大數據背景下的用戶創造內容商品化研究

劉鈺碧 徐曉峰 朱衛未

摘 要：隨著大數據技術的發展，網絡平臺可以通過技術手段將非結構化、低價值的數據挖掘出價值。從這個意義上說，用戶創造內容的內涵被延伸到用戶在網絡上的所有行動。因此，研究用戶創造內容的商品化不僅要包括內容本身，其數據所產生的商業價值也需要分析。文章通過對用戶創造內容商品化的研究可以管窺當前網絡經濟的發展，并對大數據技術的商業模式提供借鑒。

關鍵詞：大數據；用戶創造內容；商品化；社交網絡

近年來，隨著金融、教育、消費、醫療等現實世界的活動被逐步搬上網絡，網絡社會的形成激發著學術界對于技術、商業、文化的多重想象，其中，大數據作為數據分析和價值挖掘的工具受到廣泛關注。用戶創造內容（User Generated Content，UGC）是大數據的重要來源，其商品化是社交網絡（Social Network Site ，SNS）和平臺型市場變現的重要渠道。

數字內容的商品化經歷了“受眾商品”到“數字勞動”等方式的變化，進入大數據時代后，以精準投放、自我監視為特點的數字內容商品化更為隱蔽和高效。應用大數據手段對用戶創造內容進行分析，能有效實現數字內容的分析，但如何將這些內容商品化需要輔以具體的手段和商業模式，并針對其社會經濟的影響進一步分析。

1 相關研究

隨著新的信息技術及應用模式的出現，全球數據量出現了爆發式增長[ 1 ]，同時這些數據的復雜性也因為數據的多樣性、低價值密度、實時性等特點而日益顯著[2]。海量的數據將當今網絡映射成一個巨大的數字世界[ 3 ]，它持續記錄著人類行為特征，并能通過大數據手段深刻理解其商務活動的行為規律。大數據的研究和應用對不斷發生變化的內容生產、供給和消費帶來了巨大的產業創新機遇，其商業模式主要體現在：內容價值創造，實時市場洞察以及企業生產智能。

大數據依托的Web 2.0網絡環境將用戶從傳統的內容受眾變為內容的共同創造者[4]，這種互動和交流所產生的數據和信息一方面可以作為商品出售給其他用戶，另一方面也可以對消費者購買決策、企業與客戶的關系產生深遠影響[5]。同時，用戶在互聯網上的社交活動也反映了用戶的社會認知，進而影響真實世界中的價值取向[6]。而消費者在對內容的操作也反映出其興趣全景圖，這些圖譜可以被應用到營銷和關系定位中[7]。對企業來說，大數據對內容的處理和分析結果可以影響到企業的決策[8-10]。最后，這些內容也深刻的影響著現代企業，使其從以產品為中心的運營與管理模式進化到以服務為中心的工業4.0模式[11-1 2]。因此，從大數據的商業化研究來說，不僅要關注數據維度的分析，也需要關注內容維度的商品化過程，并分析其在社會經濟中產生的影響。

2 用戶創造內容的特征和價值

狹義上，用戶創造內容指用戶在互聯網上進行多種形式（書寫、影像、聲音及其綜合）的創造活動[ 1 3 ]，無論這些內容是否原生，都需要通過用戶自行加工創造進而增加價值。但在大數據環境下，用戶對社交群體中的內容點贊甚至網絡瀏覽的痕跡都可以進一步分析而產生價值，因此，廣義上可以將所有的用戶網絡行為都看作用戶創造的內容（或數據）。

在大數據環境下，用戶創造內容的特征表現為其數據格式是多樣化的。用戶基本信息也可以看作是用戶創造內容，這是一種結構化數據，用以記錄用戶的基本靜態信息（如姓名、職業、性別、年齡等）。用戶發布的內容通常是半結構或者無結構的數據，這些內容包含了用戶原創或者轉發的內容。用戶的行為數據則作為非結構數據通過網絡日志被記錄下來。此外，通過大數據手段還可以產生用戶關聯數據，即用戶在發布內容之間產生的用戶間、內容間以及內容和用戶間的關系，通常在應用中表現為結構化數據。

