阿里巴巴菜鸟级数据产品经理半年回顾总结篇
干货教程:如何绘制业务流程图(二)
干货教程:如何绘制业务流程图(一)
技术贴:如何在数据库中秘密地查询隐私数据
攻略教程:信息图(infographic)是怎么做出来的?
分析师一定要看!用数据讲故事的五个步骤
技术篇:怎样玩转千万级别的数据?
北漂书生:大数据时代SEO数据如何搜集和分析
干货,从十大问题重新认识并读懂互联网
相似图片搜索、算法、识别的原理解析(下)
相似图片搜索、算法、识别的原理解析(上)
制作信息图时请遵循这10条原则
提高表格可读性的一些技巧,适用于Excel、PPT等数据报表
实用教程:如何让Excel图表更具“商务气质”?
一张数据信息图是这样制作完成的
菜鸟读财报,如何从上市公司财报中挖情报?
北大数据分析老鸟写给学弟们一封信
如何一步一步制作出高品质数据信息图?
总结:海量数据分析处理的十个方法
【实战经验】数据分析师如何了解老板真正想法?
零售业数据分析那些事儿
数据分析时l常用电子表格公式【大全】
用数据来告诉你 上市公司财报的秘密
这12个数据能 帮你搞定淘宝店铺
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(四)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(三)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(二)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(一)
淘宝网店从激活到挽留,4步走玩转数据营销
文案怎样写才有意思、不空洞、打动人?
入门级扫盲贴:数据分析的步骤有哪些?
关系即数据,论社交媒体的关系转换
数据的力量,苹果教你用数据鄙视竞争对手
谁说文科生不能做数据分析?数据分析入行→技能提升→优势
产品运营数据分析——SPSS数据分组案例
如何追踪iPhone和iPad等移动设备的用户行为数据?
阿里巴巴中国站:用户满意度指标权重计算方法
广告中的AdNetwork、AdExchange、DSP、SSP、RTB和DMP是什么?
信息图制作教程:关于数值的表现
为什么大数据会如此轰动?(值得深度的文章)
多图技术贴:深入浅出解析大数据平台架构
面板数据分析中标准误的估计修正——根据Peterson (2009)的归纳
财务官、投资人、CIO看过来:给企业数据定价
推荐系统中常用算法 以及优点缺点对比
探索Weotta搜索引擎背后的大数据技术
如何识别虚假数据?
为什么我们像驯化小狗那样驯化算法
程序员必须知道的10大基础实用算法及其讲解
电子商务:最影响转化率的九大要素
如何迅速成为一名数据分析师?
想从事大数据、海量数据处理相关的工作,如何自学打基础?
如何用亚马逊弹性MapReduce分析大数据?
译文:机器学习算法基础知识
给hadoop新手的一封信:Hadoop入门自学及对就业的帮助
从入门到精通,我是这样学习算法的
小商家,从老客户身上获取的数据才更有意义
13页PPT讲述:大数据下网站数据分析应用
40页PPT详解:京东大数据基础构架与创新应用
67页PPT解密搜索引擎背后的大技术:知识图谱,大数据语义链接的基石
营销洞察力——10个营销度量指标
技术篇:前端数据之美如何展示?
董飞:美国大数据工程师面试攻略【PPT】
easel:如何制作好的信息图——来自专家的顶级技巧
大数据实操:以3D打印机为例,如何知道卖点有没有市场需求?
大数据建模 需要了解的九大形式
用户画像数据建模方法
从规划开始,公司or企业如何入手和实施大数据?
干货:商品信息数据分析和展现系统的设计与开发
高手教你用Excel制作百度迁徙数据地图
50篇干货:淘宝店/电子商务如何玩转数据分析?
精华索引:大数据实际应用案例50篇
验证最小化可行产品 (MVP) 的 15 种方法
