一点资讯媒介资源简介0727

相关主题
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

信息过载信息聚焦

用户接受资讯的另个困境

接收34G

接受11.6小时

但大部分属无效信息

“头条”频出

但感兴趣的还是主动寻找

信息“轰炸”

一点资讯

只读一点 聚焦一点

Yahoo Google Facebook Twitter

一点资讯兴趣引擎

个性化推荐社会化阅读搜索门户代表新技术、新趋势

,以技术为驱动的资讯类产品

全平台价值推广

不仅仅是曝光

年龄男性教育程度大学及以上月收入在3K以上352064%

70%66%高收入、高教育水平的青年群体——群体价值较高

有用的信息感兴趣的知识

全用户覆盖6000w+活跃用

户1600w日均活跃用

整合营销

品牌栏目植入个性化订阅

首页推荐

个性化Push 其他广告位推荐

据第三方权威机构Talking Data监测,一点资讯(含小米版)在2014年用户覆盖量增幅达1950%,

与小米、猎豹、鼎开等巨头签约战略合作后预计15年下半年

月度活跃用户将超过1亿人

日活跃用户超过2000万

挑选目标投放群体,颗粒度可

以任意细到关注某一类别、人

物、话题的用户

通过个性化Push、个性

化推荐、频道内置顶等

方式引导用户关注品牌

或话题引导用户订阅品牌或话题频道

,形成持续的关注

11

Show Time

根据用户的点击行为,针对对节目感兴趣的用户,主动个性化推送节目相关资讯。

首页推荐

个性化推送

首页推荐节目频道,节目曝光的同时引导

用户订阅,形成稳定的订阅群体;

首页流中Card形式展现话题PK——平台内最优质的内容资源•点击率高

•参与度深

•分享率高

品牌冠名曝光点

品牌冠名曝光点

13

首页流中Card形式展现

公布答案页面的再次植入

开心考场——互动式软植入,收

藏和分享率高达5%,深度营销效果

最佳,平台内最优质内容资源

内容页植入相关内容

发现页banner图发现页推荐频道

打造专属互动平台

不仅仅是资讯

品牌专区品牌自媒体入驻:

•品牌入驻,自主运营自媒体内容,引导用户关注品牌动向;

•密切互动:通过互动提升用户订阅量和活跃度;

品牌/话题频道互动运营:•品牌主策划品牌讨论话题;•

品牌主参与自身品牌相关话题互动讨论;

智能搜索联想引导用户关注专区

搜索结果可订阅

引导用户主动关注

订阅专区出现在用户导

航栏

大数据支持

不仅仅是数据

19

数据的获取与存储

爬虫技术及数据挖掘技术数据分析与呈现

自然语义分析

数据的有效筛选及去噪

数据的解读与应用

基于垂直行业深刻理解与

经验,实现数据有效利用

•6000万+活跃用户,每日1600w的活跃用户,产生3.5GB数据;

•每天产生上亿次点击,带来诸多数据:用户点击倾向、收藏热度、分享热度、评论热度、阅读/播放时长、阅读/播放时间、设备类型等;

•每篇资讯拥有不同的属性信息:来源、类别(时政、娱乐、体育、财经……)、属性(专栏、知识、吐槽、猎奇……)、价值度(消遣式、深度式)、关键词,这些信息可用来捕捉用户的口味和兴趣;

•用户每天要进行几十万次搜索请求,表达了用户的主动兴趣;

•算法已实现较高信度的挖掘用户属性数据:地点、性别、年龄、行业、阅读偏好、阅读时间等数据,可用来预测用户兴趣;

全球化应用

科技创新

质变

量变

兴趣引擎(多项国际专利)

●Method and System for Recommending Content to a User ●Method and System for Hybrid Information Query ●Method and System for Online Advertising

Method and System for Facilitating Users to Obtain Content

关于搜索和推荐技术的共计有40多篇论文和30多项国际专利

搜索引擎(ACM SIGIR & NIPS 2007)

● A General Boosting Method and its Application to Learning Ranking Functions for Web Search.

● A regression framework for learning ranking functions using relative relevance judgments.

推荐引擎(获ACM SIGIR 2011年最佳论文)

●Collaborative competitive filtering: learning

recommender using context of user choice.

海外市场开拓

不仅仅是国内

面向所有英文用户

相关文档
最新文档