接下來來到我們的社交媒體，社交媒體在新媒體的發展當中，媒體融合發展業務當中佔了很重要的地位。我們的社交媒體應該怎麼樣做運營分析？我們有一套我們自己的方法論。

我們說的社交媒體包括微信、微博，因為有相似性，所以放在一起來說，我們建立微信、微博帳號排行榜體系：

首先是行業榜單，讓你了解你的帳號在整個行業裡面，你所佔到的位置。

第二塊我們也建立了私有榜單，讓你更好了解你和你的競爭對手的帳號的區別，差距在哪裡？你的優勢在什麼地方？另外有一個總排行，總排行是說你的帳號在整體的榜單裡面，是什麼樣的位置？

通過這個排名，通過指標分析，讓我們了解，我們很快速的預測到，哪一個帳號是我們的優質資源，是我們將來合作的資源，是我們很想要找到的，關鍵意見領袖在哪裡？

另外我們也可以了解到競品動向監測，了解你的競爭公號或賬號對手有什麼動向？他的變化趨勢在那裡？

另外我們針對的熱點文章、博文進行追蹤，同時提供了針對內容的非常詳細的分析能力。在這個平台裡，很重要一點，我們有針對多個帳號的進行了統一管理。

比如說這個是帳號級別概括分析，因為我們分析分幾個層面：

首先是帳號級別概況分析，概況分析完了之后我們又針對每一篇文章的詳細分析，包括內容傳播，包括發文，包括傳播信息，這一塊很詳細，包括粉絲、受眾，大家可以去外面的展台看看我們視頻播放和系統的展示。

包括社交情緒的分析，包括孫楊被無理攻擊，包括獲得冠軍以后，他的兩篇微博情緒的變化，讓我們對微博上傳播的情感變化有個較全面的了解。

另外我們對H5產品也有了一個獨立分析的平台，我們知道H5由於他傳播的便捷性，勁炫的展現力，以及開發的低門檻，在我們自媒體、數據新聞，還有很多領域都有很好的應用。因為H5量越來越多，越來越火，所以我們基於H5建立了一個平台以便於對H5進行很好的運營分析。比如說我們鑒別哪些優質渠道？我們可以評估H5的傳播力到底怎麼樣？另外，我們對於H5產品在網絡上實時反饋數據怎麼樣？瀏覽行為數據怎麼樣？流量怎麼樣？實時數據進行跟蹤和分析，另外提供了多緯度交叉分析，包括地域、時間，以及洞察H5后面用戶的行為情況，這是我們一個真實的截圖，我們對一個H5產品傳播的一些分析，非常的漂亮。

前面講了，很多的社交媒體、網站、H5的分析，但是這些數據從哪兒來？我們需要有一個安全和全面的新聞採集。用我們安全採集的數據支持防偽造、防卡的等等技術，我們這些獨特的技術，可以很好的跟第三方接入的平台進行很好的集成，也不會影響他們系統原有的運營方式。

數據接入好了之后，就有機會接受到平台的后台用戶行為數據。平常我們網站有網站的用戶，APP有APP用戶，微博、微信有微博、微信的粉絲和受眾。這些用戶，平常都是孤立的，我們怎麼樣把它打通，我們需要有一個用戶畫像工廠，幫助我們建立用戶畫像體系，打通在不同平台上的用戶，構建全方位的用戶畫像體系。

我們畫像體系怎麼構建？比如說包括人口屬性、興趣偏好、行為偏好、消費偏好等等這四個方面的維度，來構建全面的標簽體系。同時形成用戶資產庫，同時服務我們應用，包括用戶群體調查、商業化廣告、個性化推薦等等，包括后面講到的廣告使用，精准廣告的投放，都會用到用戶的資產信息。

接下來跟大家講一下，個性化內容的推薦。個性化推薦大家肯定會講到“今日頭條”，因為他推頭條。那我們的推薦做什麼？我們有什麼不同？首先我們來講，從推薦角度來講，我們看到推薦方式非常多，我們支持人工推薦和機器推薦相結合。我們也支持實時推薦和離線推薦，另外我們也支持通過媒體內容找人，也支持人找內容，同時支持推薦上下文，包括基於內容、場景、廣告、搜索的推薦，也支持各種算法的組合推薦。