干货:数据分析师的完整知识结构
大数据技术Hadoop面试题,看看你能答对多少?答案在后面
用SPSS做数据分析?先弄懂SPSS的基础知识吧
怎样做出优秀的扁平化设计风格PPT? 扁平化PPT设计手册#3
解答│做大数据过程中遇到的13个问题
40页PPT│社交网络发展的新动力:大数据与众包
以Amazon、豆瓣网为例,探索推荐引擎内部的秘密#1
怎样做出优秀的扁平化设计风格PPT?#2
怎样做出优秀的扁平化设计风格PPT?#1
36页PPT│大数据分析关键技术在腾讯的应用服务创新
如何丰满地做SWOT分析?
【35页PPT】TalkingData研发副总阎志涛:移动互联网大数据处理系统架构
27页PPT|以珍爱网为例,如何构建有业务价值的数据分析系统?
国外数据新闻资源分享
21页PPT重磅发布:Mariana——腾讯深度学习平台的进展与应用
从0到100——知乎架构变迁史
PPT解读:百度大数据质量保障方案探索
45页PPT|大数据环境下实现一个O2O通用推荐引擎的实践
从数据看豆瓣兴衰
深度学习系列:解密最接近人脑的智能学习机器——深度学习及并行化实现(四)
重磅推荐:129页PPT讲述移动时代创业黄金法则 via:腾讯企鹅智酷
重磅推荐:大数据工程师飞林沙的年终总结&算法数据的思考
OpenKN——网络大数据时代的知识计算引擎
大数据下城市计算的典型应用
技术贴:大数据告诉你,如何给微信公众号文章取标题?
你的QQ暴露了你的心——QQ大数据及其应用介绍PPT
如何从企业报表看企业的生存能力?
实用的大数据技巧合集
技术帝揭秘:充电宝是如何盗取你的个人隐私的?
重磅!50页PPT揭秘腾讯大数据平台与推荐应用架构
原创教程:饼图之复合饼图与双层饼图(1)
PPT:大数据时代的设计特点——不了解这个你做不了今天的设计
教程贴:如何用方程式写春联?
原创教程:如何用Excel制作简易动态对比图
深度译文:机器学习那些事
教程帖:数学之美——手把手教你用Excel画心(动态图)
董老师走进斯坦福,聊聊硅谷创业公司和大数据的事儿(附课件PPT下载)
【限时】年度钜献,108个大数据文档PDF开放下载
董飞专栏:大数据入门——大数据相关技术、Hadoop生态、LinkedIn内部实战
亿级用户下的新浪微博平台架构
一张图了解磁盘里的数据结构
浅析数据化设计思维在阿里系产品的应用
美团推荐算法实践
一个P2P创业公司有哪些部门,都是做什么的?
一个P2P平台的详细运营框架是怎样的?
机器学习中的算法——决策树模型组合之随机森林与GBDT
神经网络简史
58页PPT看懂互联网趋势,大数据/物联网/云计算/4G都有了
广点通背后的大数据技术秘密——大规模主题模型建模及其在腾讯业务中的应用(附PPT)
微信红包之CBA实践PPT——移动互联网海量访问系统设计
一文读懂机器学习,大数据/自然语言处理/算法全有了……
搜狐新闻客户端的背后大数据技术原理——推荐系统(PPT)
原创教程:用Excel做动态双层饼图
半小时读懂PMP私有广告交易市场
怎样分析样本调研数据(译)
PPT:支付宝背后的大数据技术——DataLab、Higo的实践及应用
大数据技术人员的工具包——开源大数据处理工具list(限时下载)
计算机视觉:随机森林算法在人体识别中的应用
24页PPT:机器学习——支持向量机SVM简介(附下载)
互联网高手教你如何搜集你想要的信息
深度:对地观测大数据处理、挑战与思考
原创教程:用Excel做饼图之复合饼图与双层饼图(2)
移动大数据时代: 无线网络的挑战与机遇(附pdf下载)
Excel使用技巧——25招必学秘技
【年度热门】加上这些 Excel 技能点,秒杀众人(多图)
原创教程:用Excel做纵向折线图
知识图谱——机器大脑中的知识库
何明科专栏:用数据化的方式解析投资条款
DT时代,如何用大数据分析创造商业价值(23页PPT)
MIT牛人梳理脉络详解宏伟现代数据体系