對用戶創造內容進行商品化，就需要分析其價值。首先是內容的價值，表現為內容發布的頻度、傳播狀況以及被閱讀和評論的狀況；其二是用戶本身的價值，表現為用戶的個體特征、所具有的群體分布和社會資本，以及用戶本身的閱讀興趣和消費習慣等。

3 用戶創造內容的商品化

3.1 內容的商品化

Web2.0下發展的網絡服務依賴于用戶的參與與創造，這些勞動過程所產生的結果是網絡平臺的主要商品。網絡平臺通過鼓勵創造內容的方式將用戶的勞動商品化，表現形式有2種：一種是完全的免費勞動，比如像百度知道，這里的內容都是由用戶提供，并提供給其他用戶；另一種方式是由用戶創造并出售版權給網絡平臺，常見于在線旅游服務代理商（Online Travel Agency，OTA），用戶提供游記給OTA，有助于OTA推廣其旅游產品。

以上2種模式是以占有用戶的勞動為基礎的。一般的商業模式布局是通過將這些內容免費提供給其他用戶，網絡平臺以嵌入產品推廣或者廣告的方式獲得利益。在某些專業性比較強的網絡平臺上會收取會員費用給用戶提供分級服務，甚至可以與提供內容的用戶根據流量進行分成。隨著移動互聯網服務的發展，用戶銷售內容（User Sales Content，USC）的模式也被提出，促進消費者加入產品設計、銷售、服務等環節。

USC模式通常會生產非物質商品，用戶提供的是非物質勞動。非物質勞動指生產具有文化內容的商品活動，這樣的勞動包含了文化、美學標準、流行、消費品位與意見等。非物質勞動可以分為3種類型：生產過程中智能化與信息化的活動，包括程序設計、標準制定等；創造性與符號性活動，如生產思想、規范、形象、品味等；人際交往所需的情感生產和控制。

3.2 用戶本身的商品化

傳統上，用戶資料的商品化主要產生于現實世界，比如商戶會將客戶電話銷售給互補產品的銷售商。由于經營需要和政策規定等因素，以社交網絡為代表的互聯網應用服務提供商開始要求用戶實名制注冊，并且鼓勵用戶主動且積極地分享生活與個人喜好，這些高度個人化的用戶資料，便成了吸引廣告商為主體的營銷群體最重要的信息來源。網絡平臺型企業通過免費服務等方式吸引了大量的注冊用戶，事實上，這些平臺型企業的傳統盈利模式為用戶數量×轉化率，因此，用戶數量是網站價值及其企業收益的關鍵。高度個人化的用戶資料正是這些平臺型企業能夠販售的商品形式之一，其商品化過程是從資料收集開始，到分析解釋再到包裝，最后販售給廣告商。

用戶數據商品化的模式具體如下：其一，用戶資料會被分為“資料”“內容”“數據”這3類，其中“資料”指用戶注冊的靜態事實及其他資料，包含用戶訂閱等信息；而“內容”指用戶發布的相關信息，包含用戶創造內容等；“數據”指的包含用戶或者第三方通過任何平臺傳送給本地平臺的用戶內容或資料。其二，在用戶資料的使用上，根據用戶的基本資料和用戶的線上行為活動可以使用大數據工具對用戶進行“用戶畫像”，這些用戶畫像對用戶的興趣和行為習慣進行分類，最后提供給廣告商選擇，從而可以進行較為精準的廣告投放。

3.3 社會資本的商品化

典型的社交網絡互動過程中，追蹤用戶對人、事、物的互動行為，針對用戶可能感興趣的故事，將廣告內容混合在一般內容中，甚至使用用戶的朋友關系插入廣告，這種方式稱作為動態贊助。動態贊助這種廣告投放方式在社交網絡平臺上很快大放異彩，典型的做法是軟性的親情綁架，比如在微信和微博中由用戶發出需要收集多少個“贊”就可以獲得什么獎品，或者發起某些評比，讓大家投票，在此過程中，讓朋友點擊或者打開原文甚至關注以收集粉絲。

