品

　　当需要对产品的正确见解时，建议在社交媒体上使用大数据。对产品进行定性和定量的在线市场调查。视频会议和在线调查工具将侧重于小组，并将迅速进行调查。从消费者的角度来看公司品牌的社交媒体提及。审查和分析公司产品的社交资产，如网页和博客的数据。

　　结论

　　通过社交渠道与公司的品牌进行互动的消费者有所增加，需要使用社交媒体中的大数据来跟踪分析客户在社交网站上的行为。

11日上午,中国传媒大学国家语言资源监测与研究有声媒体中心发布“2017媒体关注度十大榜单”,这是该中心连续第七次发布中国媒体关注度榜单。其中十大科技中就提到了人工智能、大数据和增强现实。

据了解，此次发布的榜单由中国传媒大学国家语言资源监测与研究有声媒体中心研制完成，采用现代语言监测技术，提取国家语言监测语料库2017年1月1日至12月31日的语料约14亿字，内容包括8家主流报纸，20家电台、电视台的节目转写文本以及4个门户网站的网络新闻，共计100万个文本。在海量的动态流通语料库中，经过统计、计算，自动提取候选，最后人工确认得到，榜单及其排序完全依据客观数据。

从该份榜单中，我们可以看出2017年的科技热点，也能看到增强现实超越虚拟现实，成为舆论与社会关注点。

为什么说AR增强现实能超越VR虚拟现实，落地应用更广泛，潜力更大，原因有几下几点：

1、 使用场景

AR的特性是开放和分享，应用AR的首要条件就是身处在现实环境中，场景条件意味着AR会聚集很多人在同一地点，并且目的相同，这是相当便利的环境。

2、 体验设备的轻便性

与VR不同，AR的使用设备仅需一部智能终端，手机、pad等都可以，这使得它的普及度更高。

3、 社群交互特性

手机设备的轻便，能使AR灵活使用，线上、线下均可演示，还可做基于LBS的场景推送等多种营销方式。

就拿AR看车服务来说，众多品牌都推出了AR车系。

当然还有一些AR试妆、AR护肤还有AR家居。总的来说AR技术在品牌营销上运用得风生水起，也容易被大众熟知。但实际上AR在教育方面的应用，意义也是非凡的。

因AR技术的特性，学习者可以利用AR与知识内容进行交互操作与学习，动态三维形象化的展示和交互使得学习热情更高，兴趣更大，从而学习效率更高。

无论是中小学教育还是高等教育，甚至是职业培训，AR都有用武之地。

据摩根士丹利报告预计，AR未来三年的市场规模达到400亿美元，同时带动整个行业实现4040亿美元规模的增长。其中包括硬件升级2860亿美元的规模以及AR相关服务业1180亿美元规模。

市场规模如此之大，AR的前景可见一斑了。

永生联众VRAR相信，未来一定会来！致所有VR/AR从业者们，请坚定我们的信念，深挖用户需求，深耕技术研发，越过荆棘，才能看到宽敞的大道和路旁的玫瑰！

其实与传统媒体相比，数字媒体有更大的价值。谁能定义大数据时代，那么谁就将获得新的话语权。

我们在商场里看到一台广告机，你需要知道它面前经过多少人，有多少人关注，都是些什么人？投放效果如何？从广告机发展至今，这些问题也没有得到很好的解决。在其它媒体都有各自统一的效果测量标准之时，数据的缺乏已然成为阻碍线下广告行业进一步发展的瓶颈。

现在，数据缺乏的问题还没得到初步解决，大数据时代已经到来，数字媒体是否能够抓住机遇，实现行业跨越式的发展，取决于我们自己的选择。

数字媒体现在在使用什么样的一些大数据呢？国外的数字媒体程序化购买平台所涉及的数据来源，系统设有强大的消费者分析和数据整合工具。它们结合消费者的心理和行为数据，进行数据分析、关注用户进行标签化分类。

星宏视界智慧广告机则是来自于自身数字用户和实时场景受众，星宏视界可以根据实时的消费场景，对关注用户的年龄、性别、表情、关注度等数据进行收集，并且对这些信息进行便签化分类和数据匹配，最终将合适的内容展现在受众面前。

智慧广告机打破行业限制，让人人都参与到数字媒体中来，为购机者带来实实在在的收益，为广告投放者提供全方位精准投放，从根本上实现广告生态新模式。彻底改变传统媒体的价格高、覆盖范围小、精准度低的缺点。数字媒体是以点对点的连接，对于广告投放者可以进行“全域”或者是“区域”的定点投放，充分贴合广告投放者的曝光需求，让投放更精准。

大数据时代已经到来，这些涵盖数字媒体所有影响人群位置、年龄、性别、心理、习惯等因素的数据信息，才能称之为本文我们所谓的数字媒体大数据。

大数据指在互联网保留下来的远超出传统数据库的海量数据。新闻媒体通过使用一定的运算方法对大数据进行分析可以深化新闻叙事和对事实作出准确判断，对未来进行预测报道，满足用户的定制信息要求，使得数据可视化和具有交互性。

在大数据的驱动下，各种媒体纷纷成立数据新闻部来迎接新的机遇和挑战，对数据新闻的研究也日益兴盛。 当新闻媒体碰撞大数据，业已形成的认识首先是：大数据为新闻媒体提供的不是最终结果，而是寻找结果的线索。

那么大数据在新闻媒体中起到什么作用？

支持每天对数万条新闻进行有效抓取

快速准确地自动跟踪、采集数千家网络媒体信息，扩大新闻线索，提高采集速度，能完整地获取需要采集的页面，遗漏少，网页采集内容的完整性在99%以上。

探码大数据支持多线程处理技术，支持运行多条线程的同时抓取，实现24小时数万分布在全球的服务端进行蚂蚁搬家的方式，将您需要的数据全面准确的抓取回来，可快速高效地对目标站点或栏目进行信息采集，大大加快了信息的抓取速度，保证在同等单位时间内信息的抓取量成倍数增长。

支持对所需内容的智能提取、审核

新闻媒体网站采用大数据平台和技术，使记者们以及相关的数据分析者得以更多地对数据进行快速、及时、准确地智能提取和审核，节约报道成本，获得更大关注，以此更好地为受众提供最为及时的新闻资讯报道。

快速拥有大量新闻数据信息的填充

在以内容影响新闻媒体阅读量的前提下，再加上人们注意力的有限性，决定了用户只会根据自己的习惯和爱好选择有用的信息内容，那么新闻媒体采用大数据技术正好可以弥补这一方面，我们可以快速的拥有大量新闻数据信息，同时根据人们的偏好喜爱，进行归类，筛选出关注度高的内容进行填充报道。