你的老婆是怎么算出来的?揭秘佳缘用户推荐系统
飞林沙:商品推荐算法&推荐解释
PPT:如何成为真正的数据架构师?(附下载)
开源大数据查询分析引擎现状
董飞专栏:打造数据产品必知秘籍
译文:如何做强大又漂亮的信息图
如何使用Amazon Machine Learning构建机器学习预测模型
如何运用数据协助货架管理(内附26张PPT)
SVM算法
主流大数据系统在后台的层次角色及数据流向
PPT:阿里全息大数据构建与应用
人脸识别技术大总结——Face Detection & Alignment
教程:用Excel制作成对条形图
易观智库:大数据下的用户分析及用户画像(18页PPT附下载)
技术向:如何设计企业级大数据分析平台?
电商数据分析基础指标体系
IBM SPSS Modeler 决策树之银行行销预测应用分析
拓扑数据分析与机器学习的相互促进
基于 R 语言和 SPSS 的决策树算法介绍及应用
用php做爬虫 百万级别知乎用户数据爬取与分析
另类新浪微博基本数据采集方法
以10万+阅读的文章为例 教你做微信公众号的运营数据分析
破解数据三大难题:变现?交易?隐私?
微店的大数据平台建设实践与探讨
阿里巴巴PPT:大数据基础建议及产品应用之道
基于社会媒体的预测技术
人工智能简史
技巧:演讲中怎样用数据说话
马云和小贝选谁做老公?写给非数据人的数据世界入门指南
掘金大数据产业链:上游资源+中游技术+下游应用
原创教程:手把手教你用Excel做多层折线图
销售分析:如何从数据指标发现背后的故事
如何一步步从数据产品菜鸟走到骨干数据产品
也来谈谈微博的用户画像
行走在网格之间:微博用户关系模型
如何拍出和明星一样美爆的自拍照?斯坦福大学用卷积神经网络建模告诉你
运营商如何玩转大数据? 浙江移动云计算和大数据实践(PPT附下载)
大数据分析的集中化之路 建设银行大数据应用实践PPT
腾讯防刷负责人:基于用户画像大数据的电商防刷架构
创业提案的逻辑
友盟分享 | 移动大数据平台架构思想以及实践经验
寻路推荐 豆瓣推荐系统实践之路
“小数据”的统计学
重磅!8大策略让你对抗机器学习数据集里的不均衡数据
小团队撬动大数据——当当推荐团队的机器学习实践
微博推荐架构的演进
科普文 手把手教你微信公众号数据分析
信息图制作的六个注意点
【权利的游戏】剧透新玩法:情理之中?意料之外
推荐系统(Recommender System)的技术基础
核心算法 谷歌如何从网络的大海里捞到针
Quora数据科学家和机器学习工程师是如何合作的
阿里巴巴PPT:大数据下的数据安全
数据建模那点事儿
全民拥抱Docker云–Lhotse系统经验分享
实时股票分析系统的架构与算法
架构师必看 京东咚咚架构演进
什么叫对数据敏感?怎样做数据分析?
推荐系统基础知识储备
刘德寰:数据科学的整合与细分 数据科学的七个危险趋势(视频)
实际工作中,如何做简单的数据分析?
分布式前置机器学习在威胁情报中的应用(附PPT下载)
数据科学 怎样进行大数据的入门级学习?
扛住100亿次请求 如何做一个“有把握”的春晚红包系统?(PPT下载)
从 LinkedIn 的数据处理机制学习数据架构
大数据会如何改变管理咨询公司(I)
优秀大数据GitHub项目一览
生硬的数字和数据新闻:这么近,那么远
经典大数据架构案例:酷狗音乐的大数据平台重构(长文)
揭秘中兴大数据在银行领域的系统部署
基于大数据的用户画像构建(理论篇)
【R】支持向量机模型实现
数据图处处有陷阱?五个例子教你辨真伪
如何用R绘制地图
你确定你真的懂用户画像?
数据模型需要多少训练数据?
【接地气】01 数据报表的颜色怎么配
游戏价值和数据分析新思路
【R】异常值检测
快的打车架构实践
豆瓣还是朋友圈:大数据、新方法和日常问
PPT数据图表,怎么做才好看?
大道至简的数据体系构建方法论
数据的误区及自身业务
新浪微博的用户画像是怎样构建的?