動態贊助的廣告形式進行了雙重的商品化過程。第一重商品化是將用戶的資料分析利用，出售的是“用戶資料”；第二重商品化是將用戶的社會資本進行再利用，在使用軟件工具對好友的信息進行追蹤和互動的過程中暴露的朋友關系可以被網絡平臺出售給廣告商獲利。

3.4 對用戶勞動的占有

文獻[]提出數字勞工的概念，認為數字內容的生產是以集體性、擴散式的知識與情感勞動的方式進行，這些勞動包括網絡書寫、閱讀、整理以及參與，并且這些勞動是在網絡服務的電子契約約束下的無償勞動。

用戶的瀏覽行為實質上是用戶提供了勞動[17]，并為廣告投放提供了場所，因此，通過內容的編排延長用戶瀏覽的時間以占用用戶勞動是常見的商品化方式。社交網絡平臺Facebook提出了EdgeRank算法[15]，通過大數據工具對用戶的行為和內容的關聯度進行分析，最后重新排列內容順序給用戶。一來讓用戶看到可能吸引他們的動態消息，使其不斷回到平臺中進行瀏覽勞動，二來影響用戶對世界的想象。

對用戶勞動的占有還可以通過將內容管理權下放到用戶來實現。通過鼓勵用戶自行管理內容也可以看做網絡上的勞動行為。此外，還可以通過互動、對話的方式鼓勵用戶創造更多的內容。

生產工具也連帶著影響內容的生產。移動終端和移動通信的發展，也增添了用戶的勞動時間與機會[16]，將勞動時間延伸到私人的時間和空間中。

同時，非物質勞動的成果被作為評判個別用戶的喜好、品味的依據，反過來引導用戶進行消費活動；在非物質勞動過程中，用戶不斷與平臺交流創造，為平臺創造流量并被挪用為商品。

3.5 平臺的優化增值

文獻[17]說明了電視可以通過更改節目的編排來達到增值的過程，對于網絡平臺來說，通過軟件工具也可以實現增值，典型應用有Facebook Exchange以及百度競價排名等。

利用大數據工具對用戶行為進一步分析也可以達到增值的效果。網絡平臺通過cookie與追蹤器的使用，記錄下用戶在本站點、合作伙伴甚至第三方網站中的所有行為，用以分析用戶對廣告商品的感興趣程度，以達到最佳效果，比如在社交網絡中普遍存在的“猜你喜歡”功能與電商平臺中的“其他人還買了”功能。

當前的社交軟件都設有粉絲專頁，給地方性商家、企業、名人、品牌、娛樂、理念倡議都可以設定。網絡平臺經營者有兩種方式將粉絲專頁商品化，其一是將粉絲的“贊”數按數量計價，這種服務需要接受粉絲專頁服務的機構提供目標受眾的關聯性；其二是對“贊”的用戶反向追蹤，以鎖定這些目標用戶，并建立群或者公眾號，達到宣傳廣告的目的。

一般的廣告業主可以通過平臺提供的可視化分析工具分析整體粉絲專頁狀況（贊數、貼文主題、粉絲瀏覽量）、貼文分析（所有貼文、粉絲上網時間、最佳貼文類型）以及用戶分析（粉絲、觸及用戶、參與互動）。對于經營粉絲專頁的機構來說，采用“免費”的分析工具來進行用戶洞察，不僅能知道用戶的輪廓，甚至可以得到確切的用戶名單，清楚的知道受眾信息。在用戶使用軟件的過程中，通過大數據手段可以追蹤出內容生產、分配、交換與消費的過程，這些信息可以用來對用戶進行精準營銷，并且生產符合消費者喜好的產品。

