论文部分内容阅读
摘 要：如今的社会已经大步迈入了信息化时代，大数据已经渗透到我们生活的方方面面，作为互联网行业更是把大数据技术使用的炉火纯青，本文基于大数据环境下，依托于各种技术对于互联网模式的传播进行了探讨。
关键词：大数据;互联网;推送模式
中图分类号：G206 文献标识码：A
0 引言
在信息技术日新月异不断发展的今天，互联网成了各个数据巨头争抢的主要阵地。如今网络上涌现了许多在之前匪夷所思的大公司，如淘宝，美团，抖音，头条等。他们涵盖了我们生活的方方面面，同时在潜移默化中深深地改变了我们的生活和思维方式。在大数据和数据挖掘技术的加持下我们的思维和习惯也被一定程序上的监控和学习着，今天就一起探讨一下大数据环境下互联网模式的传播。
1 美团模式成功的背后和互联网公司大数据分析手段
最初的美团是依靠“农村包围城市”战略获得的成功。美团在大量的二线三线城市都进行了布局，因为之前占有城市量最多的窝窝和团宝更早的没落了，美团就有了基本判断，在一年之内就可以定胜负。美团清楚的分析像北京上海这样的大城市谁也没有能力把对手完全赶出市场，因为这样的市场太大，管理方面的资源消耗又很小，因此大家都可以抢得一席之地。所以对于全部的投入比，美团就会把大部分精力都放在二十多到九十多名的城市上，对于这些城市的精力和财力投入会比北京上海还多，这就形成了我们常说的农村包围城市。所以美团在这些城市很快就决出了胜负，对手一旦撤退，美团就立即得到盈利，同时把盈利的资金又投入到北京上海中继续竞争。早期的美团做出了判断，100名以后的城市对市场上的胜负没有很大的影响，而前二十名的城市又很难形成有规模的垄断。但是也不可能不出现错误决策，在布局的选择上还是存在了失误，有四个城市的整体安排存在错误。但如果退出或关闭不但要带来很大的沉默成本，还会对整体的士气有打击和损伤，同时还要面对众多外界的负面舆论和资本的质疑，但美团还是最后该关就关。很多创业者掉到泡沫的深坑里无法爬出，很重要的原因就是欠缺砍掉累赘业务的勇气和气魄。看到成功曙光的美团砸入4亿人民币补贴，只为让国民养成点外卖的习惯。不过美团归根结底是互联网公司，通过大数据摆布客户也是拿手好戏。之后爆出美团普通用户配送费两元但是开通会员后配送费却要六元。美团利用自己惯有的补贴方式吸引下单，通过大数据分析客户消费水平再利用算法评估调整不同终端生成的单品价格。前期斥资4亿讨好用户再通过大数据分析用户消费水平和习惯以及喜好，从而在消费者难以注意的地方进行牟利。此行为也是符合互联网公司一直以来的手段，通过大数据分析后台和通过数据挖掘到用户习惯，从而成为公司杀熟的常用方式。
无独有偶，淘宝自创立以来就没有摆脱假货的阴影，一方面这确实是目前中国市场经济一个很难避免的问题，另一个方面谁更可能收到假货也是一个耐人寻味的问题。我们假设有两个用户，一个是经常购买奢侈品的用户A，一个是订单多是价格便宜产品的用户B，他们同时购买了一个价格不菲的物品，谁收到假货的概率大呢？显而易见，是第二个用户B。因为淘宝的大数据通过分析第二个用户B所购买的历史商品得出可靠推测，此用户可能没有真正使用过此款高端产品，甚至他没有从周围的人群中见过此款高端产品，因此它能识别出这是假货的概率就比常年接触奢侈品的用户A要低很多，也就大概率的省去了消费者维权或者投诉的麻烦。更有甚者，大数据分析用户之前的浏览记录和历史评论，如果都是清一色的好评甚至对质量很差、经过多方投诉的产品都是好评，那就基本断定此用户是我们所谓意义上的“老好人”，此类人群对于货物的差评或者维权的发生也是小概率的，当然也是收到假货的高概率人群。因此我们细细思考发现，互联网其实已经通过大数据模式和数据挖掘我们的网络痕迹了解到了我们生活的方方面面，通过机器学习再对我们的行为和喜好进行推断和预测，成为了比我们更了解我们自己的人。
