大數據對數字出版的應用價值初探

文/趙宏源

前言

隨著大數據的發展逐步邁入實質應用階段，對社會各個層面都產生了重大的影響：行業層面上，決策依據更加全面和準確，有助于形成新的核心競爭力，對企業的生產模式、商業模式以及管理模式等都產生了深刻的變革，行業之間的界限模糊化；思維方式層面上，從滿足于樣本數據變為使用全體數據，從追求精確性到容忍混雜性，從關注因果關系到關注相關關系；智慧和戰略層面上，數據的膨脹在“量”上引發混沌的同時，在“質”上可能開始顯現出秩序，對社會發展和管理模式提出了新的挑戰。[1]

在這個時代背景下，數字出版的發展逐步走向多元化：網絡出版、移動出版、數據庫出版、融合出版以及知識服務等。數字出版本身的特征也發生重大變化，從內容生產、管理過程、產品形態以及傳播渠道的單純的數字化1發展為內容生產主體的多元化、交付方式的多樣化、服務過程的系統化以及內容推薦的智能化。內容生產主體的多元化體現為UGC（用戶生產內容）、PGC（專業生產內容）、OGC（職業生產內容）以及DGC（設備驅動內容）等多種內容生產模式的涌現；交付方式的多樣化如紙質圖書、音頻圖書、VR/AR圖書、知識付費乃至知識服務等；服務過程的系統化體現在多層次的關聯體系為讀者提供完整的知識體系；內容推薦的智能化體現在用戶畫像基礎上的精準推薦。

在數字出版上述特征的形成與演變過程中，大數據技術的應用是最主要的推動因素。隨著數字出版產業的發展，大數據的應用價值越來越大。

1.大數據對數字出版的重要價值

1.1 用戶畫像的構建與迭代

用戶畫像（persona）是美國交互設計師阿蘭·庫珀在《交互設計之路—讓高科技產品回歸人性》一書中提出的概念，persona本意為面具，引申義為“面具”所表現出來的“角色”，主要作用在于描述用戶特征。根據用戶的現實特征和潛在特征，用戶畫像可以分為靜態畫像和動態畫像兩種。前者主要針對用戶的統計學特征（如出生日期、性別、學歷以及職業等）和行為特征（如衣食住行、娛樂、社交以及學習等消費習慣）；后者則針對用戶的可能性、潛在性和趨勢性特征。[2]前者以用戶需求為導向，重點在于應用場景中的用戶行為模式，后者以生活愿景為導向的用戶生活方式的描述，重點在于數據挖掘基礎上的用戶趨勢預測。[3]

大數據視角下的用戶概念，外延擴展到所有用戶，既包括現實或者潛在用戶，也包括跨行業潛在用戶。界定用戶的標準在于其價值提供和價值共創的結果，而非是否購買企業的產品/服務或者參與過企業活動。[4]大數據基礎上的用戶畫像通過用戶標簽化，構建數據模型研究“全樣本”用戶特征，有助于準確識別和描繪目標用戶，有效聯接用戶的屬性、行為與期待，極大地避免了主觀因素的干擾；有助于及時掌握用戶的異動，促進產品/服務的升級或者調整；有助于針對用戶的個性化需求實現精準推薦。[5]

與其他行業比較，數字出版的用戶的特點更加復雜，首先是用戶角色的多重性。同一個用戶既可能單一的服務使用角色，也可能是集內容的創作者、使用者、演繹者以及傳播者中某幾個或者全部于一體的混合角色。其次是用戶之間的關聯性。基于對共同主題內容的關注和用戶自身知識層次產生用戶之間的碰撞效應或者同化效應，形成用戶之間多種多樣的關聯關系。最后是用戶特征的動態演變。隨著用戶知識量的增加，對內容的需求、內容產業鏈上扮演的角色以及社交關系等都處于持續的動態演變過程中。數字出版的目標用戶的這些特點不僅要求準確描述用戶的現實特征，進行靜態畫像，以便實現產品/服務的精準推送，更要著眼未來，準確把握用戶需求的發展趨勢，進行動態畫像，以便捕捉用戶興趣與需求的變化，實現用戶畫像的完整構建與不斷迭代。

1.2 長尾產品的發掘與過濾

2004年10 月，《連線》雜志主編克里斯·安德森提出長尾理論，他認為，“只要存儲和流通的渠道足夠大，需求不旺或銷量不佳的產品所共同占據的市場份額，可以和那些少數熱銷產品所占據的市場份額想匹敵甚至更大，即眾多小市場可匯聚成與主流大市場相匹敵的市場能量”。長尾效應的意義在于“將所有非流行的市場累加起來會形成一個比流行市場還大的市場”[6]。

