影視產業大數據收視評估體系的建構與應用

　　【摘要】互聯網的發展使得用戶信息接收終端發生變化，用戶的收視行為也從傳統的大屏轉向跨屏。收視行為的變化使收視調查數據的來源多元化和復雜化，因此傳統收視調查方式產生了許多問題，需要建立起跨屏的收視調查方法，對大屏進行海量樣本測量，對中小屏通過服務器端和受眾端植碼等方式進行調查。研究通過機器學習對獲取的數據進行分類聚合，描摹用戶收視行為圖譜，通過對用戶人口統計特征和具體收視行為特征的分析，繼而進行廣告的精準推送與節目內容的調整。

　　【關鍵詞】大數據,收視調查,跨屏同源樣本

　　隨著移動互聯網的發展，傳統的影視產業由大屏時代進入跨屏時代，以手機、各類Pad為終端的收視人群日益增多，收視時間、收視地點甚至具體的收視行為都發生了重大變化，這給傳統的收視調查方法帶來了挑戰。傳統收視調查采用樣本抽樣技術，聚焦于大屏的電視收視調查，忽視中、小屏的個人終端調查。在受眾收視跨屏時代下，大屏的電視收視調查技術、方法和結論受到越來越多的質疑，重新建構起科學合理的收視評估體系成為影視產業發展的重要內容。

　　一、數據生產：跨屏時代受眾收視行為的變化

　　從經濟學角度來看，傳統影視節目的制作具有明顯的滯后性和封閉性，往往在一部影視作品播映完以后制作方才能獲取相關市場反饋信息，此時，影視產業的生產鏈環節已完成，作品的生產質量只能憑借制作方的經驗進行自我判斷。這一過程中，經常會出現作品生產與受眾市場需求之間相互脫離的現象，造成產業的市場失靈，繼而無法有效配置有限的產業資源，使制作方、播出機構、廣告商以及受眾的權益無形中都受到損害。

　　作為現代工業的一部分，影視產業工業化的生產流程和細分化的產業鏈要求市場在產業發展過程中起到主要作用，這就要求必須建立彈性的制播模式與健全的受眾反饋機制，能夠及時根據受眾的審美和需求制作、調整節目內容。以電視為代表的大屏時代中，制作方獲取的用戶收視行為數據存在著技術受限、數據失真、不能準確反映市場等問題，加之國內特有的媒介制播環境，造成影視作品精品匱乏、日漸庸俗、同質化嚴重等現象。

　　隨著互聯網的發展，受眾收視終端逐漸多樣化，越來越多的用戶使用更加個人化的終端媒介來收看影視節目，由此產生大量的點播、回放、拖拉、保存等數據，這些海量的數據改變了影視節目的制作模式，在作品生產與受眾市場需求之間搭建起一座雙向溝通的橋梁。

　　一方面，影視制作方可根據收視數據來描摹用戶收視行為圖譜，及時制作生產受眾需求的節目內容，制作方不再僅僅依賴經驗判斷，而更多地借助量化的數據分析進行影視產品制作和生產;另一方面，用戶也可通過即時交互、及時反饋以及其他各類收視行為數據表達個人意見和內容偏好，向節目制作方傳遞需求信息，改變大屏時代下受眾的被動角色，主動參與節目內容的修改和調整。數據化成為跨屏時代下影視產業發展的重要特征，數據已成為一種市場資源，引導整個市場的走向與發展，而數據的產生正是依賴于移動互聯網時代背景下受眾收視行為的變化。

　　根據2010—2016年CSM媒介研究的相關收視調查結果，總體上大屏的電視觀眾流失已成必然，流失的觀眾數量影響人均收視時長的平均值，導致人均電視收視時長呈現逐年遞減的態勢，這部分流失的觀眾從年齡結構上明顯偏向年輕化，其流失的路徑由大屏轉向了中小屏。以電腦、手機和各類Pad為終端的中小屏用戶收視行為與大屏用戶收視行為有著截然不同的區別。

　　1.儀式感的消弭與私密性的加強

　　大屏時代下，用戶收視行為具有某種儀式感，以家庭為單位的收視行為本身就是集體儀式的一部分，“坐”在電視機前則表達了這種儀式的規范與秩序。而以手機和Pad為終端的小屏收視行為大多采用“躺”的方式，無形當中破壞了原有的儀式感，但這種收視方式對于個體來說更加私密，符合現代人對個性與多元的追求。從大屏到小屏的收視轉變意味著用戶表達模式從公眾情境轉向私人情境，控制遙控器的家長制威權在小屏時代下開始坍塌。