面试干货!21个必知数据科学面试题和答案part1(1-11)
易观智库:中国大数据产业生态图谱2016(附下载)
Airbnb的数据基础架构
50PB海量数据排序,谷歌是这么做的
大数据时代工程师如何应对–今日头条走进硅谷技术讲座
D3.js教学记(下)
D3.js教学记(上)
飞林沙:企业级服务公司如何赚钱?只有平台级产品才有大数据的理论
一个母婴电子商务网站的大数据平台及机器学习实践
7大板块 组成数据分析师的完整知识结构
干货:SaaS领域如何分析收入增长?
学术 | 词嵌入的类比特性有实用意义吗?
6个用好大数据的秘诀
一个数据库外行眼中的微信优化 (附专家补充)
大数据调研,如何实现快全准?
数据大师Olivier Grisel给志向高远的数据科学家的指引
数据堂肖永红:数据交易的是使用权或数据的增值,而不是数据本身(PPT附下载)
淘宝商品详情平台化思考与实践
刘译璟:百分点大数据理念和实践(图文+PPT下载)
如何快速搞定一份看起来还不错的演示文档?
【BABY夜谈大数据】决策树
数据驱动设计:数据处理流程、分析方法和实战案例
美图数据总监:Facebook的法宝,我们在产品中怎么用?
树的内核:量化树结构化数据之间的相似性
拿到用户数据之后,LinkedIn怎么赚钱?
GrowingIO张溪梦:增长黑客的核心 企业应该重视产品留存率(附PPT下载)
[译]Airbnb是如何使用数据理解用户旅行体验的?
微博推荐数据服务代理: hyper_proxy的设计和实现
星图数据谷熠:消费领域DaaS 大数据重构未来商业游戏规则(附PPT下载)
鲍忠铁:TalkingData大数据技术与应用实践(PPT下载)
【干货教材】数据分析VS业务分析需求
九枝兰专访:数字营销的核心—企业如何使用数据管理平台(DMP)进行精准营销
我们的应用系统是如何支撑千万级别用户的
R应用空间数据科学
Excel进行高级数据分析(上)
Excel进行高级数据分析(下)
国内各大互联网公司2.0版技术站点收集
网站数据分析思路导图
大数据分析报表设计开发要素
大数据需要的12个工具 推荐
YARN/MRv2 Resource Manager深入剖析—NM管理
YARN/MRv2 Resource Manager深入剖析—RMApp状态机分析
Hadoop 1.0与Hadoop 2.0资源管理方案对比
Hadoop 2.0中单点故障解决方案总结
Hadoop 2.0 (YARN)中的安全机制概述
Hadoop 新特性、改进、优化和Bug分析系列1:YARN-378
Hadoop 新特性、改进、优化和Bug分析系列2:YARN-45
Hadoop 新特性、改进、优化和Bug分析系列3:YARN-392
Hadoop版本选择探讨
探究提高Hadoop稳定性与性能的方法
《Effective C++》读书笔记(第一部分)
Hadoop分布式环境下的数据抽样
Hadoop计算能力调度器算法解析
如何编写Hadoop调度器
数据结构之红黑树
Hadoop pipes设计原理
《C++ Primer plus》学习笔记之”类”
《C++ Primer plus》学习笔记之”类继承”
《C++ Primer plus》学习笔记之”C++中的代码重用”
《C++ Primer plus》学习笔记之”异常”
《C++ Primer plus》学习笔记之”RTTI”
Hadoop pipes编程
Hadoop Streaming高级编程
《C++ Primer plus》学习笔记之”标准模板库”
《C++ Primer plus》学习笔记之”输入输出库”
Linux Shell 命令总结
算法之图搜索算法(一)
awk使用总结
素数判定算法
《C++ Primer plus》学习笔记之“函数探幽”
使用Thrift RPC编写程序
如何在Hadoop上编写MapReduce程序
怎样从10亿查询词找出出现频率最高的10个