使新闻媒体投放更有针对性

腾讯网络媒体事业群副总经理赵强在现场举了一个例子，比如可以通过用户QQ的使用习惯，对QQ的使用者进行多角度分析——是不是有视频、是不是可以愿意装扮自己的空间、是阅读财经新闻、美容新闻还是游戏攻略等，都可以分析出数据，包括人口属性、社交属性、内容偏好和电商兴趣等等，帮助媒体更好地去投放广告信息实现互联网信息内容采集、浏览、编辑、管理、发布的一体化

面对互联网海量的信息，新闻媒体都迫切希望获取与自身有价值新闻信息，如何方便快捷地获取这些信息就变得至关重要了。如果采用原始的手工收集方式，费时费力且毫无效率，面对越来越多的信息资源，劳动强度和难度可想而知。因此，新闻媒体网站采用大数据平台和技术可以实现互联网信息内容采集、浏览、编辑、管理、发布的一体化。

大数据可以作为是新闻媒体的一个服务工具，不仅提升新闻从业者的技能，还可以最大限度的节约时间，可以看到以前不能看到的东西，快速拥有大量新闻数据信息。

探码大数据采用网络爬虫技术，分布式计算机能力完成在数十小时内完成你需要的数据抓取，对于特别大量的数据，我们根据实际情况分析给出完成时间评估，然后按照您的要求对数据进行采集、提取、挖掘、处理。

文章来自探码科技官网：http://tanmer/bigdata/255

【IT168 资讯】近些年，深度学习获得越来越多的吸引力和关注。它主要集中在机器学习的一部分：人工神经网络。本文具体解释了为什么深度学习是分析中的游戏改变者、何时使用它，以及Visual Analytics如何让业务分析师利用由(公民)数据科学家构建的分析模型。

什么是深度学习和人工神经网络?

深度学习是人工神经网络的现代流行词，它是机器学习中构建分析模型的许多概念和算法之一。一个神经网络的工作原理类似于我们从人脑中所了解到的：将非线性交互作为输入并将其传输到输出。在这儿，神经网络是利用连续学习和增加输入和输出之间计算节点的知识。

神经网络在大多数情况下是监督算法，它使用历史数据集来学习相关性以预测未来事件的输出，例如，用于交叉销售或欺诈检测。无监督的神经网络可以用来发现新的模式和异常。在某些情况下，结合监督和非监督算法是有意义的。

神经网络被用于研究数十年，包括各种复杂的概念，如递归神经网络(RNN)、卷积神经网络(CNN)和自动编码器。然而，今天的强大且具有弹性的计算基础架构与其他技术(如具有数千个内核的图形处理单元(GPU))相结合，可以用更深层次的层数进行更强大的计算。因此，术语称为“深度学习”。

以下来自TensorFlow Playground的图片展示了一个易于使用的环境，其中包含各种测试数据集、配置选项和可视化，以学习和理解深度学习和神经网络：

如果您想深入了解深度学习和神经网络的细节，我推荐以下资源：

·“深度学习框架解析”——一篇关于神经网络基本概念和组成部分的文章

·TensorFlow游乐场可以亲自动手操作神经网络，无需任何编码，也可在Github上使用，以建立自己的定制离线游乐场

·在Youtube上的“深度学习简化”视频系列中，对基本概念、替代算法和一些框架如H2O.ai或Tensorflow

尽管深度学习越来越受到人们的关注，但它并不是每个场景的灵丹妙药。

何时不使用深度学习?

深度学习实现了几年前在“大规模生产”中不可能实现的许多新的可能性，例如，图像分类、对象识别、语音翻译或自然语言处理(NLP)，而不是深度学习。自动特征工程的一个主要优点是，与大多数其他机器学习方案相比，这花费了大量时间和精力。

您还可以利用深度学习做出更好的决策，增加收入或降低现有(“已解决”)问题的风险，而不是使用其他机器学习算法。例子包括风险计算、欺诈检测、交叉销售和预测性维护。

但是请注意，深度学习有一些重要的缺点：

·非常昂贵，而且缓慢、计算密集，训练深度学习模型通常需要数天或数周，执行时间也比大多数其他算法会花费更多时间

·很难解释：分析模型的结果缺乏可理解性，但它又通常是法律或合规规定的关键要求

·倾向于过度配合，因此需要正规化

深度学习是解决复杂问题的理想方法，它也可以在层级属于中等的问题上超越其他算法。深度学习不应该用于简单的问题。其他算法，如逻辑回归或决策树可以更容易、更快地解决这些问题。

开源深度学习框架

神经网络大多采用各种开源实现之一。各种成熟的深度学习框架可用于不同的编程语言。

下图显示了开源深度学习框架的概述并评估了几个特征：

这些框架的共同之处在于它们是为数据科学家而建立的，即具有编程、统计、数学和机器学习经验的人物角色。请注意，编写源代码并不是一项大任务。通常，构建分析模型只需要几行代码。这与其他开发任务完全不同，例如构建Web应用程序，可能会需要在其中编写数百或数千行代码。在深度学习和一般数据科学中，理解代码背后的概念以建立一个良好的分析模型可能才是最重要的。

一些不错的开源工具，如KNIME或RapidMinerallow视觉编码可以加速开发，并鼓励市民数据科学家(即经验较少的人)学习概念并构建深度网络。这些工具使用自己的深度学习实现或其他开源库，如H2O.ai或DeepLearning4j作为嵌入式框架。

如果您不想构建自己的模型或利用现有的预先训练好的模型进行常见深度学习任务，那么您也可以查看大型云提供商的产品，例如，用于文本到语音翻译的AWS Polly，用于图像内容分析的Google Vision API或微软的 Bot Framework来构建聊天机器人。

这些技术巨头在分析文本、语音、图片和视频方面拥有多年经验，并将他们在复杂分析模型方面的经验作为云服务提供给他们，现收现付。您还可以使用自己的数据改进这些现有模型，例如训练并改善您的具体行业或场景图片的通用图片识别模型。

与视觉分析相结合的深度学习

无论你想用你最喜欢的编程语言还是一个可视化编码工具来“使用”一个框架：你需要能够根据构建的神经网络做出决定。这是视觉分析发挥作用的地方。总之，可视化分析允许任何角色在分析复杂数据集时进行数据驱动的决策，而不是倾听直觉。

业务分析师不了解深度学习的任何内容，只是利用集成分析模型来回答其业务问题。当业务分析师更改某些参数、功能或数据集时，分析模型就会在幕后应用。(公民)数据科学家也可以使用视觉分析来构建神经网络，以更详细地了解技术和非技术人员应该如何使用可视化分析来构建神经网络，从而帮助解决业务问题。甚至一些数据准备工作最好在可视化分析工具中完成。