4 結語

用戶創造內容從2005年出現以來，被當作網絡平臺吸引用戶使用其服務的重要手段，早期的商業模式是將UGC作為商品交給用戶。隨著大數據技術的不斷發展，通過挖掘分析用戶的需求，圍繞UGC又形成了新的商品，更友好和隱蔽的將服務推送給用戶，組成網絡平臺重要的收入組成。當前的社會被消費和物質豐富的景象所包圍，這是由實物、服務和商品的大量生產所造成的。大數據平臺通過流量監控等手段并進一步挖掘用戶的喜好，最后給予用戶文化品位和習慣相似的內容，這種消費不僅僅是單純的消費，而且形成了符號的價值與交換，用戶的消費和生產同時進行且不斷循環，并讓用戶滿足于對商品建構的意義。但從另一個意義上來說，用戶創造內容被商品化的方式不僅實現了社會生產，創造價值，同時也滿足了用戶，通過大數據手段進一步提供更貼合用戶的商品，也有助于提高社會的幸福感。

[參考文獻]

[1]Clifford L.Big data： How do your data grow？[J].Nature，2008（7209）：28-29.

[2]Martin H，Priscila L.The worlds technological capacity to store，communicate， and compute information[J].Science，2011（6025）：60-65.

[3]Borgatti S P，Ajay M， Brass D J， et al.Network analysis in the social sciences[J].Science，2009（5916）：892-895.

[4]Chiesa G.Data， BigData and smart cities.Considerations and case study on environmental monitoring[J].TECHNEJournal of Technology for Architecture and Environment，2014（8）：81-89.

[5]Ghose A，Han S P.An Empirical Analysis of User Content Generation and Usage Behavior on the Mobile Internet[J]. Management Science，2011（9）：1671-1691.

[6]Tamasauskas D，Liutvinavicius M，Sakalauskas V，et al. Research of Conventional Data Mining Tools for Big Data Handling in Finance Institutions[J].Lecture Notes in Business Information Processing，2013（160）：35-46.

[7]Ghose A，Ipeirotis P G，Li B.Designing Ranking Systems for Hotels on Travel Search Engines by Mining User-Generated and Crowdsourced Content[J]. Social Science Electronic Publishing，2012（3）：493-520.

[8]Frankel F，Reid R. Big data： Distilling meaning from data.[J].Nature，2008（7209）：30.

[9]Davenport T H. Competing on analytics.[J].Harvard Business Review，2007（1）：5-7.

[10]Hui S K，Fader P S，Bradlow E T.Path Data in Marketing：An Integrative Framework and Prospectus for Model Building[J].Marketing Science，2009（2）：320-335.

[11]李云志.“工業4.0”時代的管理架構研究[J].管理觀察，2014（24）：95-96.

[12]Laka J，González-Roríguez M. Industry 4.0[J].Dyna，2015（90）：16-17.

[13]García J C Y，García Y S M，González B S M.Semantic Characterization of Context of Use and Contents for UserCentric Media Retrieval[J].Lecture Notes of the Institute for Computer Sciences Social Informatics& Telecommunications Engineering，2012（60）：20-25.

[14]Terranova T.Free Labor： PRODUCING CULTURE FOR THE DIGITAL ECONOMY[J].Social Text，2000（18）：785-794.

[15]Ma N，Liu Y.SuperedgeRank algorithm and its application in identifying opinion leader of online public opinion supernetwork[J].Expert Systems with Applications，2014（4）：1357-1368.

[16]Agger B.iTime：Labor and life in a smartphone era[J].Time Society，2011（1）：119-136.

[17]Sut J，Bill L.Watching as Working： The Valorization of Audience Consciousness[J].Journal of Communication，1986（3）：124-143.

Study on Commercialization of User-Generated Content Based on Big Data

Liu Yubi1， Xu Xiaofeng2， Zhu Weiwei3（1.School of Economics， Nanjing University of Posts and Telecommunications， Nanjing 210023， China； 2.Jiangsu Mobile Company，

Nanjing 210000； 3. School of Management， Nanjing University of Posts and Telecommunications， Nanjing 210023， China） Abstract： With the development of the big data technology， the network platform can excavate unstructured data with low value by mechanical means. In this sense， the connotation of user-generated content had been extended to all users action on the network. Hence， research the commercialization of user-generated content， not only includes the content itself， but also analyze the business value of data generated. Research the commercialization of user-generated content can be assessed at the current development of the network economy， and it can offer a reference with business models of big data technology.

Key words： big data； user generated content； commercialization； social network site