从数据看豆瓣兴衰

于2017-04-01由小牛君创建

分享到:


大数据

作者:维舟

从2005年3月6日正式上线算起,豆瓣诞生已将十年,此时稍作回顾或许也正合宜。在这十年间,对豆瓣自不免有许多批评和质疑(这些声音恐怕大多来自它的用户),但不可否认,它堪称创造了历史。豆瓣的模式在中国迄今没有哪家能完全复制(在这一意义上,它是没有竞争对手的),它属于那种“只发生一次”的历史事件。不论好坏,它的出现,为广大文艺青年、普通青年及若干二逼青年提供了一个交流分享阅读、电影、音乐等体验的公共平台,不夸张地说,如果没有这样一个巨大的虚拟咖啡馆,我们这个时代的精神生活可能会贫瘠许多——至少我本人是这样。

在豆瓣出现之前,中国自然已经有网络媒体,但早年的网站,互动性并不强,当时的代表是门户和垂直网站,而它们的信息发布其实和传统媒体是一样的,即从信息源到用户是“一对多”,一个单一的信息源发布信息给无数潜在受众。随后在2003年左右兴起了第一代web 2.0模式的网站,其模式是“多对多”的,即网站只是一个平台,而由用户自发生产内容(UGC, user generate content),博客在当时热火了一阵,但最终人们发现,媒体要更进一步社交化才能完成这一使命。从这一意义上说,QQ、微博、淘宝、微信都是同类:媒体都是“多对多”的平台;但与这些网站相比,豆瓣在内容上明显要长尾得多,因为它其中涉及的大量书籍、电影、音乐的内容都是相当小众的,这在商业上就意味着潜在目标人群的高度分化(fragmenting),较难以广告投放等方式变现。

虽然豆瓣受众时常争吵、互相拉黑,一怒注销者有之,盗号者亦有之,但从数据来看,总体上豆瓣的用户粘性(每周登录次数、每次停留时长及浏览页面数等等),在同类网站中都是不低的。不仅如此,它在这过往的近十年间,维持了相对平稳的发展——请注意“相对”这个修饰语,因为互联网是一个特别容易骤兴骤衰的行业,有时简直是过山车一样的变化。在这一意义上说,豆瓣的成功之一不在于它比同行“跑得快”,而在于它“死得慢”。

从百度搜索指数来看,这是非常明显的(考虑到百度在PC端的搜索中占了70%以上的份额,它的搜索指数可以作为一般网民对许多词的关注程度,之所以用PC端是因为2011年起才有移动端监测数据):最近一周平均指数与历史最高点相比,豆瓣下降了41.3%,但开心网下降了99.3%、人人网下降了87.6%、新浪微博则下降了82.0%:

豆瓣数据
百度搜索指数2006-2014,豆瓣,PC端

豆瓣数据
百度搜索指数2006-2014,人人网,PC端

豆瓣数据
百度搜索指数2006-2014,开心网,PC端

豆瓣大数据
百度搜索指数2006-2014,新浪微博,PC端

以上指数所折射出来的媒体兴衰,可以从两方面加以印证:一是个人体验,以我个人来说,我是2007-7-12加入豆瓣的,刚好是在我写博客三年之后,但当时只是用来查找一些书籍和电影信息,直到2010年9月为怕博客崩溃,才开始在豆瓣上备份,随后2011年才算真正用起豆瓣来,也正逢上豆瓣最繁盛的时期;新浪微博的指数最高峰出现在2011年7月31这一周,而也正是在这一年春夏,我屡屡受到周围许多人询问“你为什么还不用微博”,这种压力随着新浪微博的衰落已大大减轻。最明显的是开心网,它的高峰出现在2009年7月26日这一周,在此之前,我身周的同事、朋友几乎一窝蜂地在注册开心网。第二点可资印证的是这些网站的媒体政策。通常而言,当一个媒体走强时,对外的广告政策是非常强硬的如开心网在2009初蹿红时,单笔60万起做——那时这笔钱足够欧莱雅等广告主一波完整的4周广告,投好几个媒体,不少媒体5万也接;人人网一度广告政策也非常强硬,配送比例卡得很紧,但2012年6月,一位与他们有密切关系的业内前辈告知,人人网的政策已有所松动,可以从1:1.8谈到1:2.2乃至1:2.5,这正是其开始衰落的时刻。广告政策因为密切和利益相关,对媒体的强弱而言是晴雨表,也最难在数据上作假,因为有大量第三方监测公司、代理公司、广告主虎视眈眈地审查你这家媒体的真实价值。

社交网站往往要蹿红不难,但难在如何留住人。开心网最高点(出现在2009/7/26这周)百度搜索指数高达833,378,这是相当惊人的(淘宝的历史最高点也只有113万),但大家都是成年人,“偷菜”什么的,毕竟很容易玩腻掉,真正能长久的,必须和现实中的人际网络、人的兴趣需求贴得更近才行。当用户粘性变差时,失败是不可避免的。2011年,在开心网已显露出明显衰落征象时,其CEO程炳皓曾在一次高峰论坛上提出social marketing的概念,意即通过人际推荐的方式来推动营销,但在中国社会中,这种熟人推荐方式往往会破坏而非增进人际关系,此事不久遂不了了之。