大數據時代的到來，人們獲取的信息量越來越大，長期存在的信息不對稱現象因此得到改善。與此同時，大數據也引發了選擇困境，面對海量的信息人們無所適從，尤其對大量價值有限甚或垃圾信息難以甄別，從而形成了大數據實踐應用中的悖論。反映在市場經濟中體現為冪律分布[7]與長尾分布的并存，一方面，由于關注度的集聚效應，頭部產品所占比例越來越小，單品銷量越來越大；另一方面，長尾產品越來越多，質量參差不齊，人們的選擇與甄別越發困難。這一問題的解決依然要回到大數據本身，通過完整的用戶畫像與產品特征的描述實現產品的精準推薦。

圖書出版業屬于小眾行業，一方面，大多數圖書的讀者群有限，不可能有巨大的銷量；另一方面，如此眾多的圖書充斥市場，結果是大多數圖書很難找到目標讀者，只有極少數的圖書最終成為暢銷書。[8]進入數字出版階段之后，這一特征體現的更加明顯，存儲和復制的邊際成本趨近于零，創作門檻大幅降低，所出版的作品規模急劇擴張。冪律分布與長尾分布的兩極化現象在數字出版業內更加劇烈，長尾產品的挖掘與過濾更加困難。通過大數據技術，有助于建立完整的用戶畫像，以識別用戶需求，建立完整的知識關聯體系，以導航定位發掘優質的長尾產品，通過用戶評價以及作品相關的各種被引用關系等實現劣質長尾產品的過濾。

1.3 出版流程的協同

所謂協同，就是指協調兩個或者兩個以上的不同資源或者個體，協同一致地完成某一目標的過程或能力。站在具有獨立法人地位企業的角度，協同包括企業之間的協同和企業內部的協同。企業之間的協同包括縱向協同與橫向協同，前者最典型的例子就是外包，后者即聯合開發，雙方或者多方組成項目組共同開發，獲取的知識產權和利潤按比例分攤。企業間協同根據緊密程度分為三個層次，即低耦合、中耦合和高耦合。企業內部的協同也分為三個層次，即產品結構的協同、專業技術的協同和內部各業務部門之間的協同。[9]

大數據背景下的企業協同，更注重資源整合意義上的協同。從內部而言，必須打破系統邊界，打破部門壁壘，整合企業內外多源異構的數據，通過大數據分析，掌握企業自身優勢與劣勢、市場環境、用戶特征與需求，改革并優化企業內部的管理與服務流程，為用戶提供精準的產品/服務。從外部而言，企業不同階段的發展需求必然不斷產生各種或虛或實的團隊，導致協同的邊界不斷擴大，相應的資源需求不斷擴大而且多變。通過大數據分析，有效整合包括人力、組織、技術以及資金等在內的各種企業外部資源，并隨時根據實際狀況動態調整，實現企業內部之間以及企業之間信息的共享和利用，優化外部合作流程，從而大幅提升效率。[10]

相比其他行業，數字出版流程涉及的因素更為復雜，用戶畫像描述、選題策劃、表達方式確定、交付方式選擇、外部審校資源與作者資源整合、關聯體系構建、交互功能設計與內容監管以及版權追蹤監控等，都必須整合企業內部與外部的各種資源，針對不同需求進行相應的甄別與選擇，尤其是面對快速多變的內容創作創新，更加要求協同的出版流程，實現產品/服務市場的高效運營。大數據技術的運用，有助于提升出版流程各個環節的市場化程度，據此實現內部部門之間的分工協調，外部資源的充分利用，進而提升數字出版企業的協同管理效率。

1.4 供需鏈結構的優化

供需鏈的研究起源于20世紀60年代，一般是指由進行物料獲取、加工物料成中間件或者成品，再將成品送到用戶手中的一些企業或者企業部門構成的網絡。參與供需鏈的主體包括供應商、生產商、配送中心、零售商以及最終用戶。供需鏈涉及的內容包括參與供需鏈的有關實體之間的物流、信息流與資金流。[11]根據供需鏈中起核心作用的企業類型，供需鏈模式可以分為以分銷商為核心的供需鏈、以制造商為核心的供需鏈、以拍賣商為核心的供需鏈三種。[12]有效的供需鏈管理有助于企業降低成本，提高競爭力；加速整個供需鏈上物流與信息流的流動，縮短產品流通周期；突出企業核心能力，加強競爭力。[13]