从技术角度来看，深度学习框架(当然也可以类似于任何其他机器学习框架)以不同方式集成到可视化分析工具中。以下列表包含每种替代方案的TIBCO Spotfire示例：

·嵌入式分析：直接在分析工具中实施(自我实施或“OEM”);可以被业务分析人员使用，而不需要任何有关机器学习的知识(Spotfire：通过输入和输出数据以及群集大小的一些基本简单配置进行群集)

·本地整合：连接器可直接访问外部深度学习群集。 (Spotfire：TERR使用Ras的机器学习库，KNIME连接器直接与外部工具集成)

·框架API：通过Wrapper API以不同编程语言访问。例如，您可以将MXNet通过R或TensorFlow集成到您的可视化分析工具中。如果没有本地集成或连接器可用，则始终可以使用此选项并且是合适的。(Spotfire：通过Spotfire的TERR集成使用任何R库的MXNet?R接口)

通过分析服务器集成为服务：通过分析工具的服务器端组件间接连接外部深度学习群集，分析工具可以以类似的方式访问不同的框架(Spotfire：用于SAS或Matlab等外部分析工具的统计服务器)

云服务：访问预先训练的模型，用于图像识别、语音识别或文本处理等常见深度学习特定任务。不适用于企业的非常具体的个人业务问题。 (Spotfire：通过Spotfire?的TERR / R界面，通过REST服务向AWS，Azure，IBM，Google等公共深度学习服务提供图像识别，语音翻译或Chat Bot等服务)

所有选项的共同之处在于您需要添加一些超参数的配置，即“高级”参数，如问题类型、特征选择或正则化等级。根据集成选项的不同，这可能是非常技术性又低级别的，或者简化、降低灵活性使用业务分析人员所理解的术语。

深度学习示例：TIBCO Spotfire的自动编码器模板

让我们以神经网络的一个特定类别为例：自动编码器寻找异常。自动编码器是一种无监督神经网络，用于通过限制神经网络中隐藏层的数量来复制输入数据集。预测时会产生重建错误。重建误差越高，该数据点成为异常的可能性越高。

自动编码器的使用案例包括打击金融犯罪监控设备传感器、医疗保险索赔欺诈或检测制造缺陷。 TIBCO社区中，免费提供通用的TIBCO Spotfire模板。您可以简单地添加数据集并利用模板来使用自动编码器查找异常情况，而无需任何复杂的配置或编码。引擎盖下，模板使用H2O深度学习实施和它的R API。它在运行Spotfire的计算机上的本地实例中，您也可以查看R代码，但根本不需要使用该模板，因此也是可选的。

真实世界示例：预测性维护的异常检测

让我们列举一个将Autoencoder用于真实世界的例子。在电信公司，你必须不断分析基础设施，以发现网络中的问题。最好在失败之前发生，以便在客户发现问题之前就可以解决问题。看看下面的图片，它显示了电信网络的历史数据：　　

橙色的点是尖峰，这是基础设施技术问题的首要表现。红点显示了一个不断失败的地方，机械师必须更换部分网络，因为它不再工作。

自动编码器可用于在实际发生之前检测网络问题。 TIBCO Spotfire在后台使用H2O自动编码器来查找异常情况。如前所述，源代码相对较少。以下是使用H2O学习深度学习R API构建分析模型并检测异常情况(通过找出Autoencoder的重建错误)：

这个由数据科学家建立的分析模型被集成到TIBCO Spotfire中。业务分析师可以直观地分析历史数据和Autoencoder的见解。这种结合使数据科学家和业务分析师能够流利地合作。实施预测性维护并通过降低风险和成本创造巨大的商业价值从未如此简单。

使用流式分析将分析模型应用于实时处理

本文重点介绍如何使用数据科学框架和可视化分析构建深度学习模型。项目成功的关键在于将构建分析模型实时应用于新事件，以增加业务价值，如增加收入、降低成本或降低风险。

“如何将机器学习应用于事件处理”更详细地描述了如何将分析模型应用于实时处理。或者观看利用TIBCO StreamBase实时应用一些H2O型号的相应视频录像。最后，我们推荐学习各种流式分析框架来应用分析模型。

让我们回到Autoencoder用例来实现电信公司的预测性维护。在TIBCO StreamBase中，您可以轻松应用构建的H2O Autoencoder模型，而无需通过StreamBase进行任何重新开发 H2O连接器。您只需附加由H2O框架生成的Java代码，其中包含分析模型并编译为非常高性能的JVM字节码：

最重要的经验是：在构建分析模型之前考虑执行要求。对于延迟，你需要什么样的性能?您需要每分钟、或者几毫秒能够处理多少事件数量?您是否需要将分析模型分布到具有多个节点的群集?你多久需要改进和重新部署分析模型?您需要在项目开始时回答这些问题，以避免分析模型的双重努力和重新开发!

另一个重要的事实是，分析模型并不总是需要“非常快速或频繁执行模型的实时处理”。在上述电信公司的例子中，这些高峰和失败可能会在随后的几天甚至几周发生。因此，在许多使用案例中，因此，每天或每周应用一次分析模型就好了，而不是每一次新事件。

深度学习+视觉分析+流媒体分析=新一代大数据成功案例

深度学习允许以更高效的方式解决诸如交叉销售、欺诈检测或预测性维护等许多众所周知的问题。另外，您还可以解决其他场景，这些场景之前无法解决，例如准确高效的对象检测或语音到文本的翻译。

可视化分析是深度学习项目成功的关键组件。它简化了(公民)数据科学家对深度神经网络的开发，并允许业务分析师利用这些分析模型来发现新的见解和模式。

今天，(公民)数据科学家使用R或Python等编程语言，Theano，TensorFlow，MXNet或H2O深水等深度学习框架以及像TIBCO Spotfire这样的可视化分析工具来构建深度神经网络。将分析模型嵌入到业务分析师视图中，以便在不知道技术细节的情况下利用它。

未来，可视化分析工具可能会嵌入神经网络功能，就像今天已经嵌入了其他机器学习功能(如聚类或逻辑回归)一样。这将允许业务分析师在没有数据科学家的帮助下利用深度学习，并适用于更简单的用例。

但是，不要忘记，构建分析模型以发现洞察力只是项目的第一部分。事后部署到实时与第二步一样重要。在找到见解和将新见解应用于新事件的工具之间的良好整合可显著提高数据科学项目的上市时间和模型质量。开发生命周期是一个连续的闭环。分析模型需要在特定的序列中进行验证和重建。