從我們的推薦來講，我們更加注重實時性，也更加注重推薦的實效性，更加注重我們針對媒體行業的推薦，我們將會形成內容的推薦市場，實現跨站點、終端的推薦，實現網站APP內容的個性化，實現我們針對個人畫像的精准推薦。

這是我們在推薦引擎裡面一個實時推薦架構，首先我們怎麼做？首先我們針對行為數據實時採集，針對內容實時抓取，同時構建出用戶實時畫像，經過我們推薦規則、引擎和數據分析處理之后，把實時推薦的響應達到100毫秒以內，同時我們對推薦結果做了很好的監測和分析。這在推薦當中很重要一點，是推薦結果的監測，你要考慮你這個推薦是不是全面性，覆蓋率怎麼樣？新穎性怎麼樣？不能老是推薦一些熱點，那看了沒有多大意思。所以我們推薦更講究全面性和均衡性，一套推薦的理論方法，在我們這個平台當中，已經開始形成。

通過我們的推薦，來提升我們的流量，促進內容和流量協作，同時提升內容的滿意度，用戶的滿意度。

在廣告和營銷方面，我們正在建設一個專門的平台，實現我們把媒體的資源，和廣告主，以及廣告代理公司，整個廣告的產業鏈，全鏈條的平台進行打通，他們三個角色在我們平台當中，都能夠得到很好的體現。

我們從傳統意義的廣告有固定排期廣告，也支持網盟廣告，也支持第三方廣告平台接入，包括競價廣告。另外精准廣告方面這是的我們重頭，因為我們用到媒體用戶的DMP平台當中存儲的用戶畫像體系（數據），也包含用戶偏好，根據這些信息，我們能夠基於用戶的畫像和關鍵詞的精准投放，也基於位置的投放，基於群體廣告投放，也基於知識推導的投放。我們的用戶整個畫像體系，我們將來除了媒體用戶屬性，也會接入第三方用戶屬性，用戶的畫像體系會更加的全面，更好的去滿足新的廣告投放，和新的盈利模式，創新方面的需求，同時提高我們精准廣告的精確性。

剛剛我們講了很多運營分析的一些想法和思想，其實整個想法和思想，都是基於我們整個大數據運營很強的技術架構體系來完成和實現的。接下來我給大家秀一下我們的“肌肉”，我們從數據接收、分析、挖掘，包括數據的存儲，很多的實時的訪問服務，還有支撐整個運營平台的各個業務模塊。

我們（運營平台）是基於大數據平台實現的，所有這些大數據平台實時處理各個組件、調度，他們怎麼管理、運營？這一塊是大問題，我們要構建一個真正的大數據基礎管理平台，這個平台類似於windows操作系統，在這個操作系統之上運營，包括大數據系統處理的任務、調度，包括安全，包括數據的交互，都是在整個大數據管理平台上實現的。包括他對計算資源池和應用資源池，統一管理起來的。這個平台是可持續化的，完全基於開源體系，所以它能夠及時跟開源社區組建，保持更新、同步，同樣也可以實現無限的擴張，滿足我們媒體大數據在運營分析，以及在未來其他的大數據應用平台業務擴展的需要。

接下來回到大數據運營分析，其實我們講大數據運營分析這一塊有一個生態鏈效應。比如從媒體接入，到媒體行業運營分析，再形成用戶畫像，實現用戶行為洞察，基於畫像智能內容推薦，同時把廣告進行精准投放，然后接入第三方的廣告平台，效果計費，廣告推薦監測、內容點擊監測，然后對傳播效果也有全面的監測，所有這些又是在服務於媒體，讓更多的媒體來參與到媒體大數據運營的生態鏈當中。同時我們也跟國內外的流量，包括跟中國媒體融合雲對接，大數據資源共享、大數據技術共享，形成智能化的內容交易生態，整個這一塊跟大數據的運營體系結合起來。

前面我們的演講嘉賓講到大數據怎麼樣輔助內容生產，加上大數據在運營方面取得的成就和經驗，我們打造了一個基於“媒體行業大數據”整體的服務能力，我們也希望通過大數據的技術來點亮媒體，驅動媒體發展的未來，謝謝大家！

分享讓更多人看到