大數據技術的出現，通過對供需信息的量化與分析，降低供需鏈中的不確定風險，改變了傳統的供需鏈模式，體現在兩方面：一是供需從面對面模式（即傳統的批量模式）到點對點（即根據消費需求定點生產與銷售）模式的確立；二是供需分析預測的廣度、深度和準確度的提高。第一個體現對于生產者而言意味著生產端與消費端溝通距離的縮短，上文中的三種供需鏈模式因之分化解體，個性化需求的滿足逐步成為企業生產的主流模式；對于消費者而言意味著按需購買模式的盛行，用戶根據商家基于大數據分析的推薦和自身實際需求選擇合適的產品/服務。第二個體現傳統的樣本分析、概貌分析演變為精準分析，并以此為基礎對未來趨勢進行預測，根據趨勢預測確定企業的戰略決策。[14]

數字出版與包括傳統出版在內的行業供需鏈相比，構成和運作模式都有很大不同。供需鏈的構成上有內容供需鏈、技術供需鏈以及載體供需鏈，其中，內容供需鏈從作者到出版單位到平臺商（包括出版單位自建平臺）到用戶端；技術供需鏈從數據加工商（例如內容的數字化加工或者音視頻加工）到出版單位再到技術開發商（平臺或者數據庫開發）；載體供需鏈從作者到出版單位到渠道商再到零售商最后到讀者。無論每一條供需鏈除了中介性質的出版單位之外，都不是一般行業的一對一和一對多，而是多對多，而且供需鏈上的角色之間還存在重合性或者協作關系，前者如作者與讀者角色的重合，后者如數據加工商與平臺開發商之間的協作。大數據的應用，使整個供需鏈的上下游都發生改變，從相對單一的線性結構變為多元立體的網狀結構[15]。通過對最終用戶畫像的描述，供需鏈上各個角色的分析，實現出版不同角色供需的精準匹配，優化供需鏈結構。

1.5 知識服務的深層次發展

知識服務，指以知識資源為對象，以信息知識的組織、關聯、挖掘、重構等為手段，為用戶提供個性化的智能服務。它是當今知識信息資源共享模式設計的核心指導思想，這種共享模式為用戶提供的是針對特定問題的解決方案，即“知識”。[16]知識包括顯性知識和隱性知識。其中，顯性知識指容易轉化為符號的知識，可以語言表述從而傳播；隱性知識隱藏在知識主體手中和頭腦中，體現為技能、訣竅、洞察力、經驗等無法用語言或者特定符號編碼的知識。[17]前者最典型的呈現方式就是出版物，尤其是圖書，系統的論證與闡述、便捷的傳播與交付，成為顯性知識最佳的載體選擇；后者最常見的表現例如師徒傳承、實踐練習以及頭腦風暴等，“只可意會，不可言傳”是其最主要的特征。兩者同時又可以相互轉化，通過社會化實現隱性知識之間的轉化；通過外化實現隱性知識到顯性知識的轉化；通過整合實現顯性知識之間的轉化；通過內化實現顯性知識到隱性知識的轉化。[18]通過顯性知識與隱性知識相互之間不斷的轉化，實現知識本身的創新與傳播。

大數據的出現使知識服務在知識生產與更新、典型特征、服務范圍與模式等方面都產生了迥異于以往的變化。首先，知識生產主體多元化，既有領域內專家，也有普通用戶，既有職業機構，也有個體生產，出現既有系統化的專業知識，也有碎片化的應用/普及知識，從而增強了知識關聯體系構建的必要性。其次，在知識更新的方式上，既有質變性的系統化更新，也有知識交互過程中產生的量變性質的碎片化更新，知識交互同時具有了用戶體驗與知識輸出的功能。再次，知識服務的典型特征體現在：面向自主需求和智慧服務、不確定性、強調用戶參與、按需使用與付費以及基于群體創新等。[19]