新媒体与广告两个概念相结合。在媒介融合的时代背景下，新媒体技术不断发展，新媒体广告也应运而生。红趣网络技术的迅速发展，带动了各种网络终端产品的涌现，并将信息传播带入了一个崭新的媒体时代，新媒体的诞生影响着广告的发展，由此广告行业也进入了新媒体时代。

通常将互动广告称为网络营销广告或者时候新型网络广告等。主要广告形式有：网站广告、APP广告、SNS社会性网络服务平台上的广告，如微博、微信、Facebook、Instagram等。此外，传统媒体如平面和户外广告上加印二维码等手段，也算是互动广告的范畴。互动广告使受众从被动转变为主动，增强了广告主与受众之间的互动交流，广告效果得到更好的发挥。互动广告具有可选择性观看、跨时空、投放精准等优势。

红趣，是基于“LBS+红包+信息”的技术，实现1公里内大喇叭的工具社交软件。红趣以红包为载体，进行信息传递与互动。每条信息内容都是以红包的形式进行传递，用户在抢红包的同时，便浏览了红包信息所包含的内容。广告新时代，就是不同于传统广告，每个广告都以红包的模式展现，让看广告变成有偿。

在互联网发展的初期，传统网络广告因为技术水平和媒体平台的限制，广告形态单一，网站的内容主要是文字和一些质量不高的GIF、JPG图片。 随着我国经济的快速发展带动科技进步，网络广告市场所占比率的增长幅度一直高于传统媒体广告。

红趣APP作为线上新时代广告模式至关重要的一部分，在在之前的发展日益受到广告主的青睐。纵观红趣APP的广告形式，是用漫天红包雨代替街边广告。抢红包，看广告，让广告不在变得枯燥无味，让看广告变得有偿，这样的红包广告，可以充分引起受众的关注，无与伦比的高到达率、流媒体动态的展现形式、领先的精准营销手段等特质更是成为广告主的首选之一。

在物联网和大数据如火如荼的大背景下，户外媒体的独特价值到底体现在哪里？在大数据营销中，户外媒体不可或缺的功能或贡献又是什么？

户外媒体的五大特性

空间资源的独占。户外媒体附着在特定的城市公共空间中，地理位置的唯一性、不可再生性，决定了每一处户外媒体的独占性。各地政府对设置户外媒体制定了严格的规划，并据规划予以审批或监控，这从法规上确保了空间位置的稀缺性和户外媒体的独占性。因此，独占稀缺城市空间资源的户外媒体，具有一定的垄断效应。

生活轨迹的黏连。户外媒体主要依据市民出行及家外生活的轨迹而巧妙设置，具有很强的黏连性和伴随性。在不浪费市民时间、不负担任何费用的情况下，户外广告为市民在家外经历的时空增加趣味，或提供某种便利，增添市民外出时的附加值，为市民在家外途经、等候、休闲的场景增光添彩。户外媒体是市民感官和肢体在家外的舒展和延伸，是市民在家外的心情驿站，是所在城市的公众表情。

广告传播的直白。人在户外的注意力漂移不定，现代人更是一心多用，若不能在一秒内一见钟情，就很难被关注。户外广告强调第一眼的吸引力，简洁直白的户外广告能让人一目了然。户外媒体是单纯的广告载体，是瞬间与受众展开沟通的情感媒体，这与以强调内容为主的电视、报纸、网络等信息媒体明显不同。

在信息大爆炸、时间越来越不够用的情况下，受众只是个性化地阅读、选择性地关注，传播的到达问题日益严峻。直白的户外广告，要求具有场景意识，且需要因地制宜的创意与之相匹配。

城市功能的匹配。户外媒体不只是点缀城市空间，亮化和美化城市建筑、道路、广场等外立面和内空间，多数户外媒体本身就是街道家具或景观小品，可以生动候车亭、灯箱、阅报栏、指示牌等各种街道设施，温馨公交车、地铁等公交平台，引领都市时尚生活脉搏。

户外媒体先于城市而存在，促进城市的形成和繁荣，并形象解读、个性烘托城市的品位，户外媒体与所在城市是相生共荣、互相促进的伙伴关系。在宜居城市、智慧城市建设中，户外媒体在创新设置情趣化街道设施、趣味打造人性化公共空间中，正发挥着不可替代的重要作用。

多维兼容的平台。传播技术日新月异，新兴媒体层出不穷，媒体的边界在消融，超媒体在孕育。户外媒体因其是对实体空间的占领和应用，可以兼容一切，也可以推倒重建，凡是合适的新媒体、新传播技术都可以直接拿来，马上应用。

泛媒体时代，随时随地的传播成为可能。占据空间与落地优势的户外媒体，就在各种消费现场，既能贴近又能引导本地居民，完全可以成为整合各种媒介的终端平台和本地基站，在整合营销中扮演最核心的角色。

上述特性，是户外媒体所独有的，这也是认清户外媒体价值、发挥户外广告作用的基础和前提。

大数据焕发户外媒体的生机与活力

中国传统传媒业当下的困窘，可以用“两头不讨好”来形容，一头是受众根本不看，另一头是广告主根本不信。过去红红火火的传统媒体，为何遭遇今日的困局？一个根本的原因，就是移动互联网的飞速发展改变了人们的信息接受模式，个性化的互动传播代替了填鸭式的单向传播，在此基础上产生的精准、高效传播一下子吸引了大多数客户的大部分广告预算。

按照前面的分析，传统户外媒体应该有更好的表现，为什么也遭遇了困境和压力呢？除了上面的原因之外，另一个重要的原因就是数据缺失。多少人会看？看后又如何？这个问题长期以来都没能有效解决。

大数据对破解户外广告困局的意义。首先，明确受众群体的数量、属性与生活轨迹；其次，揭示信息传达与互动的内在因素与规律；最后，分析不同场景传播效果，挖掘植入新路径。既让广告主相信，又令受众参与，且使传播有迹可循。

大数据营销中户外媒体的独特功能。第一，是大户外的冲击力。只有户外媒体能够提供少则几平米、几十平米，多则几百平米、甚至数千平米的大面积广告，这样的气势和影响力是其他媒体望尘莫及的。

利用地标大户外的冲击力，发挥户外媒体作为最后的大众媒体的聚合作用，这是在不断碎片化的环境下不少客户所追求的。

第二，是实场景的互动。只有户外媒体是看得见、摸得着的实体，受众可以在这里实实在在地停留、互动，这样的场景与体验是其他媒体做不到的。

有了真实的体验，才可能产生信赖与口碑，才可能发生二次传播。

第三，是必停留的空间。户外媒体存在于城市的各种公共空间，能够因地制宜营造各种让人停留的环境或功能——让等候更有趣、使沿途有风景、让空间更温馨，如此才可能让路过的人驻足、参与，使信息随时随地有效到达。

