Інтеграція аналітики даних у традиційні медіа: можливості та стратегічні переваги
DOI:
https://doi.org/10.31866/2616-7948.2(14).2024.330022Ключові слова:
традиційні медіа, аналітика даних, цифровізація, стратегіяАнотація
Відповідно до того, як традиційні засоби масової інформації змінюються й адаптуються в епоху цифровізації, технологія аналізу даних стала критично важливим інструментом для підвищення конкурентоспроможності та забезпечення актуальності в умовах, що швидко змінюються. Багато новинних організацій дедалі частіше використовують стратегії аналізу даних, щоб покращити створення персоналізованого новинного контенту та реклами, а також для кращої адаптації контенту до цільової аудиторії, що дає змогу поширювати контент, який резонує з цією аудиторією. З цією метою ЗМІ здійснюють глибокий аналіз поведінки користувачів, їхніх уподобань і моделей залучення, результатом чого є чітке розуміння своєї аудиторії та, відповідно, прийняття більш обґрунтованих рішень. Однак шлях до повної інтеграції аналітики даних у традиційні медіа не позбавлений перешкод. Медіаорганізації часто зіштовхуються з такими труднощами, як недостатня технічна інфраструктура, обмежена кількість кваліфікованих фахівців з обробки даних та потреба в спеціалізованому навчанні наявного персоналу для ефективної оброблення даних у майбутньому. Окрім того, використання персональних даних викликає занепокоєння з погляду конфіденційності й дотримання етичних стандартів, що сприяє збереженню балансу між використанням даних для аналізу та збереженню довіри користувачів. Також проблеми, пов’язані з якістю даних, зокрема їхньою невідповідністю, обмеженістю ресурсів і керуванням великими обсягами даних, створюють додаткові перешкоди, які можуть вплинути на точність та ефективність результатів аналітики.
Мета цієї статті полягає у виокремленні стратегічних переваг інтеграції аналітики даних у традиційні робочі процеси медіа та окресленні ключових сфер, розвиток яких має вирішальне значення. Проаналізовано переваги аналітики даних у підвищенні релевантності контенту та гнучкості організації процесів у ЗМІ, а також надано рекомендації щодо подолання наявних перешкод. Запропоновано шляхи для традиційних медіа до зміцнення їхньої технологічної інфраструктури, інвестування в розвиток майстерності фахівців, а також упровадження надійних протоколів конфіденційності для побудови сталої культури управління даними. Вирішення окреслених проблем і використання потенціалу аналітики даних, на нашу думку, дасть змогу традиційним медіа забезпечити стале зростання ринку, допоможе легше адаптуватися до змін у галузі та залишатися конкурентоспроможними в сучасному нестабільному й технологічно орієнтованому медіасередовищі.
Посилання
Bangah, C. J., & Ballhaus, W. (n.d.). Digital ad spending moves closer to the consumer. PwC. Retrieved January 12, 2024, from https://www.pwc.com/gx/en/industries/tmt/media/outlook/changes-in-digital-advertising-spend.html [in English].
Calo, R. (2013). Consumer subject review boards: A thought experiment. Stanford Law Review Online, 66, 101–102. https://www.stanfordlawreview.org/online/privacy-and-big-data-consumer-subject-review-boards/ [in English].
Carlson, M. (2015). The robotic reporter: Automated journalism and the redefinition of labor, compositional forms, and journalistic authority. Digital Journalism, 3(3), 416–431. https://doi.org/10.1080/21670811.2014.976412 [in English].
Chen, Q. (2023). Fǎlǜ shì yù xià réngōng zhìnéng de fēngxiǎn shěn sī jí guī zhèng lùjìng [Risk reflection and correction path of artificial intelligence from the perspective of law]. Law, 11(6), 6460–6464. https://doi.org/10.12677/OJLS.2023.116927 [in Chinese].
Chen, W. (2024). AI shídài wǎngluò shùjù zhuā qǔ jìshù de jīyù yǔ tiǎozhàn tànsuǒ [Exploring the opportunities and challenges of web data extraction technology in the AI era]. Journal of Computer Science and Technology, 4(1), 14–17 [in Chinese].
Cherubini, F., & Nielsen, R. K. (2016). Editorial analytics: How news media are developing and using audience data and metrics. University of Oxford. https://doi.org/10.60625/risj-t8b4-5s83 [in English].
Fink, K., & Anderson, C. W. (2015). Data journalism in the United States: Beyond the ‘usual suspects’. Journalism Studies, 16(4), 467–481. https://doi.org/10.1080/1461670X.2014.939852 [in English].
Habibi, M. A., Nasimi, M., Han, B., & Schotten, H. D. (2019). A comprehensive survey of RAN architectures toward 5G mobile communication system. In IEEE Access (Vol. 7, pp. 70371–70421). IEEE. https://doi.org/10.1109/ACCESS.2019.2919657 [in English].
Henke, N., Bughin, J., Chui, M., Manyika, J., Saleh, T., Wiseman, B., & Sethupathy, G. (2016, December 7). The age of analytics: competiting in a data-driven world. McKinsey. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-age-of-analytics-competing-in-a-data-driven-world [in English].
Heravi, B. R., & Lorenz, M. (2020). Data journalism practices globally: Skills, education, opportunities, and values. Journalism and Media, 1(1), 26–40. https://doi.org/10.3390/journalmedia1010003 [in English].
Li, L., Chu, W., Langford, J., & Schapire, R. E. (2010). A contextual-bandit approach to personalized news article recommendation. arXiv. https://arxiv.org/abs/1003.0146v1 [in English].
Napoli, P. M. (2011). Audience evolution: New technologies and the transformation of media audiences. Columbia University Press [in English].
Nechushtai, E. (2018). Could digital platforms capture the media through infrastructure? Journalism, 19(8), 1043–1061. https://doi.org/10.1177/1464884917725163 [in English].
Newman, N., Fletcher, R., Schulz, A., Andi, S., Robertson, C. T., & Nielsen, R. K. (2021). Reuters Institute Digital News Report 2021 (10th ed.). Reuters Institute for the Study of Journalism. https://reutersinstitute.politics.ox.ac.uk/sites/default/files/2021-06/Digital_News_Report_2021_FINAL.pdf [in English].
Paynter, N., Mishra, M., Kreit, B., Mahto, M., & Cantrell, S. (2024, June 11). Navigating the tech talent shortage. Deloitte Insights. https://www2.deloitte.com/us/en/insights/topics/talent/overcoming-the-tech-talent-shortage-amid-transformation.html [in English].
Schlesinger, P., & Doyle, G. (2015). From organizational crisis to multi-platform salvation? Сreative destruction and the recomposition of news media. Journalism, 16(3), 305–323. https://doi.org/10.1177/1464884914530223 [in English].
Thurman, N., & Schifferes, S. (2012). The future of personalization at news websites: Lessons from a longitudinal study. Journalism Studies, 13(5–6), 775–790. https://doi.org/10.1080/1461670X.2012.664341 [in English].
Wu, C., Wu, F., Huang, Y., & Xie, X. (2021, July 8). Personalized news recommendation: A survey. arXiv. https://arxiv.org/abs/2106.08934v2 [in English].
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
The authors retain copyrights to the work and at the same time grant the journal the right to first publish it under the terms of the Creative Commons Attribution License, which allows other persons to freely distribute the published work with a mandatory reference to its authors and its first publication.
The journal allows the author(s) to hold the copyright without restrictions and to retain publishing rights without restrictions.
The author of the published article has the right to distribute information about it and to post references to work in the electronic repository of the institution.