2 短视频、头条新闻等推荐模式研究
众所周知，优秀的数据挖掘算法不但使许多优质的素材与内容变得很容易获得，还节省了我们大量的时间，同时对用户的基本信息与喜好也有了较为详实的了解。像一些外卖软件也会使用大数据和推荐算法按照区域和类似用户的喜好推荐最感兴趣的菜单，这都是大数据环境下推荐算法的应用。抖音，头条等app在短时间内能够做到快速扩展市场，累积用户，背后支持的算法平台居功至伟。对于此类软件来说，基于用户的基本协同过滤是最基本但是最有效的算法，也是在用于其推荐模式最普遍应用的算法。他们在让用户注册基本信息如地域，性别，年龄，兴趣点等信息时已经对用户有了一个基本的轮廓描述，在之后的推荐过程中，其通过判断用户之间的相似度，感兴趣点进行类似内容的推荐。用户提供的信息越准确，越详细，其推荐算法所生成的兴趣单就越精确，类似用户感兴趣的概率就越高。比如类似的用户A，B，C，A用户进行关注，点赞，评论，转发的内容优先推荐给B，C用户。数据收集的足够多之后，类似人群就被系统收纳在了一起，同时感兴趣的资源也自动产生了一个资源库，只需要简单的做轮流推荐与推送就能形成了一个有效的分享圈。其次还会利用社交网进行推荐，通讯录中的名单都是潜在客户，来自朋友某某或者来自你关注的某某推荐内容可能一下子又能提起你的兴趣。社交网络由于有真实存在的依存关系所产生信赖所以更容易进行传播，同时此种方式反过来还增强了现实生活中的关系，做到一举两得。但是网络社交即现实社交的缩影，推荐是一定会优先按照你在现实中较好朋友发布或关注的内容，这就需要大数据挖掘用户背后的聊天软件，一定程序上给后台推送省了大力气，又可以做到有效的精准推荐。
3 互联网模式下大数据的牟利方式
随着互联网大潮的到来，现在的商业模式也变得跟之前越来越不同。形形色色的免费软件如百度，360如何能挣得盆满钵满？一辆车都没有的滴滴，优步等公司为什么成就了新型的出行方式？现如今的商业模式已经不再是单纯的货币与物品之间的交易，而是如物联网一般，联系着所有的事物。大数据在其中功不可没，已经渗透到了各行各业，发挥着他无以比拟的作用。如今的数据方式也不是之前的翻倍式增长而是比爆炸式级数增长更快的增长，如何在浩瀚的数据中找到对自己有利的信息，找到利于商業模式开展的信息显得至关重要，数据的触角也深入到了各行各业，医疗、教育，影视、金融等无处不在。大数据的分析模式可以让商家在效率极高，成本极低的情况下实时解析和存储信息，存储的信息再经过数据挖掘进行深度整合，从而判断在何种情况下可以得到最高的回报。就拿百度来说，一个免费的搜索引擎可以做到通过社交、广告达到万亿左右的市值，通过大数据推送的品牌消息已经不是单纯的广告，而是我们生活中的一部分。因此，广告推广在大数据技术的加持下也已经渗入我们生活的点点滴滴，他们不是在推广广告，而是潜移默化的改变我们的生活，能让我们在生活中形影不离的产品又何愁盈利呢？通过绑定我们的生活从而达到消费与宣传使用的合并也是大数据在商业模式的常规手段。
4 结语
在信息技术飞速发展的今天，互联网的传播方式可谓是多种多样，我们在了解其原理，知晓其方式的同时，也应该减弱其带着我们的负面影响，让互联网成为我们的工具而不是受制于它，同时也要提高自己的数据分析与挖掘能力，在互联网大潮中迎风破浪。
参考文献：
[1]李萌.“大数据”时代的计算机信息处理方法阐述[J].电脑知识与技术，2016，12（34）：5-6.
[2]戴德宝，顾晓慧.用户参与行为、感知价值与忠诚度：基于移动短视频社交应用的分析[J].消费经济，2017，33（02）：58-65.