在所有的媒体中，只有户外媒体的接触频次是最高的。在应用科技+创意使必经空间黏性更强、参与性更高的同时，利用受众一日多次、一周十余次的高频次触达，就能够通过定向累积、系统分析总结其行为规律。

第四，是聚消费的路径。一座城市主要的工作、消费与娱乐场所或其附近都有户外媒体，通往这些场所的主干道上同样也布满户外媒体，所以，在日益重要的本地化营销中，户外媒体引导线下销售、聚集周边人群的作用是不可或缺的，也是立竿见影的。

第五，是超链接的入口。户外媒体具有实体和空间的属性，其包容性是最强的。户外媒体根植在城市的各种空间表面，既可无缝链连接碎片化人群的碎片化时间，又可作为转换端口实时对接线下与线上，实现跨屏传播。

当然，要充分发挥户外媒体的五大特效，亟待改变三方面的现状。

其一，需要建立整个行业的诚信体系，毕竟户外媒体这个行业公司数量多、差异性大，存在严重信息不对称的问题，而且鱼龙混杂、变动频繁，需要构建一个第三方的诚信网络平台，以消除广告主的担忧。

其二，户外受众信息监测与效果评估工作一直很薄弱，急需通过科技手段和第三方体系来解决。

其三，绝大多数户外媒体散落在各地，必须互联互通，提供一站式的集中投放、集中监控服务。

大数据的完善与户外媒体的贡献

中国的大数据以前主要存在于三家大通信公司、金融保险系统和BAT家族中。大数据营销只是近几年才如此火热，各家的数据都存有先天的缺陷，加上后天的相互封闭，大数据营销的效果还没有真正发挥出来。

笔者通过这些年的实践，得出以下结论：线上产生的海量大数据，针对特定对象其内在的必然性是不确定的；数据采集的方法大都难以摆脱侵犯个人隐私的嫌疑，也经不起新修订的广告法的严格审查；如果再出现数据造假，因其隐蔽性更强，令用户防不胜防。

针对线上大数据的短板，基于对户外媒体的深刻认识，可以找到有针对性的解决之道。

根植于户外媒体的三个基本面。实体场景，不再虚拟，真实确定，能够复查，可以延续，可信度高；固定轨迹，群体定向，行为定向，能够精准画像、连续追踪，小而美，易于掌握其行为与消费的主要规律；本地生活，常住人口的经常性消费才是广告主特别在意的。

借助户外场景完善大数据的三个支撑点。可以复制，因其在固定的位置针对常住人口，固定的群体在固定的场所才可能发生固定的行为，这样的行为才是可复制、可预判的，才是有意义的；持续定向，群体和场所存在相互匹配的内在关系，基于人与场所的双重定向分析和连续定点统计，就能够发现令人信服的行为逻辑和消费倾向；群体可控，人在熟悉的、固定的场景中戒备心较低，利用户外媒体伴随性很强的特点，只要趣味相投，还有利益诱导，对群体的传达力就很强。

实现大数据营销的三个发展极。人性入口，户外媒体既是最贴近消费者的终端，也是线上与线下实时转换的入口，能够满足受众随时随地随心所欲的沟通需要，实现所见即所得；情感爆发，通过户外广告引爆话题、诱发情感，这样的场景时有发生，有了大数据之后，今天的偶发将导致未来更多的必然；体验营销，及时体验，及时分享，通过口碑传递和二次传播，产生广告主期待的同城效应。

户外媒体对大数据营销的价值与贡献。第一，拥有固定的参照体系，基于实体场景的小数据更加有用；第二，连续定点、定向采集，受众主动参与，尊重隐私，更加人性；第三，基于所在城市的主要场所和核心人群，实施网格状布局，既精准到达又全城覆盖，既沟通忠实消费者又到达更多的“轻顾客”。

广州四方传媒股份有限公司，为众多客户提供大数据精准营销服务

项目分享第二十七期

分享嘉宾：刘爽

大学毕业4年，4年前屌丝一个,4年后在长沙已经拥有两套房产，并且准备在杭州配置第三套房产。

混迹网络圈子4年，4年前淘宝贷款回家过年，4年后拥有两家网络公司。

开公司4年时间，4年前连员工都怀疑，因为公司营业额一个月1万，都不够发工资，4年后，带领骨干月入过2万。

非常感激创咖会的邀请，我有幸成为创咖会企业圈的成员。我做过的项目很多，开7个淘宝店铺卖切糕；也做过网站商城app开发；卖安卓侠客版本奥创版本群控系统，到后来卖清客云控系统。

今天给大家分享的也主要是我做云控群控以来，也是我从零到做到现在，帮助员工、客户成长的纯分享，今天毫无保留分享给大家，因为我一直相信越分享越成功；越能帮助人，你就能获得极大的收货；但是提醒大家成长、进步是需要原动力，懂了一些方法绝对没有用，如果没有原动力，不去坚持，不去突破，不去分享，也等于白学，白了解。

很多做营销的朋友，都说自己没有数据，没有客户来源，不知道如何来推广自己的产品给精准客户，也没有渠道推广自己的产品。今天给大家分享新媒体时代我们如何获取大数据（3个小点），同时利用一些工具进行自动化，最大化，标准化的营销（3个小点）。

大数据获取

渠道1：qq

qq获取数据是一个非常好的渠道，qq比较传统，但不乏是一个好的渠道，因为现在qq抗封号性能好，而且如果你的客户是b端，很多办公人士还是习惯使用qq办公的。现在的95后00后也普遍使用qq多，我在15年16年在大学和中学讲微营销的时候，培训的时候，发现他们也不怎么使用微信，很多才刚刚使用微信，但是用qq非常普遍。微信应该是我们85后90后用得多。

A.qq群获取：

本来今天想和大家分享下qq群提取精准数据的方法的，但是刚刚使用之前，发现这个方法已经被腾讯封锁了，但是这个工具，这个方法是我们最开始做业务做得非常成功，基本上一天成交1到2个订单，也还是给大家分享下具体的步骤。毕竟这个是之前我获取精准客户的最好渠道。

首先进入同行的群，我们当时候进入别人的群里，首先作为一个客户的身份先混到别人的群里，在群页面，可以获取到所有的群成员，大家知道网页代码都是数字和字母组成把这个网页的代码全部复制出来，放在正则表达式里面，正则表达式选取数字列表，一下子同行群里的所有客户数据就都到了你电脑上面。你现在是有一个群，如果你有同行5个以上的群数据，然后把群数据放在Excel表格里面统计下，2个以上的重复数据，你都标记下，提取出来，这些肯定不是同行就是非常精准想要购买或者已经购买好你产品的人了。

