ZDNet至顶网软件频道消息: “除了上帝,任何人都必须用数据来说话。”管理学大师爱德华.戴明(Edwards.Deming)早在上世纪中期便提出过这个观点。如今,大数据推动“让数据说话”成为一个席卷全球的话题,其相关理论与技术引发国内外学术界、产业界和应用行业普遍的关注,掀起了一个空前的研究热潮。作为话题的重要传播者和推动者,电视媒体在营造舆论的同时,已无法回避地进入到了大数据时代。
近日,在上海东方传媒集团有限公司SMG举办了“星火计划——全媒体融合培训”项目中,国际搜索引擎营销专家组织(SEMPO)的全球董事和大中华区主席、国双科技高级副总裁续扬在题为“大数据与电视人”的报告中,剖析了全媒体时代大数据给电视新闻和节目制作带来的挑战与机会,并对电视从业者如何利用大数据实现个人能力的提升,提出了建议。

图:续扬先生在SMG—全媒体融合培训会上演讲
大数据助电视台打造全媒体新闻
8月18日,中央全面深化改革领导小组第四次会议审议通过了《关于推动传统媒体和新兴媒体融合发展的指导意见》。习近平总书记强调,要加快传统媒体和新兴媒体融合发展,充分运用新技术新应用,占领信息传播制高点。
这对于传统电视媒体来说,无疑是一个转型、发展的良机,要求其必须摸准新时代的脉搏,逐步培养适应时代发展要求的“互联网思维”。续扬先生表示,“传统的决策方式可能是靠经验的积累,今天则需要依据‘大数据+互联网’。”
大数据对于电视台打造全媒体新闻的重要性愈发明显。利用大数据分析,可快速发现新闻线索,发掘观众真正关心的热点问题,提升数据新闻的客观性和说服力,从而提升新闻节目的粘性。此外,在新闻报道结束之后,还可通过大数据分析,跟踪舆论走向,进而为下期节目奠定基础。“通过全媒体数据分析,发现新闻、采编新闻、跟踪舆论,根据舆论变化趋势继续发掘新闻热点,最终形成一个闭环。”

图:国双科技全媒体数据采集示意图
事实上,下半年开始,已经有很多电视台在筹建全媒体新闻中心。过去那种新闻播出去就完事了的思想已被颠覆。如今,电视台新闻中心一方面需要通过互联网发现新闻线索;另一方面,电视台也需要密切关注新闻在互联网媒体渠道(微博、微信、搜索引擎等平台)进一步传播的话题热点和舆论方向。
几乎所有的电视台都面临着来自新媒体的前所未有的机遇与挑战。而数据则与电视台越来越密不可分。数据分析可帮助电视台更好地利用互联网实现“全媒体新闻”的价值,更有效地占领舆情制高点,也可帮助传统电视工作者实现个人技能向“全媒体”的转型。
大数据更懂得观众的心
“大数据让电视媒体更懂得观众的心。”续扬如是说。
英国广播公司(BBC)可以说是把大数据纳入了节目制作流程的开山鼻祖。制作方一边进行节目直播,一边根据观众在社交媒体上的评论决定接下来的节目走向,节目也由此实现了收视率的大幅攀升。
当前,国内电视节目的制作已经开始接受互联网思维的“指导”,使节目从播前到播后都可以通过大数据来分析用户需求实现迭代优化,而不仅仅再向以往那样简单凭借经验而来运作。

图:大数据与节目的关系模型
“如今对节目的评价,已不只是需要考虑电视台的收视率,还需要将网络电视台、微博微信的传播影响力等因素考虑进去,只有如此才能做到正确客观地评价节目的价值,进而指导节目的制作。”续扬表示。
续扬提出,大数据可以帮助电视台在节目的四个阶段产生重要作用,促进电视人提升节目的竞争力:
在策划阶段,数据先行,通过收集千万级的互联网信息,分析观众喜好,从而有针对地创作内容,为后期获得成功的收视率奠定了基础。
在预热阶段,通过大数据分析可了解到观众的喜好、特性,从而决定什么样的内容采用什么样的传播推广方法。电影 《小时代》是一个通过洞察观众喜好选择宣传方式及渠道的典型案例,通过海量数据分析,制作主在电影播出之前便已发现喜欢主演郭敬明的很多人也喜欢谢娜、何炅,因此在上映前,选择在由谢娜、何炅担任主持人的《快乐大本营》出镜宣传,最终使影片成功获得高关注和高票房。 “如今是多终端、多渠道并存的时代,这是我们必须认真考虑的一件事情。一旦有一个渠道被我们忽略了,就有可能带来不小的损失。”
在播出阶段,有了数据分析,便能及时得到观众来自社交媒体、论坛、搜索引擎等各种网络渠道的反馈,从而做到有的放矢,使有限的资源实现最大化的价值。《爸爸去哪儿》在节目播出阶段对微博、论坛、搜索引擎进行了大量的快速的数据分析,敏锐捕捉到观众喜欢的父子和桥段,在持续播出中重新分配了出镜率并镜设计更多的情节,使节目被观看和被讨论的热度得到显著提升。《中国达人秀》、《出彩中国人》等热度较高的节目,也都较好地在播出阶段运用了数据分析工具,使节目更好地满足了特定观众群的需求。
播出后,通过深入的数据分析,并根据观众需求的动态变化来调整和优化节目内容,使其更加贴近市场需求,让用户产生比以往更强烈的代入感,扩大节目的影响力,并积累数据经验,以指导下一轮节目的运行。
不仅如此,大数据也改变了过去将收视率作为评价节目的唯一标准的做法,使节目评价更加客观、公正。续扬表示:“传统电视时代,收视率的调查是非实时的,通过采样、抽样来获取的。如今,互联网给了我们一个天然的契机,尽管我们面对的是复杂多样的终端,包括机顶盒、IPTV、有线电视、互联网电视等,但所有的这些都能够帮助我们实现全数据采集和实时查询。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。