FB和谷歌联袂统治网络新闻 有意思的是内容划江而治

简介:

在西方世界,谷歌(微博)和Facebook是数字发行领域当之无愧的统治者,过去几年它们几乎吃掉了网络广告增长带来的所有红利。数据分析公司Parsely的报告显示,Facebook和谷歌两大巨头吃掉了75%的网络流量。不过有趣的是,两家公司在网络新闻上却划江而治,有点井水不犯河水的意味。

Parsely的数据显示,在生活方式类的新闻中,Facebook处于无敌的状态,它吞掉了87%的流量,而谷歌的占比仅为6.7%,其他网站则更可怜,只有6.2%。

不过,在科技、商业和体育新闻上,谷歌却拿到了统治地位。

下图是Parsely的统计数据,谷歌和Facebook的统治在不同的新闻领域呈此消彼涨的状态。Parsely这份研究报告足够有说服力,这是它们对超过100万条网络新闻进行研究的结果。

值得注意的是,谷歌在招聘公告领域走在前面,它们鲸吞了84%的流量,怪不得最近搜索巨头宣布进军在线招聘市场呢。

其实Facebook在数字媒体市场发力只是近几年的事儿,但社交巨头已经能为发行商带来巨大的流量了。不过,Parsely公司市场研究团队的克莱尔-卡尔警告称,不要过于高估Facebook的影响力。

“我们最近的数据分析显示,如果你仅凭Facebook的新闻推送来判断用户喜欢看什么样的新闻,只会得到一幅扭曲的图景。”克莱尔-卡尔在博客中写道。“在Facebook上,用户大多只关心娱乐、生活方式、本地活动和政治等新闻类型。商业、经济和体育也对读者吸引力十足,但Facebook的用户对这些新闻几乎没兴趣。”

本文转自d1net(转载)

相关文章
|
3月前
|
机器学习/深度学习 安全 网络安全
谷歌推出新一代恶意文件检测工具Magika:网络安全的重大进步
【2月更文挑战第9天】谷歌推出新一代恶意文件检测工具Magika:网络安全的重大进步
47 4
谷歌推出新一代恶意文件检测工具Magika:网络安全的重大进步
|
12月前
|
机器学习/深度学习 编解码 数据可视化
Backbone | 谷歌提出LambdaNetworks:无需注意力让网络更快更强(文末获取论文源码)(二)
Backbone | 谷歌提出LambdaNetworks:无需注意力让网络更快更强(文末获取论文源码)(二)
64 0
|
12月前
|
机器学习/深度学习 计算机视觉 索引
Backbone | 谷歌提出LambdaNetworks:无需注意力让网络更快更强(文末获取论文源码)(一)
Backbone | 谷歌提出LambdaNetworks:无需注意力让网络更快更强(文末获取论文源码)(一)
79 1
|
12月前
|
机器学习/深度学习 算法 数据可视化
ECCV 2022 | 谷歌提出Data-free NAS,网络搜索仅需一个预训练模型
ECCV 2022 | 谷歌提出Data-free NAS,网络搜索仅需一个预训练模型
149 0
|
机器学习/深度学习
让图网络更稳健!谷歌提出SR-GNN,无惧数据标记偏差和领域转移
让图网络更稳健!谷歌提出SR-GNN,无惧数据标记偏差和领域转移
108 0
|
机器学习/深度学习 传感器 编解码
谷歌发布神经网络MetNet模型预测天气
谷歌发布神经网络MetNet模型预测天气
谷歌发布神经网络MetNet模型预测天气
|
Windows
Translation插件 谷歌翻译出现TKK失败,网络超时
Translation插件 谷歌翻译出现TKK失败网络超时
483 0
Translation插件 谷歌翻译出现TKK失败,网络超时
|
机器学习/深度学习 算法
谷歌、阿里、腾讯等在大规模图神经网络上必用的GNN加速算法(三)
谷歌、阿里、腾讯等在大规模图神经网络上必用的GNN加速算法(三)
241 0
谷歌、阿里、腾讯等在大规模图神经网络上必用的GNN加速算法(三)
|
机器学习/深度学习 算法
谷歌、阿里、腾讯等在大规模图神经网络上必用的GNN加速算法(二)
谷歌、阿里、腾讯等在大规模图神经网络上必用的GNN加速算法(二)
210 0
谷歌、阿里、腾讯等在大规模图神经网络上必用的GNN加速算法(二)
|
机器学习/深度学习 存储 缓存
谷歌、阿里、腾讯等在大规模图神经网络上必用的GNN加速算法(一)
谷歌、阿里、腾讯等在大规模图神经网络上必用的GNN加速算法(一)
416 0
谷歌、阿里、腾讯等在大规模图神经网络上必用的GNN加速算法(一)