这个是之前的方法，现在的群成员已经看不到这么多了。但是这个方法也可以用其他的手段代替，只要你想，总有办法的。

B.qq空间访客提取：

如果qq没有关闭访客数据，那么每个陌生人进入qq空间，都可以看到访客，那么，我们可以通过很多方式收集到同行的qq号，同行qq空间访客，肯定就是你的精准客户，通过qq访客工具提取qq访客，你也可以很快获取到客户。

C.小偷软件：

这里大家要提防下网络上面随意荡过来的软件，很多软件是偷资料的小软件，有时候网上下载的一些软件，说是免费的，结果关闭杀毒软件运行之后，提示不能使用，很有可能就是这一类的软件。我前面一个客户，就送我一套这么的软件，只要别人使用了qq，然后打开这个软件，这个软件就可以获取到对方的qq好友列表，qq群列表，qq群成员列表。你把软件伪装成最厉害的微信营销软件，那么肯定都是一些喜欢微信营销的人，他的客户很有可能在qq好友列表里面，如果用这么一款软件获取到了别人的数据，你从群列表也可以分析出这个人的属性。所以警告大家很小心使用网上弄过来的软件。大家可以看下我这个客户获取到我小号的数据列表。

渠道2：b2b网站，阿里巴巴等网站

之前阿里巴巴网站的没有发现这个漏洞，我们可以通过手机网页版本的爬虫获取到所有阿里巴巴的数据，例如你的客户是茶叶，可以直接搜索到茶叶的老板，把所有的茶叶老板的电话号码给copy下来，现在阿里巴巴封杀爬虫ip，除非你有很多ip才好获取到阿里巴巴上面的老板数据

现在还有一些小的导航或者b2b网站，可以用爬虫技术获取数据

渠道3：百度地图采集

我们知道百度地图上面都有公司和店铺的标记，很多都带有电话号码，带有具体地址的参数，用数据爬虫软件，可以获取到所有的这些资料。

做营销一定要知道自己的精准客户是哪群人，如果不分析客户属性，那就捉不到客户。

我有一个客户做茶叶批发的，也是福建的朋友，做茶叶的，应该都知道茶叶是有地区属性的，每个地区喜欢的产品是他们本地的，例如浙江，喜欢的是绿茶龙井，福建肯定铁观音等，如果你卖茶叶的，不知道这个属性，想把龙井在福建卖好，那就要一定的水平了。我这个客户就是他就在网上开发了一套百度地图数据采集软件，指定区域（福建），指定关键字（茶楼，餐厅）把这些相关联系方式全部获取出来，提取出来之后，进行分析，用大数据工具批量添加，然后营销。做得非常好。

我和这个客户沟通完之后，真心发现不是生意难做了。只是做生意的方式变了。20年前只要摆个地摊就可以发财，10年前，只要随便找个工厂给外国人代加工点产品就可以赚到钱，但是这些人，同时发现现在赚钱难了。其实不然，现在真心是要懂得一些工具，一些现代化的软件来获得财富了。

结语：

上面介绍的一些方法一些具体的步骤可能不是最新的，但是思路肯定是超前的，只要你找到合适的技术，找到合适的工具，这些软件呢，网上都有得卖，花点钱都可以搞到。只要你肯付出，肯定可以获取到意想不到的收货

利用工具标准化营销

工具1：自己编辑或者定制一些脚本

自己编译一些软件来获取精准粉丝和获取流量需要一些脚本语音基础，如果有兴趣的朋友，可以自学下lua语言，或者c语言，如果没有语言基础的，建议大家还是不要去碰，没有一个小半年，没有足够的定力，是弄不好的，即使你写出来了，也很难变现，因为写程序的目的是变现，写好一个程序不是太难，但是拿这套程序出来变现是最难的。定制一些特定的脚本一般找一些写游戏代码的朋友，或者在淘宝上一搜一大堆。上面找人专门定制一些脚本

工具2：花钱购买一些小软件

大家如果是小卖家，只有1个微信，大家可以到淘宝上面或者一些微商朋友这里买一些小营销软件，这里给大家推荐使用微商达人软件（这个给大家推荐，选择看自己了。没有一款外挂软件能完全避免封号和一些风险，如果想赚钱，又怕风险，那就不要试）这个有转发和加人功能也还比较稳定。不过据说今年的8月份要关闭服务器，具体不太清楚，需要的朋友，可以自己打听。

工具3：云控系统

其实云控这种模式早就有了。我有一个客户在13年就有500台苹果手机，一台手机登录几十个微信号。

原理主要是一台手机上面下载不同的微信版本，每个版本的微信里面登录一个号，但是所有的需要用脚本来实现，每台手机操作的时候，非常麻烦，2个人工需要2天时间才可以给这500台手机更新一个朋友圈。每台手机都需要安装脚本上传资料到手机上面。

下面的图片，是我去年年底给这个客户安装云控系统的时候拍的照片。这个客户之前一直做站街业务，据说13-15年每年平均赚500万。而且人很少，一家人请了两个帮手，总共5个人完成这些事情。

他的说法很简单，一台手机等于一个人工，我大学的时候是学习的机械，我们之前干的事情，就是想办法用机器代替工人，我们去参观落后点的工厂全部是人工半自动化，但是吉利汽车湘潭生产线上面有一个流水线全部是机器人，整个流水线是全自动，只有5个技术员，相比其他流水线节约人工20人（当时候吉利汽车是不愿意我们拍照片的，所以留下的照片非常少，这个是我们12年参观生产线的照片）

现在的流水线是机器人代替工人，现在的营销是智能化代替销售员。之前我们需要聘请很多销售人员，但是现在一台全自动的营销云控就好。加人、发圈甚至是实名制的事情，都可以一键提交解决，非常方便。

当然，不要把云控当成营销神器，买了就能发财，需要一定的经验和实力才可以操作好。公司体量大，本来就熟悉微营销的朋友，可以考虑，如果连微营销也不懂的人，建议先熟悉微营销。

如何正确使用群控云控转化粉丝？

粉丝一般分为两类，一类是泛粉丝，另外一类是精准粉丝，泛粉丝一般价格便宜，容易获取，通过摇一摇，附近人，漂流瓶等轻松可以获取到；精准粉丝价格贵一般是通过我上面介绍的3类方法获取，这类粉丝获取成本高，转化时间长。针对两类粉丝的转化方式也有所不同。