　　2.受眾極化和群體分裂

　　大屏時代下電視對用戶是一種“廣播”，忽視用戶的異質性和個性化，而中小屏時代下用戶化被動為主動，只會點播自己感興趣的內容。整個受眾收視市場逐漸分裂，形成相對封閉的小眾化收視市場，在大數據和人工算法的技術壟斷中，受眾極化現象會更加明顯。大數據、人工智能及算法推薦等技術話語本質上隱藏著受眾民主化的內容，日常生活中的選舉民主會導致政治極化，而收視市場上的民主同樣會導致受眾極化，形成分裂且封閉的收視族群，如明星粉絲的組織化。

　　3.用戶成為內容的生產者

　　以UGC為代表的網絡視頻網站的崛起意味著用戶不僅是收視受眾，同時也是內容的生產者和傳播者，網絡新媒體隱含的“缺場”的傳播特性使受眾擺脫了大屏時代的時空維度，從視頻內容生產到用戶收視都脫離了傳統宰制。同時，整體收視市場的碎片化使得影視內容生產者必須改變傳統的傳播思維，站在用戶立場上生產內容，用戶因此成為內容生產的重要影響因素。

　　在此背景下，用戶收視行為發生了巨大變化，跨屏收視成為一種收視常態，從大屏的模擬電視、數字電視、IPTV、智能電視，到中屏的電腦PC端和小屏的手機、Pad以及各類APP軟件。一方面，用戶可以主動選擇自己感興趣的節目內容，顛覆單一的線性傳播模式，通過點播、制作、下載、上傳等方式參與到節目傳播中;另一方面，也可采用拖拉、反復、暫停、跳躍、彈幕、評論、轉發等方式通過服務器反饋給影視機構以及節目制作商，影響節目內容的生產制作。傳統的收視調查技術必然受到用戶收視行為變化的挑戰，特別是傳統收視調查往往以電視為統計單位，忽視了對個體收視行為的調查統計。

　　電視具有大眾傳播的特點，整體的節目風格和影視產品內容表現單一，缺乏個性化表達，而基于中小屏收視的個體行為不僅囊括電視收視內容，還包括諸如讀書看報、電影、網游、網絡視頻等媒介消費內容。因此，無論是節目制作商還是廣告主都希望深度挖掘節目收視受眾的個體收視行為特征，從而提高節目內容的吸引力和廣告投放的精準度，這在傳統收視調查中很難做到。

　　二、數據聚合：跨屏收視調查的數據采集

　　收視調查技術歷經多個發展階段，從最初的電話調查方法到20世紀八九十年代的日記卡、調查人員測量儀方法以及互聯網時代下的數字電視海量樣本測量方法等。傳統的電視收視調查技術隨著經濟和技術的發展已經越來越不能夠適應行業發展的要求，業界對電視收視調查過程中存在的數據科學性、公信力都存在廣泛質疑。

　　這主要表現在兩個方面：一是調查方法的科學性，以日記卡方法為例，其最小記錄單位為15分鐘，有效收視時間是八分鐘，少于八分鐘的收視紀錄則不會被日志記錄下來，這必然會對樣本產生影響;二是傳統收視調查過于依賴人力資源要素，經常會出現為了控制成本故意減少樣本戶甚至收買樣本戶的現象，不同機構出于自身目的利用各種手段干擾樣本戶，迎合客戶，制造虛假收視率，影響了收視調查的科學性和可信度。因此，新的技術條件和產業發展條件下，必然要求建立科學合理的收視調查體系。

　　1.大屏收視調查

　　以電視為代表的大屏收視行為包括模擬電視、有線數字電視、IPTV以及智能電視。隨著有線電視線路的升級改造，模擬電視已被有線數字電視取代，IPTV和智能電視是近些年互聯網發展的產物，它們都是以數字信號為主要傳輸介質。但有線數字電視是在原來有線電視線路升級改造之后發展起來的，主要通過廣電網絡進行信號傳輸，而IPTV和智能電視主要依靠互聯網進行信號傳輸。