從社會功能角度看，個人認為，數字出版與圖書出版并無二致，那就是娛樂和教化。前者如網絡文學、網絡游戲、數字音樂以及網絡動漫等；后者如電子圖書、數字報紙、數字期刊、網絡教育出版物、數據庫出版物以及手機出版物等。從上文對大數據背景下數字出版和知識服務的分析可以看出，知識服務更強調用戶為中心，根據用戶的信息偏好以及具體需要，采取個性化的服務方式，為用戶提供針對實際問題的解決方案等，因此，可以把知識服務視為教化領域數字出版的深化。[20]依托大數據技術，知識服務既可以整合已有的存量系統化知識資源，又可以整合社會上的相關碎片化知識資源，還可以通過知識交互產生新的知識。在此基礎上，構建完整的知識關聯體系，實現系統知識和碎片知識的關聯，自動建立新知識與已有知識的關聯，消除“信息超載”“知識碎片化”和“信息孤島”等問題，促進知識服務的深層次發展。[21]

2.借力大數據，實現出版的轉型發展

2.1 基于功能定位，實現用戶體驗的優化與迭代

所謂用戶體驗，簡單講就是用戶的主觀感受，主要指用戶使用產品之前、期間和之后的認知印象和回應。[22]影響用戶體驗的因素主要有四個，即產品策略、用戶界面、技術以及運營等。[23]大數據通過量化用戶的愉悅度、參與度、接受度、留存度與任務完成度等指標，建立完整的用戶靜態與動態畫像，改善影響用戶體驗的因素，

實現用戶體驗的優化與迭代。

大數據在用戶體驗上的功能訴求可以分為三個，即基于銷售的智能推薦、基于選題的需求分析和基于創作的能力分析。所以，用戶體驗的優化與迭代應從這三個方面展開。

首先，應對海量的用戶數據進行最大限度的采集與整理，分析其靜態特征，包括統計學特征和行為特征，從而找到產品的潛在用戶，進而提供精準推薦服務，進行場景化的介紹，簡化用戶選擇過程，提高用戶購買體驗。

其次，加強非結構化數據的采集整理，尤其是潛在細分領域中用戶共同關注的話題、發表的言論、表達的思想等等，通過挖掘與分析，發現用戶數據背后所反映的深層思想和預見趨勢，進而策劃細分市場選題，并且在選題策劃過程中持續追蹤這些變化，不斷迭代，最終形成符合用戶需求的選題與產品。

最后，通過隱性知識標引與隱性知識地圖構建，尋找符合需求的潛在作者，并對作者的專業能力與創作能力進行分析。隱性知識標引通過隱性知識顯性化的方式進行：其一是個人主動提供，包括個人詳細信息、經歷、創作的作品以及交互過程中的內容輸出等，從中選取標識個人的標簽；其二是他人評價，主要是在各種交互過程中周圍人士對所輸出的內容的各種評論、解讀以及態度等，從外部視角做出更客觀的評價。最后是系統自動發現，及時捕捉個人的隱性知識，例如人與人的互動過程中不自覺顯示的某些技能等。[24]隱性知識地圖的構建主要通過分析與作者相關的數據之間的關聯關系，包括作者與作品關系、領域內作者之間關系以及領域內作品之間關系等。根據作者的專業能力、創作能力與溝通能力確定作品的創作方式、表達方式以及傳播協作等。

2.2 構建關聯體系，實現內容的發掘與過濾

大數據的價值由大數據的關聯性即大數據結構表達。[25]大數據伴生的信息超載和信息孤島現象與數字出版的冪律分布和長尾分布并存現象導致除少數頭部內容外，大多數內容無法得到足夠的展示機會為用戶所知曉，部分劣質內容也無法及時處理，信噪比降低。解決這個問題，就必須回歸大數據的價值根本，那就是通過關聯體系的構建，充分運用知識之間存在的多類型、多維度、多層次的關聯關系，實現知識的挖掘、發現、驗證、甄別以及過濾等。[26]

運用大數據技術構建知識關聯，實現優質內容的發現與劣質內容的過濾，可以從幾個方面展開：

首先，通過基于大數據的自動標引、社會標引以及知識元標引等構建顯性知識、知識內容以及學科知識等類型的已有知識關聯，在此基礎上，結合知識交互過程中的輸出，不斷將新產生知識納入既有知識體系的同時，完善知識（包括交互過程中的輸出知識，下同）的評價指標體系，進而建立隱性知識關聯與個性化的主題知識關聯，通過知識之間的相互印證和用戶評價兩個角度達到知識發現與過濾的目的。