这里先给大家普及一个点，微信封号问题：

谁都没有办法避免封号，违规多了，大号都有被封号的可能，你的微信号只有极大程度表现像一个常规的人使用，才有可能极大避免封号，试想一个微信号，200个好友，很少好友给你备注姓名，很少好友给你备注你的电话号码，或者备注的姓名都不一样，这个号腾讯八成知道就是一个营销号，如果再加上ip不稳定，登录环境不稳定，不封号才怪。所以我们的微信号只有极大程度的模仿一个正常人，用之前从来没有注册过，或者很少注册微信的手机号注册微信，前面一个月加同一个地区的朋友，让他们备注你的名字，电话，找朋友实名制，有一些转账，开通一些理财，才能避免封号。我手上有一些专门的防封秘籍，欢迎各位朋友和我交流。

和微信打交道多的人都知道，微信一直封号，从12年开始就在封杀一些不常规的推广号。微信封号问题很正常，就像我们开车一样，没有一个老司机说自己没有吃过罚单的，老司机告诉你的也是慢点开，稳点开，就可以少吃罚单。

A精准粉丝：

如果你的客户是比较精准的，意味着你的业务是单价高，利润高，转化时间长的，那么微信号一定要相对稳定，或者找一个稳定的号作为主号，其他的都是小号，找到客户之后导流到主号。

我杭州一家培训公司的客户，利用这类方法每次在任何一个城市开讲座都是满座，以他们的营销方式做案例（这里涉及到他们公司内部的一些资料和方式方法，我就不透露具体的公司名字）

前期准备

1.苹果手机20台

2.20套一控50云控系统

3.城市老板数据10万（工商数据和群嗅探数据）

4.营销素材200条

5.相对应的知识型礼品若干

嗅探就是进入群里，通过群成员列表批量获取到群成员的id。进入精准的客户群，例如我进入了宝妈群，一下子获取到群里面400多个成员的数据。

下面这些资料，打通一些资源，很容易弄到手，基本上一下子搞到整个城市的老板资源都没有太大问题，他们就是用这个方法，小号1千个，20台手机，每台手机50个号，大概发送10天朋友圈，打造10天朋友圈内容，我们后台直接可以编辑一个素材库，批量指定时间发送信息。10天的朋友圈一天可以编辑好。

朋友圈打造好，号码也养得差不多了。开始加人----通过两种方式通讯录导入和手动输入两种方式每种10个人一天。1000个号，一天加提交2万个数据，5天完成。

这里话术也很重要，如果你加的是企业老板，你说你准备来面试，八成通过，如果你做的是微营销，你说加你送他25G微信营销网络营销的资料，他也肯定通过你。我被祥子成交也是因为我还没有付款的时候，他就给我送了25G的网络营销资料。

加来的人，分为两种，第一种通过了，想了解了解的人，通过了的，可能不会愿意和你沟通，但是他会看你的朋友圈。

只要有沟通意向的人，都直接利益诱惑导流到老号进行进一步营销。（此处他们更加厉害，他们有多重流量池，微信老号，微信群，微博，甚至是app这里就看你的资源了，导流的目的是防止封号导致数据丢失带来损失。）他们用这套方法，每个城市培训都是满满的人。精准粉丝15天时间实现转化。

B泛粉丝：

泛粉丝一般只要是人，就能成交,成交的周期也比较短，一般几天时间成交。很多情况是涉灰，赚快钱是可以用这个的，不建议长期从事，难到达客户积淀。

我们客户有棋牌类的游戏的，一套系统，总共养好了20个号。每天5个号轮流定位站街在他们城市的东西南北中5个方位

玩附近的人这个工具的，大部分都是无聊的，无聊人士有几个特点：缺钱，好色，好赌，好奇。如果你的产品能满足他们，也可以用这招。他通过这招，每天可以吸引同城数据20来个新客户。

泛粉丝有很多玩法。今天时间有限，只介绍这一个。

很多传统生意的朋友说生意难做，其实不是生意难做了，是要改变下营销和推广的思路了。我的客户有上海陈安之培训机构的，上海亚龙微营销的，还有杭州好几家微营销厉害的公司，他们都是每个员工最少10个微信，虽然10个耐封的微信成本高，但是如果有了，�...

媒体行业发展面临的挑战

大数据时代，媒体面临四大挑战。其一，如何对每日海量的数据进行采集，并对海量的文本信息进行梳理，最终形成有逻辑的数据资产，为自身发展提供数据支撑。其二，以用户为核心的用户体验以深入媒体未来的发展方向，如何能够快速、精准、全面的洞悉媒体受众用户需求，将成为媒体市场价值的衡量标准。其三，面对海量的媒体信息，如何帮助用户快速准确的获得需要的资讯，已成为媒体必备的能力之一，通过个性化信息服务能力实现忠实用户的不断递增。其四，媒体企业急需掌握自身受众的传播情况，并对自身运营模式进行优化改进，进一步完善媒体企业自身竞争力，掌握媒体行业市场发展的最新动向。

媒体行业大数据发展目标

面对“互联网+”和大数据时代，信息爆炸式增长之后，媒体形态也就面临变革，数据驱动媒体发展与转型成为了最有效的方式之一。大数据对媒体的战略决策能力给出了新的方向，媒体要能够适应新的信息生成方式和传播方式，通过新视角新思路进行战略转型，通过大数据技术手段进行生产、分析、解读数据，针对不同用户特点形成个性化和专业化的服务，为用户提供分众化服务和体验。

1、数据挖掘+产品差异化

面对大数据时代，从传播学角度来说，数据挖掘是对海量用户媒介使用痕迹通过机器进行分析，并从中发现用户行为特征；从传媒业来说，数据挖掘是通过数据分析了解用户的媒介接触时间、地点、方式以及用户的兴趣偏好以及喜欢接受资讯的方式等，从而以合适的时间、地点和方式向用户提供有价值、有意义、符合用户需求的资讯。

大数据时代的媒体产品必将更加人性化和社会化，媒体产品差异化是大数据时代的一个关键特点。如何满足不同用户因个体心理因素、文化背景、生活形态、宗教信仰、消费行为模式及外部传播环境的需求，提供有价值的内容和服务，并且能够为用户提供更高的附加值才能拥有用户，占领市场。

2、受众需求与媒介接触点整合

随着用户生活方式的多样化、用户需求的碎片化以及媒介渠道的多样化发展，需要大数据手段才能了解媒介在什么时间、什么地点与用户进行接触，这个接触点处在什么场景，媒介扮演了什么功能，分析媒介与受众进行沟通中的重要接触点，掌握如何在合适的时间、合适的地点，向合适的受众传递合适的信息，提高媒介的到达率和展露频次。

同时，如何将用户需求与媒介接触点进行整合，将是媒体持续发展的基础。也只有将受众需求与媒介接触点有效整合，才能在精确描绘目标用户生活方式和行为规律的基础上，提炼出有价值的媒介接触点，并根据接触点的竞争激烈程度、自身优势、受众规模、所需成本等因素综合判断各个接触点的优先顺序，整合设计媒介的关键接触点，打开新的“机会窗”。

