大数据背景下的用户创造内容商品化研究

刘钰碧 徐晓峰 朱卫未

摘 要：随着大数据技术的发展，网络平台可以通过技术手段将非结构化、低价值的数据挖掘出价值。从这个意义上说，用户创造内容的内涵被延伸到用户在网络上的所有行动。因此，研究用户创造内容的商品化不仅要包括内容本身，其数据所产生的商业价值也需要分析。文章通过对用户创造内容商品化的研究可以管窥当前网络经济的发展，并对大数据技术的商业模式提供借鉴。

关键词：大数据；用户创造内容；商品化；社交网络

近年来，随着金融、教育、消费、医疗等现实世界的活动被逐步搬上网络，网络社会的形成激发着学术界对于技术、商业、文化的多重想象，其中，大数据作为数据分析和价值挖掘的工具受到广泛关注。用户创造内容（User Generated Content，UGC）是大数据的重要来源，其商品化是社交网络（Social Network Site ，SNS）和平台型市场变现的重要渠道。

数字内容的商品化经历了“受众商品”到“数字劳动”等方式的变化，进入大数据时代后，以精准投放、自我监视为特点的数字内容商品化更为隐蔽和高效。应用大数据手段对用户创造内容进行分析，能有效实现数字内容的分析，但如何将这些内容商品化需要辅以具体的手段和商业模式，并针对其社会经济的影响进一步分析。

1 相关研究

随着新的信息技术及应用模式的出现，全球数据量出现了爆发式增长[ 1 ]，同时这些数据的复杂性也因为数据的多样性、低价值密度、实时性等特点而日益显著[2]。海量的数据将当今网络映射成一个巨大的数字世界[ 3 ]，它持续记录着人类行为特征，并能通过大数据手段深刻理解其商务活动的行为规律。大数据的研究和应用对不断发生变化的内容生产、供给和消费带来了巨大的产业创新机遇，其商业模式主要体现在：内容价值创造，实时市场洞察以及企业生产智能。

大数据依托的Web 2.0网络环境将用户从传统的内容受众变为内容的共同创造者[4]，这种互动和交流所产生的数据和信息一方面可以作为商品出售给其他用户，另一方面也可以对消费者购买决策、企业与客户的关系产生深远影响[5]。同时，用户在互联网上的社交活动也反映了用户的社会认知，进而影响真实世界中的价值取向[6]。而消费者在对内容的操作也反映出其兴趣全景图，这些图谱可以被应用到营销和关系定位中[7]。对企业来说，大数据对内容的处理和分析结果可以影响到企业的决策[8-10]。最后，这些内容也深刻的影响着现代企业，使其从以产品为中心的运营与管理模式进化到以服务为中心的工业4.0模式[11-1 2]。因此，从大数据的商业化研究来说，不仅要关注数据维度的分析，也需要关注内容维度的商品化过程，并分析其在社会经济中产生的影响。

2 用户创造内容的特征和价值

狭义上，用户创造内容指用户在互联网上进行多种形式（书写、影像、声音及其综合）的创造活动[ 1 3 ]，无论这些内容是否原生，都需要通过用户自行加工创造进而增加价值。但在大数据环境下，用户对社交群体中的内容点赞甚至网络浏览的痕迹都可以进一步分析而产生价值，因此，广义上可以将所有的用户网络行为都看作用户创造的内容（或数据）。

在大数据环境下，用户创造内容的特征表现为其数据格式是多样化的。用户基本信息也可以看作是用户创造内容，这是一种结构化数据，用以记录用户的基本静态信息（如姓名、职业、性别、年龄等）。用户发布的内容通常是半结构或者无结构的数据，这些内容包含了用户原创或者转发的内容。用户的行为数据则作为非结构数据通过网络日志被记录下来。此外，通过大数据手段还可以产生用户关联数据，即用户在发布内容之间产生的用户间、内容间以及内容和用户间的关系，通常在应用中表现为结构化数据。