其次，從知識與知識之間、知識與人之間以及人與人之間等三個維度完善關聯關系，知識與知識之間的關聯即上文顯性知識之間的關聯；知識與人之間的關聯意味著必須對人即讀者和作者進行標引，這種標引既包括統計學意義上的特征標引，也包括行為意義上的特征標引，在此基礎上，通過知識與作者之間的多樣化關聯，確定知識內容的真偽。知識內容真偽的辨識通過兩個途徑實現：其一是類似文獻分析中的共引和耦合分析，發現指定知識內容的關聯關系，從而做出正確判斷；其二是用戶評價，通過多數人的看法得出正確結論。

最后是綜合運用簡單關聯、時序關聯和因果關聯等規則，及時發現異常數據，清除垃圾賬號與垃圾信息，減少噪聲。通過簡單關聯規則中兩類變量（例如交互過程中輸出內容與原始內容）之間相關程度的測算，判斷輸出內容質量的優劣與輸出動機；通過行為發生的時間對行為（例如內容輸出的行為與時間）進行時序關聯計算，判斷輸出者的勤勉程度或者輸出內容的性質；通過關聯的時序、強度、特異性、可重復性、一致性、合理性以及相似性等標準，確定因果關聯成立的可能性，從而發現新知識、判斷現有知識的正確與否。[27]

2.3 整合企業內外資源，推動產品協同運營

大數據對數字出版流程優化的作用主要通過數據分析與挖掘實現決策支持，為產品生命周期不同階段的內外資源整合提供識別與選擇、汲取與配置、激活和有機融合，構建企業價值鏈，[28]促進開發過程中各個環節的有效銜接與資源利用率的最大化，及時發現并處理運營過程中的隱患，加快產品的更新迭代，實現產品的協同運營。

通過大數據技術整合資源，推動產品協同運營應從以下幾個方面展開：

首先，在選題策劃階段應從內容和主創作者兩個角度考慮。內容方面，通過大數據對現有海量文獻數據分析與挖掘，根據關注度、詞頻統計、共引度以及耦合度等多種指標，及時發現學科研究熱點方向、學科細分市場盲點（例如研究或者科普）、不同層次讀者關注的重點等確定選題方向（即所謂思想），然后，通過用戶畫像分析用戶的應用場景，據此確定不同應用場景的表達方式。主創作者方面，在通過現有海量文獻數據分析與挖掘的同時，建立作者數據庫，對作者的專業研究方向、學術關注度、媒體關注度、學術傳播度、用戶關注度、創作風格、粉絲群體以及動態行為等跟蹤分析，根據作品應用場景精準選定作者。基于版權引進的選題分析則在此基礎上增加版權作品輸出區的市場分析、作者與作品在輸入區的影響力與前景分析等。

其次，在內容生產階段主要考慮兩個方面：一是場景化的表達與迭代；二是內容關聯的及時建立與更新。前者根據用戶的應用場景細分化，并對不同場景的相關數據資源予以整合，實現內容的一次創作，多次發布。在此基礎上，確定與應用場景相匹配的表達方式和交付方式，例如沉浸式深度或者淺度閱讀、陪伴式閱讀（親子閱讀可歸入此類）、伴隨式閱讀（音頻讀物），可分別采用專業論述或者普及講述，音頻或者文字等。在創作過程中，不斷根據用戶反饋協助作者調整創作思路，完善交付設計，實現產品的更新迭代。后者則在內容發布更新的同時，不斷建立完善內容關聯，實現交付的增值與迭代，方式如上文所述。

最后，在產品傳播階段，通過大數據技術著重解決產品與應用場景的連接問題，提高產品交付效率。這個連接主要通過兩條途徑實現：一是通過大數據分析找到目標用戶及其使用場景，通過用戶畫像實現產品的智能化精準推薦；二是通過針對性的誘因設計，刺激用戶的主動傳播行為，實現產品的裂變傳播。其中，智能化推薦通過兩種方式實現，一種是整合用戶與應用場景連接渠道基礎上的主動推薦，例如智能音箱最適合伴隨式閱讀場景，因此，通過智能音箱的實物分發渠道向用戶推薦適合伴隨場景的有聲讀物；另一種是基于關聯（此處關聯指普遍意義上的關聯，不包括知識關聯）規則挖掘的關聯推薦，通過分析關聯的提升度、置信度以及支持度等指標找到強關聯規則，為用戶提供擴展性推薦。

2.4 優化供需鏈結構，控制經營風險的同時降低運營成本

供需鏈優化的主要作用在于及時識別經營風險，降低運營成本。大數據對供需鏈優化的兩個作用主要通過兩端即上游供應端和下游需求端的歷史數據分析研究，在發現與創造用戶需求的前提下判斷供應端的各種能力與風險，提高經營水平。