3、核心能力+资源整合

面对大数据时代传统媒体要充分利用自身的数据资源优势，通过合理的资源整合强化自身数据资产价值，凝聚自身核心能力，实现强化自身竞争力的目的，从而能够根据市场情况的变化，及时、迅速地调整发展方向、经营重点，扩大在行业领域中的市场地位。

4、以数据融合作为业务创新发展的指导

面对专业化媒体与社会化媒体互相侵入和融合的发展现象，社会化媒体将成为专业媒体的一个核心部分，如何将专业化媒体原有的业务、产品、服务与社会化媒体所关注的个体用户进行拉通、匹配、个性化服务，需借助大数据技术能力，进行数据融合，最终实现以用户为核心的全媒体价值体系。

百分点媒体行业解决方案

大数据时代对媒体产生了巨大的影响，随着科学技术的发展媒体的社交性、互动性、智能性增强，媒体融合成为媒体未来发展的方向，社会大众在媒体内容生产中的导向作用不断加大。专业媒体、社会化媒体日益成为重要的数据来源，媒体每日产生的大量数据已经成为极有价值的社会财富，对媒体数据资源进行数据挖掘，将更加深入地探寻信息传播规律和社会发展规律。

大数据时代，信息的内涵已不仅仅是消息等新闻，而是多种多样的数据。媒体行业是数据的重要生产者和应用者，在互联网时代媒体的一切活动都离不开大数据。面对媒体受众大数据蕴藏着巨大的挖掘价值，通过浏览行为轨迹、浏览偏好、浏览特征等信息可以了解用户的兴趣和需求，更有针对性的生产资讯，以高附加值的资讯内容吸引用户，同时为媒体营销带来更大的效益。

1、媒体受众用户画像

通过构建全方位的媒体受众用户标签体系，数据整合和拉通，构建完善的用户画像信息，并对用户画像信息进行深度分析，多维度的浏览与分析用户的360度全方位的信息。同时根据用户特征如地域、年龄、兴趣等进行聚类分析，实现对用户的分类，研究特征用户群的价值分析。

全方位无死角的用户触点整合和拉通

能够从众多的数据源中获取各类型媒体用户触点数据，实现数据源与外部数据的有效融通和整合，实现对可见的数据源包括：所有子媒、子刊的应用网站及APP客户端，微博、微信公众号等触点数据整合与拉通。

360度的媒体用户画像和统一标签体系

通过对内外部数据有效融合拉通，建立具有媒体特色的统一标签体系，形成媒体用户画像标签体系，同时也需要建立媒体用户内容/产品智能标签体系，构建用户360度的画像，实现多维度、全场景的标签体系。

2、文本语义分析处理

百分点企业级文本分析平台为企业客户提供一站式的商用文本分析服务，赋予企业文本分析的能力，满足企业个性化、复杂、频繁调整的非结构化文本分析需求，帮助企业对文本进行挖掘和结构化。可视化结果展现让您瞬间获取商业洞察，挖掘海量的商业价值，譬如舆情监控、消费者分析、品牌分析、精准营销等等。适用于零售、金融、家电、汽车等行业的企业客户、政府机构、以及各种合作伙伴，为企业提供了坚实的解决方案，让您发现并揭示那些前所未知的模式、情感和联系。

3、运营洞察分析

改善客户端或网站的运营策略，提升用户体验和运行效能

通过对用户的各项访问数据的挖掘分析后来展示网站、客户端运营情况，调整网站、客户端的运营策略；通过用户操作的行为习惯，并进行分析优化，提升用户体验，扩大用户增长率。

用户满意度反馈分析，优化产品经营决策分析

通过对一定时间内的产品经营推广，用户群的推荐，广告投放后实际效果反馈数据进行分析，从而实现进一步训练和优化分析算法模型，更好实现对用户价值的挖掘，提升产品收益，从而构建产品收益的良性、稳定的产品运营保障生态机制。

4、受众渠道传播洞察分析

对媒体渠道传播能力价值进行分析，了解各传播渠道特点，掌握各传播渠道下受众情况。

转载渠道转化分析

对转载相同内容的不同渠道进行对比分析，通过分析不同渠道该转载内容的总点击量、点击用户总数、停留时间、退出率等行为，识别高质量的转载渠道。

转载渠道用户画像分析

分析转载相同内容的不同渠道用户特征，找到与本转载内容受众相契合的渠道。

转载内容与其他内容的关联度分析

分析浏览了转载内容的用户，一般还阅读了哪些内容，为内容运营提供参考。

日前，网智天元、文化大数据专业委员会与中央文化管理干部学院联合参与“2017年度国家文化创新工程项目申报”工作，其中“文化新媒体大数据应用平台”已确认获批国家文化创新工程项目。

“文化新媒体大数据应用平台”旨在利用大数据技术与手段，采集、测评文化新媒体所发布的信息内容和社会反应。主要以测评文化新媒体的社会影响力为主要目标，通过对文化热点的追踪分析，最终实现研究判断当前文化发展趋势，为国家文化发展的政策制定、文化新媒体的建设、文化人才培训等提供数据支撑和辅助决策服务，为文化干部培训提供研究数据、培训案例，进行文化大数据应用、文化媒体建设与运营培训，拓展文化干部培训内容与方式等。

中央文化管理干部学院是文化部直属干部教育培训机构，在文化部党组的领导下，围绕文化部中心工作，开展党性教育和各级各类干部培训工作，着力为提高国家文化软实力提供人才保障和智力支持。网智天元本次与文化大数据专业委员会、中央文化管理干部学院共同承担国家创新工程项目，旨在凭借自身在大数据挖掘和运用领域有着雄厚的技术优势和丰富的产业应用经验，努力营造“文化大数据”生态系统，实现传统文化产业转型升级。

据悉，“文化新媒体大数据应用平台”将着重在三方面实现重点研究突破：首先，构建文化新媒体大数据应用平台，实现对文化新媒体的数据采集、垂直搜索、热点追踪和舆情监控；其次，研究文化新媒体影响力指标，实现对文化新媒体发展趋势和影响力的评估决策；再者，研究文化新媒体大数据分析评估模型，实现对文化政策制定，行政决策、发展态势分析，文化干部培训实践的辅助决策提供实践和理论支撑。

该平台建成后将主要服务于全国文化事业单位、文化企业和公众，致力于为政府文化部门提供文化大数据决策支持服务，为文化企事业单位提供创新业务发展模式借鉴，为文化工作者和公众创造学习提升、产业交流、实践研究的平台，帮助大家更好地享受大数据智能时代的文化创新成果。

来源：消费日报网