Facebook借足球影响力推广直播:与俱乐部和球星合作分成

简介:

Facebook为巴萨俱乐部支付直播报酬

  Facebook为巴萨俱乐部支付了103万美元直播报酬

北京时间7月29日早间消息,Facebook正在与全球多支足球队和多位足球明星展开合作,在Facebook平台提供视频直播。Facebook希望,作为全球最热门运动的足球能有助于该公司的流媒体直播业务。

Facebook此前与近140家媒体公司和明星签订了合作协议,为Facebook Live直播平台制作视频。Facebook的目标是在平台上提供足够的高质量内容。与此同时,Facebook也在探索,如何通过更传统的方法,例如广告营收分享,给视频制作者带来报酬。

《华尔街日报》获得的文件显示,在Facebook同意拿出的约5000万美元中,运动员、球队和体育传媒公司将获得约440万美元。Facebook与足球运动的合作占很大比重,这表明Facebook Live希望开拓全球市场。

从今年5月至明年3月,获得报酬最多的球队是巴萨,预计将获得约103万美元的报酬。在Facebook的媒体、球员和明星合作方中,巴萨排名第18。排名第一的是BuzzFeed,获得的报酬为305万美元,随后为纽约时报(303万美元)和CNN(251万美元)。

巴萨的死敌皇马将获得91.7万美元的报酬。而负责英超阿森纳媒体和数字权益的阿森纳宽带公司的合同价值为34.9万美元,曼城则将获得22.1万美元。

巴萨新球员安德鲁·戈麦斯(Andrew Gomes)新闻发布会的视频直播吸引了超过50万次观看,而近期的一次训练则吸引了约34万次观看。

个人球星也将获得报酬。西班牙门将卡西利亚斯将获得约21.1万美元,而目前加盟美国足球大联盟奥兰多城队的卡卡则将获得约4.9万美元。

与Facebook直播合作的俱乐部与球星收入分成

  与Facebook直播合作的俱乐部与球星收入分成

Facebook的竞争对手也在试图通过合作,将更多体育内容引入自己的平台。Twitter近期与美国职棒大联盟(MLB)、美国冰球联盟(NHL),以及NBA签订了合作协议。Twitter还于今年4月签约美国橄榄球大联盟(NFL),本赛季可以直播周四晚的10场比赛。

Snapchat也在发力体育内容,包括与特纳体育签订了两年期协议,围绕NCAA“疯狂3月”和职业高尔夫比赛制作“Live Stories”。本月早些时候,Mashable报道称,NFL为Snapchat的Disvoer新频道组建了一支团队。Snapchat拒绝对此置评。

Facebook今年早些时候还推出了“Facebook体育场”功能。通过该功能,用户可以在体育赛事期间关注好友、球队和记者发布的内容。目前,Facebook希望成为“视频第一”的平台,通过视频直播吸引运动员、球队和体育迷。

Facebook表示,Facebook Live付费合作伙伴的挑选基于一系列因素。这些制作者需要有能力制作并测试多种内容形式,并需要在Facebook Live平台上取得了初步成功。Facebook一名发言人在公告中表示:“我们希望引入广泛的合作伙伴,从而获得不同组织关于效果的反馈。”

Facebook Live合作协议的时间长度从几个月到1年不等。

其他将获得Facebook Live报酬的球员还包括来自匹兹堡钢人的安东尼奥·布朗(Andonio Brown,24.4万美元)、西雅图海鹰的拉塞尔·威尔森(Russell Wilson,23.7万美元)、游泳明星菲尔普斯(22.4万美元)、旧金山49人的托雷·史密斯(Torrey Smith,6.1万美元),以及巴西的F1车手马萨(2.5万美元)。





====================================分割线================================


本文转自d1net(转载)

目录
相关文章
|
Go vr&ar iOS开发
Facebook截胡苹果,率先与AR屏幕厂商Plessey达成合作
近年来科技大佬们布局AR(增强现实)的愿望很强烈,早就有传闻称Facebook正在研发AR眼镜,公司也在去年证实了这一消息。
156 0
Facebook截胡苹果,率先与AR屏幕厂商Plessey达成合作
|
机器学习/深度学习 自动驾驶 安全
AWS 和 Facebook 合作推出 PyTorch 模型服务框架 TorchServe
  近日,Facebook 和 AWS 合作推出了 PyTorch 模型服务库 TorchServe,强强联手剑指 Google TensorFlow。   PyTorch 是当下最火的深度学习开源库之一,可以帮助开发者和研究人员更轻松地构建和训练模型。即便有了 PyTorch,在生产中部署和管理模型仍然是机器学习的一大难题,包括构建定制的预测 API,对其进行缩放以及保证其安全等问题。   简化模型部署过程的一种方法是使用模型服务器,即专门设计用于在生产中提供机器学习预测的现成的 Web 应用程序。模型服务器可轻松加载一个或多个模型,并自动创建由可伸缩 Web 服务器支持的预测 API。
213 0
|
机器学习/深度学习 算法 决策智能
【重磅开源】Facebook开源 Nevergrad:一种用于无梯度优化的开源工具
【重磅开源】Facebook开源 Nevergrad:一种用于无梯度优化的开源工具
209 0