[3]田晓芸.基于大数据的跨境电商平台供应商信用评估研究[J].数字通信世界，2019.
关键词：大数据;互联网;推送模式
中图分类号：G206 文献标识码：A
0 引言
在信息技术日新月异不断发展的今天，互联网成了各个数据巨头争抢的主要阵地。如今网络上涌现了许多在之前匪夷所思的大公司，如淘宝，美团，抖音，头条等。他们涵盖了我们生活的方方面面，同时在潜移默化中深深地改变了我们的生活和思维方式。在大数据和数据挖掘技术的加持下我们的思维和习惯也被一定程序上的监控和学习着，今天就一起探讨一下大数据环境下互联网模式的传播。
1 美团模式成功的背后和互联网公司大数据分析手段
最初的美团是依靠“农村包围城市”战略获得的成功。美团在大量的二线三线城市都进行了布局，因为之前占有城市量最多的窝窝和团宝更早的没落了，美团就有了基本判断，在一年之内就可以定胜负。美团清楚的分析像北京上海这样的大城市谁也没有能力把对手完全赶出市场，因为这样的市场太大，管理方面的资源消耗又很小，因此大家都可以抢得一席之地。所以对于全部的投入比，美团就会把大部分精力都放在二十多到九十多名的城市上，对于这些城市的精力和财力投入会比北京上海还多，这就形成了我们常说的农村包围城市。所以美团在这些城市很快就决出了胜负，对手一旦撤退，美团就立即得到盈利，同时把盈利的资金又投入到北京上海中继续竞争。早期的美团做出了判断，100名以后的城市对市场上的胜负没有很大的影响，而前二十名的城市又很难形成有规模的垄断。但是也不可能不出现错误决策，在布局的选择上还是存在了失误，有四个城市的整体安排存在错误。但如果退出或关闭不但要带来很大的沉默成本，还会对整体的士气有打击和损伤，同时还要面对众多外界的负面舆论和资本的质疑，但美团还是最后该关就关。很多创业者掉到泡沫的深坑里无法爬出，很重要的原因就是欠缺砍掉累赘业务的勇气和气魄。看到成功曙光的美团砸入4亿人民币补贴，只为让国民养成点外卖的习惯。不过美团归根结底是互联网公司，通过大数据摆布客户也是拿手好戏。之后爆出美团普通用户配送费两元但是开通会员后配送费却要六元。美团利用自己惯有的补贴方式吸引下单，通过大数据分析客户消费水平再利用算法评估调整不同终端生成的单品价格。前期斥资4亿讨好用户再通过大数据分析用户消费水平和习惯以及喜好，从而在消费者难以注意的地方进行牟利。此行为也是符合互联网公司一直以来的手段，通过大数据分析后台和通过数据挖掘到用户习惯，从而成为公司杀熟的常用方式。
无独有偶，淘宝自创立以来就没有摆脱假货的阴影，一方面这确实是目前中国市场经济一个很难避免的问题，另一个方面谁更可能收到假货也是一个耐人寻味的问题。我们假设有两个用户，一个是经常购买奢侈品的用户A，一个是订单多是价格便宜产品的用户B，他们同时购买了一个价格不菲的物品，谁收到假货的概率大呢？显而易见，是第二个用户B。因为淘宝的大数据通过分析第二个用户B所购买的历史商品得出可靠推测，此用户可能没有真正使用过此款高端产品，甚至他没有从周围的人群中见过此款高端产品，因此它能识别出这是假货的概率就比常年接触奢侈品的用户A要低很多，也就大概率的省去了消费者维权或者投诉的麻烦。更有甚者，大数据分析用户之前的浏览记录和历史评论，如果都是清一色的好评甚至对质量很差、经过多方投诉的产品都是好评，那就基本断定此用户是我们所谓意义上的“老好人”，此类人群对于货物的差评或者维权的发生也是小概率的，当然也是收到假货的高概率人群。因此我们细细思考发现，互联网其实已经通过大数据模式和数据挖掘我们的网络痕迹了解到了我们生活的方方面面，通过机器学习再对我们的行为和喜好进行推断和预测，成为了比我们更了解我们自己的人。
