中国传媒大学经管学部案例中心主任孙道军上周作客【关键一课】第四期，本文由大咖说整理自现场演说，内容已经嘉宾审核、校对。
整理/helen
孙道军在[关键一课]现场
乌镇第三届世界互联网大会上，李彦宏说移动互联网已经结束，下一个时代是人工智能。然而大量传统媒体仍在苦苦思考如何向移动互联网转型，真的还有机会吗？
一、媒体进化以分发为主题
互联网已经发展了近20年，传统媒体也一直在转型，中央电视台有CNTV，人民日报有人民网，瑞丽杂志有瑞丽网，但有多少人用这些网站？很多媒体认为内容为王，但是迄今为止，没有一家纯内容机构成为独角兽。从早期的新浪、搜狐、网易，到百度、微信以及时下的今日头条，反而是不生产内容、拥有技术的企业创造了传媒的奇迹，为什么？
原因有两点：
�内容跟人的生活、学习和劳动密切相关才是有价值的，否则就只是信息，当下99%的内容只是信息，与用户的关联度低；
内容的创造者往往都很个性，很难聚合，不能聚合何以统天下？
以今日头条、一点资讯为例，共同的关键词是：分发、推荐、搜索、引擎、精准资讯等。同时两者聚合的是做分发、推荐的技术人，跟内容创造者相比聚合难度低。
媒体是信息传播交流的介质，分解开有三个关键词：信息、通道、平台。所以对于媒体，“内容为王”说起来激动人心，实质可能就是一个伪命题。
从报纸、电台、电视到互联网以及智能时代，都是围绕分发进化，内容本身的进化是很难的。所以媒体的演进，是以分发为主题，而非内容。
二、四步达到商业信息的有效传递
对于商家而言，要获得信息的有效传递，首先要组织跟生活高度相关的信息，然后对这些信息进行准确有效的评价，通过评价，商家能够圈定目标用户和识别有效信息，然后把有效信息分发和推荐到目标用户，这就达到了商业信息的有效传递。
简言之，是如下四步：
1.组织信息
2.驱动信息
3.获得有效信息
4.建立有效传递
组织信息是关键所在，该怎样有效地组织信息？
来看Deepleaper。它是从我拥有什么信息开始的，内容来自于传统媒体，把内容抓过来放在一个池子里，基于流量价值标签化，达成一个驱动，接下来就是基于商业价值的量化交易。
请注意，这里的交易在未来会建立在人与内容的连接上，是数据与数据的对接与流动。
就像来到合空间，我需要一杯咖啡，“哪儿卖什么样的咖啡”这是信息；到了下一个时代，当我走在路上的时候，很多数据已经被收集，然后你知道我需要一杯美式，这就是未来要呈现的情景，进化的核心在于建立对消费者全方位的了解。
三、“人工智能”帮助媒体跨越变现鸿沟
媒体如何跨越流量变现的鸿沟？答案是人工智能。依托人工智能，我们要建立起三种机制：自学习机制、返回机制、DCRM。
现在我们进入到一个基于直觉的消费决策时代。因为所说所想和所做已经分裂了，今年美国大选就是最有力的证明，对于传统调研公司来说，这是最大的冲击，因为他们还在用历史数据贴标签的方式去预测用户喜好。
在基于直觉的消费时代，预判用户要通过实际的、全面的消费过程来判断，有的公司开始依托一种多维度神经网络模型，这个模型正是基于人的消费行为构建的解决方案，未来需要借助人工智能。
新模型中，解决的关键问题仍是内容的生产和分发。
内容在人消费内容的过程中被持续优化，就像有一个池子，把媒体都往里扔，扔完了之后，通过贴标签做不同的处理，分发给自媒体，然后对自媒体的受众做追踪。其中自学习机制伴随始终。
例如用A、B两种方案做分发。
提前对自媒体进行挑选，然后把A方案分发出去，用户反馈的是高端产品相关的内容，把B方案分发出去，用户反馈的是奢侈生活相关的内容。我们需要根据追踪和反馈，使相应内容得到持续优化。这背后是返回机制的嵌入。
通过人工智能，自学习机制和返回机制被嵌入到内容的生产和分发中，就此从内容出发，将能预判消费者的直觉行为。
要真正变现，仅靠自学习机制、返回机制是不够的，DCRM（数据化客户关系管理系统)将解决消费终端的转化问题。
有家挖掘机公司在垂直媒体发布了广告，消费者点击后，进入一个聚合产品所有内容的着陆页端，呈现的不仅仅是功能参数，还有有趣的故事，一旦你收藏或注册就给商家提供了一个销售线索，该线索被反馈给DCRM（数据化的客户关系管理系统），验证有效性后，就分发给相应的代理商，反复确认并跟进销售。
最终，这则广告点击率一般，但ROI（投资回报率）表现亮眼，1000个有效的销售线索被收集，销售挖掘机近三十台，销售额达数千万，粉丝增加一万多。通过非常小的媒体投放，实现了一个完整、有效的销售转化。
所以，未来我们会进入到一个自媒体分发时代：一个媒体把内容组合好，分发给不同的自媒体，然后去追踪自媒体所面向的不同人群。转化路径就是基于大数据和对目标用户的全面了解，所构建出来的一套拥有自学习能力的内容分发系统。
关键一课第五期“女性专场”报名通道开通，著名设计师、大编剧、神秘人与你相约，加咖秘：dakashuo888，注明“女性专场报名”获得入场资格吧，详情见下：