对用户创造内容进行商品化，就需要分析其价值。首先是内容的价值，表现为内容发布的频度、传播状况以及被阅读和评论的状况；其二是用户本身的价值，表现为用户的个体特征、所具有的群体分布和社会资本，以及用户本身的阅读兴趣和消费习惯等。

3 用户创造内容的商品化

3.1 内容的商品化

Web2.0下发展的网络服务依赖于用户的参与与创造，这些勞动过程所产生的结果是网络平台的主要商品。网络平台通过鼓励创造内容的方式将用户的劳动商品化，表现形式有2种：一种是完全的免费劳动，比如像百度知道，这里的内容都是由用户提供，并提供给其他用户；另一种方式是由用户创造并出售版权给网络平台，常见于在线旅游服务代理商（Online Travel Agency，OTA），用户提供游记给OTA，有助于OTA推广其旅游产品。

以上2种模式是以占有用户的劳动为基础的。一般的商业模式布局是通过将这些内容免费提供给其他用户，网络平台以嵌入产品推广或者广告的方式获得利益。在某些专业性比较强的网络平台上会收取会员费用给用户提供分级服务，甚至可以与提供内容的用户根据流量进行分成。随着移动互联网服务的发展，用户销售内容（User Sales Content，USC）的模式也被提出，促进消费者加入产品设计、销售、服务等环节。

USC模式通常会生产非物质商品，用户提供的是非物质劳动。非物质劳动指生产具有文化内容的商品活动，这样的劳动包含了文化、美学标准、流行、消费品位与意见等。非物质劳动可以分为3种类型：生产过程中智能化与信息化的活动，包括程序设计、标准制定等；创造性与符号性活动，如生产思想、规范、形象、品味等；人际交往所需的情感生产和控制。

3.2 用户本身的商品化

传统上，用户资料的商品化主要产生于现实世界，比如商户会将客户电话销售给互补产品的销售商。由于经营需要和政策规定等因素，以社交网络为代表的互联网应用服务提供商开始要求用户实名制注册，并且鼓励用户主动且积极地分享生活与个人喜好，这些高度个人化的用户资料，便成了吸引广告商为主体的营销群体最重要的信息来源。网络平台型企业通过免费服务等方式吸引了大量的注册用户，事实上，这些平台型企业的传统盈利模式为用户数量×转化率，因此，用户数量是网站价值及其企业收益的关键。高度个人化的用户资料正是这些平台型企业能够贩售的商品形式之一，其商品化过程是从资料收集开始，到分析解释再到包装，最后贩售给广告商。

用户数据商品化的模式具体如下：其一，用户资料会被分为“资料”“内容”“数据”这3类，其中“资料”指用户注册的静态事实及其他资料，包含用户订阅等信息；而“内容”指用户发布的相关信息，包含用户创造内容等；“数据”指的包含用户或者第三方通过任何平台传送给本地平台的用户内容或资料。其二，在用户资料的使用上，根据用户的基本资料和用户的线上行为活动可以使用大数据工具对用户进行“用户画像”，这些用户画像对用户的兴趣和行为习惯进行分类，最后提供给广告商选择，从而可以进行较为精准的广告投放。

3.3 社会资本的商品化

典型的社交网络互动过程中，追踪用户对人、事、物的互动行为，针对用户可能感兴趣的故事，将广告内容混合在一般内容中，甚至使用用户的朋友关系插入广告，这种方式称作为动态赞助。动态赞助这种广告投放方式在社交网络平台上很快大放异彩，典型的做法是软性的亲情绑架，比如在微信和微博中由用户发出需要收集多少个“赞”就可以获得什么奖品，或者发起某些评比，让大家投票，在此过程中，让朋友点击或者打开原文甚至关注以收集粉丝。

动态赞助的广告形式进行了双重的商品化过程。第一重商品化是将用户的资料分析利用，出售的是“用户资料”；第二重商品化是将用户的社会资本进行再利用，在使用软件工具对好友的信息进行追踪和互动的过程中暴露的朋友关系可以被网络平台出售给广告商获利。