通過大數據技術優化供需鏈，實現經營效率的提升應從兩方面展開：

從供應端角度重點加強能力分析，包括供應端的生產能力、響應能力、管理能力與風險防范能力等。數字出版的供應端包括內容供應者、技術供應者以及載體供應者，其中，內容供應者是重點，各種UGC、PGC與OGC都可以歸入此類。首先通過大數據采集數字出版單位自身的業務數據、用戶體驗、交互數據等，分析并確定自身的定位、核心功能，進行動態修正與調整。在此基礎上，通過對PGC與OGC等內容供應者的分析考察，建立基于知識生產的分享與協作網絡，確定系統化的內容來源與供應節奏；建立UGC內容生產者的篩選與審核辦法，并對內容建立嚴格的審查辦法，確保輸出內容的合法性；建立對UGC內容生產者的發掘與培養辦法，逐步往PGC方向發展，提升其內容生產質量；結合人工審核與用戶反饋，建立優質內容的篩選、評價與深加工流程。

從需求端角度重點在于通過對各種半結構化和非結構化數據的分析，主要是基于知識元分析的內容、內容交互過程中的輸出內容（例如書評）以及各種自媒體內容等，發現空白或者尚未滿足市場的內容需求，通過與之有關的相關關聯與因果關聯分析，確定所需基本的表達思想，進一步通過用戶畫像所呈現的應用場景確定內容的表達方式。其次是用戶的基本特征數據、消費記錄數據、地理位置數據、線上互動數據、線下行為數據、web公共數據以及社交生成數據等[29]確定內容生產元素與用戶數據之間的關系。最后通過與供應端內容生產者的匹配，確定不同內容生產者的分工合作，滿足市場需求。

2.5 加強資源深度開發，實現知識服務的更新迭代

大數據對出版資源的深度開發在自有資源整合的基礎上完成知識的組織、關聯、挖掘與重構，完成知識服務基本架構的搭建，進一步拓展整合外部資源并及時更新，形成知識服務產品的更新迭代，幫助用戶不斷實現知識發現。

通過大數據整合資源，推動知識服務不斷升級，主要通過以下幾個方面展開：

首先是在根據上述目標用戶畫像，確定知識服務產品主題的前提下，組織所需的內容資源，對資源進行深加工，構建包括知識元標引、隱性知識標引、動態標引以及社會標引在內的知識標引體系，據此建立完整的知識關聯。

其次是不斷對知識服務產品運營過程中通過知識交互產生的輸出內容進行標引，與已有知識內容建立關聯；及時獲取社會新產生的知識內容與信息資訊，在知識標引的基礎上將其納入知識體系。在形成動態知識關聯的同時不斷擴展知識體系的邊界，實現知識服務的更新迭代。

最后是根據用戶的行為特征與知識之間的連接關系建立個性化的關聯關系，為用戶提供個性化的知識體系，實現個人意義上的知識發現。例如，用戶學習輸入假說，動機可能是研究第二外語教學理論，也可能在研究知識服務運營，還可能在研究寫作理論。因此，必須綜合考察用戶的瀏覽內容、創作內容（包含引文）、交互內容以及其他行為特征，據此為用戶提供或二語教學，或知識服務運營，或寫作理論研究的關聯內容，提供精準的內容推薦，有效促進用戶的知識吸收，推動知識輸出，實現知識的分享與協作。

結語

與傳統出版比較，數字出版融合圖書、期刊、報紙、廣播電視以及互聯網出版等多種形態，與知識服務的界限日趨模糊，不僅強調內容的系統性、關聯性、交互性，更強調表達的場景化、內容的個性化和推薦的精準化，提高思想到達的有效性。這些特征的產生一方面是大數據在數字出版領域發展的必然結果；另一方面，通過大數據技術得到了強化。

大數據通過對各種信息數據資源的整合、分析、關聯、挖掘與重構對用戶畫像、長尾經營、流程再造、供需鏈優化以及知識服務深化等方面產生了深刻影響，形成真正以用戶為中心的內容生產、交互與交付格局，從根本上顛覆了傳統出版的運營模式。在這種背景下，數字出版企業必須從用戶體驗優化、內容的發掘與過濾、產品的協同運營、供需鏈結構的優化以及知識服務的更新等方面入手，推動出版業的全面轉型發展。