从数据看“豆瓣”兴衰

简介:

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%:

百度搜索指数2006-2014,豆瓣,PC端


百度搜索指数2006-2014,人人网,PC端


百度搜索指数2006-2014,开心网,PC端


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:

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:

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:

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”:

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:

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:

百度搜索指数,豆瓣PC端,2014年下半年


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:

百度搜索指数,澎湃新闻PC端,2014年下半年


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:

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。



原文发布时间为:2014-12-26

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
XML 监控 网络协议
云深处绝影四足机器人协议学习解析
本文详细介绍并解析了云深处绝影X20四足机器人的通信协议,包括TCP服务端端口号、基于Service的请求/响应通信机制、通信帧结构、消息类型、常见的通信示例如获取状态和导航请求,以及运动控制的参数和命令。文中还提出了对协议中某些未明确说明或可能存在的问题的疑惑。
623 1
云深处绝影四足机器人协议学习解析
|
机器学习/深度学习 自然语言处理 PyTorch
VLLM (Very Large Language Model)
VLLM (Very Large Language Model) 是一种大型语言模型,通常具有数十亿或数万亿个参数,用于处理自然语言文本。VLLM 可以通过预训练和微调来执行各种任务,如文本分类、机器翻译、情感分析、问答等。
1536 1
|
机器学习/深度学习 自然语言处理 算法
利用机器学习算法进行自动化测试
利用机器学习算法进行自动化测试
指数平滑法详解与Python代码示例
指数平滑法详解与Python代码示例
|
机器学习/深度学习 算法 TensorFlow
基于Python的图像处理技术在医学影像诊断中的应用
随着计算机视觉和深度学习技术的发展,Python在图像处理领域的应用日益广泛。本文将探讨如何利用Python编程语言及其相关库,结合医学影像诊断需求,实现图像处理技术在医学影像诊断中的应用。我们将介绍图像预处理、特征提取、图像分类等关键步骤,并探讨如何利用深度学习技术提高医学影像诊断的准确性和效率。
590 15
|
安全 Java API
全网最清晰的零拷贝详解,看一遍就会
全网最清晰的零拷贝详解,看一遍就会
339 0
|
缓存 监控 前端开发
如何优化 Python WEB 应用程序的性能?
【2月更文挑战第27天】【2月更文挑战第93篇】如何优化 Python WEB 应用程序的性能?
400 0
|
数据可视化 程序员 数据安全/隐私保护
课程实训QT笔记
链接上一篇没有完的QT笔记
568 1
课程实训QT笔记
|
机器学习/深度学习 自然语言处理 安全
LLM系列 | 16: 构建端到端智能客服
本文将综合之前多篇文章搭建一个带评估功能的**端到端智能客服系统**。整体流程大致如下: 检查输入,看看用户输入的query是否能够通过审核API;抽取出商品和对应的类别;抽取出商品信息;模型根据商品信息回答用户问题;将模型的回复输入审核API对回复进行审核。
LLM系列 | 16: 构建端到端智能客服
|
安全 Java 数据安全/隐私保护
APP加固技术及其应用
APP加固技术及其应用
358 0

热门文章

最新文章