　　理論上，廣電網絡和互聯網可以統一成一個網絡，但在國內，這兩個網絡分別隸屬于不同的管理部門，尚未互聯互通，這也給電視收視調查造成一定困擾。對于一檔影視節目的收視調查，其收視數據來源可能是多源的，至少包括通過數字機頂盒進行信號傳輸的有線數字電視收視數據、通過互聯網+數字機頂盒進行信號傳輸的IPTV收視數據以及通過互聯網+系統軟件的智能電視收視數據三大部分，這還沒有包括中屏的電腦PC端和網絡視頻網站點播，以及小屏的手機端和Pad端點播。

　　因此，針對不同的用戶收視行為應當采用不同的收視調查方法，最后再將所有收視數據進行聚合整理和分析匯總。對于有線數字電視的收視調查而言，數字電視海量樣本測量方法是有效方法，其主要通過數字機頂盒收集數據，進行數據分類聚合，是一種基于互聯網技術的全樣本大數據收視調查方法。目前的有線數字電視必須通過數字機頂盒獲取信號。

　　數字機頂盒主要有兩類：一類是只能獲取信號的單向機頂盒，隨著廣播電視網絡的升級改造，這類數字機頂盒已經逐漸退出市場;另一類則是既能接收信號也能傳輸信號，實現交互點播、回放的雙向機頂盒，目前用戶使用的大多是雙向機頂盒。近年來，數字機頂盒運營商和第三方收視調查機構都充分認識到大數據在收視調查過程中的重要作用，在數字機頂盒中內置有相關收視調查儀器和軟件，實現收視數據的實時收集與回傳，在數據的精度和信度上比傳統收視調查方法有較大提升。

　　首先，實現對數字電視收視人群的全樣本調查，用戶的開機、關機、轉頻道等相關行為數據會被自動記錄。其次，實現全封閉、自動化的數據采集、篩選和處理，減少人為干擾和數據污染，且能夠有效地實現成本控制。最后，還可以采集用戶點播與回放等非線性收視數據，通過對這一部分數據的掌握，運營商可以精確推送增值業務，進一步拓展未來電視媒體的發展方向。

　　IPTV不同于有線數字電視，它利用網絡機頂盒向內網服務器發送請求命令，服務器收到命令后才向用戶發送信號。用戶的收視行為會被網絡機頂盒和內網服務器同時記錄，利用直播探針技術，現有的IPTV收視調查已經實現了全樣本的全網調查，直播探針可以捕獲到以下幾個關鍵性的字段：UserID(用戶賬號)、StartTime(用戶開始觀看時間)、EndTime(用戶觀看結束時間)、ChannalCode(頻道編號)、ChannalName(頻道名稱)，[1]從而全景式地掌握用戶的收視行為。對用戶智能電視的收視調查基于應用軟件，因此，通過在智能電視操作系統中安裝自動內容識別系統(ACR)，就可以掌握用戶的收視行為，比如百視通、酷云互動等。

　　2.中小屏收視調查

　　近年來，網絡視頻產業的迅猛發展，使得在線視頻媒體成為影視產業發展的一大亮點。部分熱門網絡劇和綜藝節目則直接瞄準中小屏市場，對用戶中小屏收視行為的調查成為建構影視產業收視評估體系的重要組成部分。由于用戶中小屏收視行為基于網絡服務器的技術，因此，可通過對受眾端和服務器端植碼的方式獲取準確的用戶行為數據。

　　對受眾端植碼主要應用于第三方收視調查機構的小樣本調查中，對服務器端植碼主要是在中屏的播放軟件和小屏的應用APP中植入監測代碼，用戶一旦觸發請求命令，用戶相關的點播、拖拉、回放等數據信息就會被實時監測，實現全樣本數據采集。由于中小屏收視行為基本上都是個人化行為，基于IP地址的服務器端監測已經能夠描繪出個人收視行為特征。

　　多源跨屏的用戶收視行為數據給影視產業收視評估體系的建構帶來了新的挑戰，無論是廣播電視部門、網絡服務器管理部門、數字和網絡機頂盒運營商、智能電視軟件系統運營商，還是第三方收視調查機構，都無法全面掌握用戶收視行為數據。在大數據時代下，數據就是生產力，由于用戶收視行為數據被分散在不同部門，且收集數據的系統大多是事務型處理系統，無法探求和發現用戶真實的收視需求，因此，必須統一資源，建立起統一且科學合理的收視指標體系。

　　三、數據應用：用戶收視行為的圖譜描摹

　　基于大數據的影視收視調查方法運用越來越普遍，但現有的調查方法也存在一些問題。數字電視海量樣本測量方法只能記錄機頂盒狀態而不能記錄電視機狀態，如果用戶只是關閉電視機沒有關閉機頂盒，被記錄的數據仍被視為有效數據。此外，通過機頂盒記錄的數據只能反映以家庭為單位的收視行為，無法反映個體收視行為。

