博客
关于我
移动直播明争暗战五年:人性、梦想与资本的碰撞
阅读量:506 次
发布时间:2019-03-07

本文共 1051 字,大约阅读时间需要 3 分钟。

移动直播明争暗战五年:人性、梦想与资本的碰撞

2016年,移动直播如同一场狂欢就此拉开帷幕。这场狂欢水云际 وع皆贤。

2016年初,快手上线直播功能,犹如一颗滴落在移动直播大海中的石子,引发了一系列连锁反应。短短一两年内,216家直播平台相继上线,足以将整个行业推向白炽区。资本的狂欢也随之而至,2015年第四季度至2016年第三季度,直播行业的投资金额增长将近400%,远超互联网行业的25%。

在这场无序的狂欢中,每个直播平台都在试图找到属于自己的生存之道。创始人周鸿祎带领花椒直播借助明星效应抢占头 mực,王思聪的熊猫TV也通过聚拢网络红人寻求突围。资本的热情似乎无边无际,BAT、360、网易等互联网巨头纷纷涉足直播领域,在现有产品中嵌入直播功能,或是直接投资第三方平台。

但这场狂欢的背后,却隐藏着直播平台的被动性。在资本的疯狂 投资中,直播行业陷入了骤然的需求拉动与市场供给过剩的困境。2017年,其它开始显现出困境。融资难、平台倒闭,行业内外的质疑声逐渐增多。监管也随之加大力度,国家对直播内容加以整治,平台不得不在内容审核和资质认证上不断耗费精力。

在经历了监管严宵后的洗礼,直播行业逐渐展现出新的特质。大杀تر军的时代逐渐过去,行业开始向着更加规范的方向发展。监管部门的重 policy打击了大量无章法之事,但也加速了行业的优胜劣汰。

在这场历经沧桑的竞争中,各直播平台都在寻求突围的新路。快手选择了“下沉”发展的独特道路。2013年起,快手从 GIF 工具转型为短视频社区,最终发展出以走红短视频和直播两栖式发展的商业模式。在这个过程中快手吸纳了YY直播平台上的多部分主播资源,通过用户粘性和粉丝忠实度强的特点,染红了一大批小众网红,为下沉市场奠定了基础。

而其他直播平台如虎牙、斗鱼等则选择了另一种发展道路:出海或上市。虎牙和斗鱼先后接受了腾讯的重资买bases,腾讯已经成为直播行业的重度投资方,近百北京消费社交网络平台都在借助直播的热度寻求突围。

在这场“攻城拔城”中,剩下的只有资本力量和平台实力决定了胜负。最终,乃iensite选择使命,各直播平台的命运就像一场 Decide by Resources的战争。

更具戏剧性的是,快手的登场并未被其他争夺,反而在这场竞争中以独特的战略定位不断突围。其下沉战略不仅让它在特定市场中获得了长期的存活空间,也为其后来的短视频赋权注入了直播的活力。

正如用户所言,快手必将在赴港上市之日来向世界展示这段复杂而充满挑战的发展历程。

转载地址:http://isxjz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
VS2003 Front Page Server Extension
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>