要留住用户,很重要的一点是用户体验,而这有时却又是和广告收入相冲突的。据说马化腾在面对广告部门提出在QQ上多开广告位时,常会说:“要注意用户体验。”这算是业内有名的段子,有时也用以说明广告部门在腾讯内部的弱势,因为广告只占其收入来源的十分之一强,常常说不上话。豆瓣现在也常有人觉得广告太多(当然,这种抱怨有时是针对用户发的垃圾广告,不是豆瓣自身发布的),环境不好,但凭良心说,横向对比着看,豆瓣在广告这方面是做得相当克制的。根据业内最权威的网络广告监测软件iAdTracker的数据,截止12月22日,豆瓣今年的广告收入为4157.2万,去年全年4200.08万,再往前一年2012年则为3507.65万,2011年仅335.81万,更早的监测数据为0。以我所知,豆瓣开始派销售在代理公司中接洽生意,是在2012年春;当时其华东区销售总监原在手机网站做时认识我(不过他当然不知道我也是豆瓣用户),当时还曾苦着脸说老板对广告有许多限制——例如,豆瓣的页面迄今没有动画、flash或rich media的广告形式,更不用说弹出窗口,其实只是图片,形式单一,广告位也非常少,这些都是广告主和代理公司不能满意的。虽然很多人动辄骂阿北,但至少就广告环境而言,也算得是业界良心了。

从艾瑞的数据看,在交友社区类网站中,豆瓣的日均用户覆盖人数排列第三,仅次于新浪微博和人人网,而月度覆盖甚至超过人人网,遥遥领先于其它各家:
豆瓣数据

交友社区类网站排名,iUserTracker,2014/10

然而如以广告收入计算,豆瓣的表现则相当之差。和它在用户覆盖数上最接近的是人人网,但豆瓣今年全年截止到12/22的监测广告收入,还不及人人网近3个月(5357.1万,高出豆瓣全年28.9%)人人网今年全年已收获22,672.46万广告费,而在2012年高峰时更高达42,955.9万,是豆瓣的12倍之多。这也就是说,从商业的角度来看,豆瓣未能找到和竞争对手一样有效的盈利模式,或是不愿、或是不能,总之未能将巨大的用户数和内容予以变现。这其中有很多原因:豆瓣用户的碎片化和敏感(恐怕比人人网用户更讨厌广告吧);用户的人口统计学特征(多学生,消费多倾向于文艺用品);海外流量的无效(有些广告主只想定向投放国内市场的消费者),而豆瓣用户似有不少在海外。

从豆瓣和人人网2014年前十广告主来看:

豆瓣十大广告主

豆瓣与人人网Top10广告主,iAdTracker,2014

可以得出几个明显的结论:1)豆瓣更依赖于少数几个广告主(前十就贡献了近一半),人人网的广告主数量也是豆瓣的2倍多;2)豆瓣前十品牌大多是相对高端的品牌,而人人网的广告主多大众消费品;3)人人网几个广告主的投放天数明显要长得多,意味着用户要观看更多天数的广告。

办媒体不是慈善事业。豆瓣变现的压力,可想是肯定存在的,因为任何风投都不能无限制地烧钱。豆瓣如何赚钱,这似乎是个老问题,虽然我们这种普通用户犯不着为阿北操心,但这毕竟是个很现实的问题。就目前而言,一般的网络媒体有几种收入来源:1)广告,所谓“广告是媒体的血液”;2)用户付费,像现在很多视频网站的节目都要付费才能观看了,不要小看,这是相当强大的收入来源,一个视频网站的白银卡用户每月付4.99元,一年就是60元,160万用户就能产生1亿收入!而豆瓣月度覆盖8434万人,一年广告收入也才4100万而已,相当于每个用户只贡献了5毛钱(汗,这数字真是不吉利)而已。但在所有付费形式中,用户付费意愿最强的,要么是游戏,要么就是黄赌毒(比如彩票网站、赌球网站,视频聊天的主播这种网站,据业内估计平均每个受众每年平均付出380元!这是相当高的数字),所以难怪去年艾瑞高峰论坛上,一位digital业界的CEO高呼:“得屌丝者得天下!”3)内容输出,这在视频网站最常见,将独家的片子分销,或自制剧卖出去,豆瓣的出书什么也许可以归入此类,但这个路径要赚大钱,恐怕是很难的。