3.4 对用户劳动的占有

文献[]提出数字劳工的概念，认为数字内容的生产是以集体性、扩散式的知识与情感劳动的方式进行，这些劳动包括网络书写、阅读、整理以及参与，并且这些劳动是在网络服务的电子契约约束下的无偿劳动。

用户的浏览行为实质上是用户提供了劳动[17]，并为广告投放提供了场所，因此，通过内容的编排延长用户浏览的时间以占用用户劳动是常见的商品化方式。社交网络平台Facebook提出了EdgeRank算法[15]，通过大数据工具对用户的行为和内容的关联度进行分析，最后重新排列内容顺序给用户。一来让用户看到可能吸引他们的动态消息，使其不断回到平台中进行浏览劳动，二来影响用户对世界的想象。

对用户劳动的占有还可以通过将内容管理权下放到用户来实现。通过鼓励用户自行管理内容也可以看做网络上的劳动行为。此外，还可以通过互动、对话的方式鼓励用户创造更多的内容。

生产工具也连带着影响内容的生产。移动终端和移动通信的发展，也增添了用户的劳动时间与机会[16]，将劳动时间延伸到私人的时间和空间中。

同时，非物质劳动的成果被作为评判个别用户的喜好、品味的依据，反过来引导用户进行消费活动；在非物质劳动过程中，用户不断与平台交流创造，为平台创造流量并被挪用为商品。

3.5 平台的优化增值

文献[17]说明了电视可以通过更改节目的编排来达到增值的过程，对于网络平台来说，通过软件工具也可以实现增值，典型应用有Facebook Exchange以及百度竞价排名等。

利用大数据工具对用户行为进一步分析也可以达到增值的效果。网络平台通过cookie与追踪器的使用，记录下用户在本站点、合作伙伴甚至第三方网站中的所有行为，用以分析用户对广告商品的感兴趣程度，以达到最佳效果，比如在社交网络中普遍存在的“猜你喜欢”功能与电商平台中的“其他人还买了”功能。

当前的社交软件都设有粉丝专页，给地方性商家、企业、名人、品牌、娱乐、理念倡议都可以设定。网络平台经营者有两种方式将粉丝专页商品化，其一是将粉丝的“赞”数按数量计价，这种服务需要接受粉丝专页服务的机构提供目标受众的关联性；其二是对“赞”的用户反向追踪，以锁定这些目标用户，并建立群或者公众号，达到宣传广告的目的。

一般的广告业主可以通过平台提供的可视化分析工具分析整体粉丝专页状况（赞数、贴文主题、粉丝浏览量）、贴文分析（所有贴文、粉丝上网时间、最佳贴文类型）以及用户分析（粉丝、触及用户、参与互动）。对于经营粉丝专页的机构来说，采用“免费”的分析工具来进行用戶洞察，不仅能知道用户的轮廓，甚至可以得到确切的用户名单，清楚的知道受众信息。在用户使用软件的过程中，通过大数据手段可以追踪出内容生产、分配、交换与消费的过程，这些信息可以用来对用户进行精准营销，并且生产符合消费者喜好的产品。

4 结语

用户创造内容从2005年出现以来，被当作网络平台吸引用户使用其服务的重要手段，早期的商业模式是将UGC作为商品交给用户。随着大数据技术的不断发展，通过挖掘分析用户的需求，围绕UGC又形成了新的商品，更友好和隐蔽的将服务推送给用户，组成网络平台重要的收入组成。当前的社会被消费和物质丰富的景象所包围，这是由实物、服务和商品的大量生产所造成的。大数据平台通过流量监控等手段并进一步挖掘用户的喜好，最后给予用户文化品位和习惯相似的内容，这种消费不仅仅是单纯的消费，而且形成了符号的价值与交换，用户的消费和生产同时进行且不断循环，并让用户满足于对商品建构的意义。但从另一个意义上来说，用户创造内容被商品化的方式不仅实现了社会生产，创造价值，同时也满足了用户，通过大数据手段进一步提供更贴合用户的商品，也有助于提高社会的幸福感。

[参考文献]

[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”时代的管理架构研究[J].管理观察，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