2 短视频、头条新闻等推荐模式研究
众所周知，优秀的数据挖掘算法不但使许多优质的素材与内容变得很容易获得，还节省了我们大量的时间，同时对用户的基本信息与喜好也有了较为详实的了解。像一些外卖软件也会使用大数据和推荐算法按照区域和类似用户的喜好推荐最感兴趣的菜单，这都是大数据环境下推荐算法的应用。抖音，头条等app在短时间内能够做到快速扩展市场，累积用户，背后支持的算法平台居功至伟。对于此类软件来说，基于用户的基本协同过滤是最基本但是最有效的算法，也是在用于其推荐模式最普遍应用的算法。他们在让用户注册基本信息如地域，性别，年龄，兴趣点等信息时已经对用户有了一个基本的轮廓描述，在之后的推荐过程中，其通过判断用户之间的相似度，感兴趣点进行类似内容的推荐。用户提供的信息越准确，越详细，其推荐算法所生成的兴趣单就越精确，类似用户感兴趣的概率就越高。比如类似的用户A，B，C，A用户进行关注，点赞，评论，转发的内容优先推荐给B，C用户。数据收集的足够多之后，类似人群就被系统收纳在了一起，同时感兴趣的资源也自动产生了一个资源库，只需要简单的做轮流推荐与推送就能形成了一个有效的分享圈。其次还会利用社交网进行推荐，通讯录中的名单都是潜在客户，来自朋友某某或者来自你关注的某某推荐内容可能一下子又能提起你的兴趣。社交网络由于有真实存在的依存关系所产生信赖所以更容易进行传播，同时此种方式反过来还增强了现实生活中的关系，做到一举两得。但是网络社交即现实社交的缩影，推荐是一定会优先按照你在现实中较好朋友发布或关注的内容，这就需要大数据挖掘用户背后的聊天软件，一定程序上给后台推送省了大力气，又可以做到有效的精准推荐。
3 互联网模式下大数据的牟利方式
随着互联网大潮的到来，现在的商业模式也变得跟之前越来越不同。形形色色的免费软件如百度，360如何能挣得盆满钵满？一辆车都没有的滴滴，优步等公司为什么成就了新型的出行方式？现如今的商业模式已经不再是单纯的货币与物品之间的交易，而是如物联网一般，联系着所有的事物。大数据在其中功不可没，已经渗透到了各行各业，发挥着他无以比拟的作用。如今的数据方式也不是之前的翻倍式增长而是比爆炸式级数增长更快的增长，如何在浩瀚的数据中找到对自己有利的信息，找到利于商業模式开展的信息显得至关重要，数据的触角也深入到了各行各业，医疗、教育，影视、金融等无处不在。大数据的分析模式可以让商家在效率极高，成本极低的情况下实时解析和存储信息，存储的信息再经过数据挖掘进行深度整合，从而判断在何种情况下可以得到最高的回报。就拿百度来说，一个免费的搜索引擎可以做到通过社交、广告达到万亿左右的市值，通过大数据推送的品牌消息已经不是单纯的广告，而是我们生活中的一部分。因此，广告推广在大数据技术的加持下也已经渗入我们生活的点点滴滴，他们不是在推广广告，而是潜移默化的改变我们的生活，能让我们在生活中形影不离的产品又何愁盈利呢？通过绑定我们的生活从而达到消费与宣传使用的合并也是大数据在商业模式的常规手段。
4 结语
在信息技术飞速发展的今天，互联网的传播方式可谓是多种多样，我们在了解其原理，知晓其方式的同时，也应该减弱其带着我们的负面影响，让互联网成为我们的工具而不是受制于它，同时也要提高自己的数据分析与挖掘能力，在互联网大潮中迎风破浪。
参考文献：
[1]李萌.“大数据”时代的计算机信息处理方法阐述[J].电脑知识与技术，2016，12（34）：5-6.
[2]戴德宝，顾晓慧.用户参与行为、感知价值与忠诚度：基于移动短视频社交应用的分析[J].消费经济，2017，33（02）：58-65.
[3]田晓芸.基于大数据的跨境电商平台供应商信用评估研究[J].数字通信世界，2019.