在豆瓣上,还时常有人嘲讽(或哀叹)豆瓣成了一个交友、约炮网站,这从数据来看,是不符合事实的。还是看百度指数,其“需求图谱”表明:

大数据

百度指数,豆瓣需求图谱,2014/12/15-21

其中可见,豆瓣用户需求最强的是电影,其次是音乐、租房等等,“妹子”还排在“读书”后面,且呈现环比下降趋势,至于“约炮”就更后面了。从同期的热门搜索词看,豆瓣用户感兴趣的话题大多与豆瓣有关,且较为文艺:

大数据

百度指数,豆瓣用户热门搜索词,2014/12/15-21

从热门搜索来看,知乎更可能对豆瓣造成较大威胁。如果和陌陌对比,情况是明显不同的,陌陌用户除了关心上市、下载/注销/注册/会员等基本功能,在意的便是“约炮”:

豆瓣大数据

百度指数,陌陌需求图谱,2014/12/15-21

在陌陌近期上市利好驱动下的新一轮高峰(陌陌主要在移动端,故需要不断推进下载和预安装)之前,这一点原本更为明显。不过目前对陌陌的发展还需要再加评估——现在移动端的广告监测很不完善,iAdTracker中便没有陌陌的广告监测数据。

从数据来看,豆瓣未来的机会点应该在移动端。很多品牌和媒体的搜索曲线都可看出,PC端的高峰大抵在2012年底前达到高峰,再往后往往呈下降趋势,而与此同时,移动端则多呈现快速攀升。这一用户的变化,已在广告收入中呈现出来,国内一些视频网站2014年的移动端广告收入增速,远远超过PC端(当然移动端原本基数也低)。但豆瓣移动端用户虽然呈现一定增长:

豆瓣大数据

百度搜索指数,豆瓣移动端,2011-2014

但今年的增长却并不快,最近30天同比甚至出现了17%的负增长。从近半年的数据看,豆瓣用户已呈现一个明显的行为习惯规律,即weekday期间PC端高,周末则移动端高:

豆瓣大数据

百度搜索指数,豆瓣PC端,2014年下半年

豆瓣大数据

百度搜索指数,豆瓣移动端,2014年下半年

最一目了然的是十一国庆节期间,PC端曲线下凹,而移动端则攀高。这种现象在豆瓣上特别明显,但像澎湃新闻则没有这类现象,它在PC端和移动端几乎都是在7月22日正式上线这天达到顶峰,随后渐渐趋于稳定,周末与平时也无明显的波峰低谷交叉:

豆瓣大数据

百度搜索指数,澎湃新闻PC端,2014年下半年

豆瓣大数据

百度搜索指数,澎湃新闻移动端,2014年下半年

这都意味着,不管从用户体验还是自身经营出发,豆瓣理应赶紧狠抓移动端开发,但从目前来看,豆瓣的移动端状况不佳,以豆瓣一刻为例,数据显示它从6月上线以来,月度覆盖人数最高的就是第一个月:

大数据

豆瓣一刻,月度趋势,mUserTracker,2014年

作为一个普通用户的体验来说,用移动端使用豆瓣常觉不便,最基本的,每次都要求我重新登录,非常不便。新开发的app则功能拆分太多,而像豆瓣一刻的开发,在某种程度上丧失了原来的社交属性。在移动端的方面,豆瓣体现出一个原本基于PC端的媒体,在转向移动时所遇到的一些问题,这些在一开始就用移动端的陌陌、微信之类的媒体上则是没有的。

当然,媒体如人,都有自己的生命周期。豆瓣不论怎么说,已坚持(或维持)了很多年;很多web2.0的网站,到后来没几年都面目全非,要么是大起大落,早先热火过的已没人玩了;要么违背了UGC的初始设想,到最后开始自己生产内容(视频网站最明显,如土豆、优酷)。有兴趣的人不妨预测下微信朋友圈,能维持多久?从这一点来看,豆瓣这些年看似变化少,但变化多也未必好,它的存在已相当不易,作为一个普通用户,我只期望它至少慢慢挺过去。