　　家庭結構各不相同，機頂盒運營商只能獲得家庭收視概貌，無法獲得有效的個體收視行為特征，而這部分數據對電視節目制作單位和廣告商來說才是最重要的。此外，針對IPTV、智能電視、各類中小屏媒體的收視調查中，面臨的最大問題是用戶身份數據的缺失，這一問題導致缺乏合適的數據源支撐精準的受眾分析。[2]以上這些方法的不足大多是技術局限造成的，隨著技術的發展，這些問題也在不斷得到解決。

　　尼爾森、央視-索福瑞、艾瑞咨詢都在利用大數據不斷開發新的調查技術，以便能夠精準臨摹用戶收視行為，通過技術上的深挖發掘用戶真實需求。盡管全樣本的數據分析研究可實現對用戶收視行為的精準把握，由于用戶跨屏收視行為使用的是不同的網絡、設備和服務，因此產生的收視數據會被分散在廣電部門、網絡機頂盒運營商、網絡服務器運營商、應用APP軟件商、智能電視數據服務公司以及第三方收視調查機構等不同部門中，尚沒有一個機構或部門能夠掌握用戶收視行為的所有數據。

　　對于影視節目來說，通過電視臺觀看的收視數據可能被廣播電視部門(數字機頂盒運營商)、智能電視數據服務公司和第三方收視調查機構所掌握，節目線上播映的收視數據可能被網絡機頂盒運營商、網絡服務器運營商和應用APP軟件商掌握，數據對于這些機構和公司來說都是核心競爭力，都不可能主動公布，因此無法實現對用戶所有收視行為數據的整合，各機構各行其道，造成收視評估數據的紊亂。以有效收視時間為例，CSM人員測量儀記錄方法認為有效收視時間為31秒，日記卡法則認為應當在八分鐘以上，大數據調查公司國雙科技則認為有效收視時間應當是在一分鐘以上，[3]還有其他IPTV收視調查公司認為有效收視時間為五秒以上，各收視調查機構標準不一。

　　此外，電視臺在原有電視收視調查的基礎上新增了通過數字機頂盒獲取線上節目的收視指標，第三方收視調查機構則在堅持傳統收視調查方法的基礎上建立了網絡新媒體的收視評估體系，其他商業機構則追求各自領域的收視指標，不追求綜合指標。出于不同的目的和調查能力，不同機構都在建立自己的收視調查系統。

　　總體上用戶跨屏收視評估體系仍缺乏系統性與全面性，評估指標也各不相同。因此，許多第三方收視調查機構開始結合樣本抽樣與大數據技術進行同源樣本研究，采集固定樣本組的電視、電腦、手機和Pad端的收視行為數據，對用戶的大中小屏收視數據進行同時采集，形成同源數據，分析用戶的收視時間、偏好與編排結構，描摹個體收視行為圖譜，并以此進行節目內容和廣告的精準推送。同源數據的采集可以利用電視的機頂盒、電腦和手機的植碼等方式獲取，也可以通過訓練數據構建決策樹，在海量的收視數據庫中進行匹配，從而獲取一致性樣本信息。[4]

　　如分析在同一時間段通過同一終端收看同一節目的不同樣本的人口統計特征，從而發現這一類影視節目目標人群的年齡、偏好等，還可通過用戶的ID登錄賬號或者是機頂盒等設備ID號識別用戶的性別、經濟收入、教育水平等特征。隨著科技水平的發展，未來甚至可通過各種接入設備進行人臉識別、指紋識別和聲音識別等，深度描摹出詳細的用戶個體特征。

　　通過收視數據對用戶的圖譜描摹主要集中在兩個方面：第一個方面是對用戶的人口結構特征的深度挖掘，如地區、年齡、教育程度、收入水平、收視時間等，這類數據可通過IP登錄時間、地址、用戶注冊資料等相關信息獲取，大多是結構化數據，對這類數據的統計分析也較容易，數據結果可廣泛應用于廣告精準推送和信息服務等方面。

　　第二個方面則是對用戶收視行為的分析，如用戶的關注點、興趣、內容偏好以及審美趣味等，這類數據主要通過收集用戶收視行為中拖拉、跳躍、重復、下載等行為動作進行數據分析，由于此類數據基本上都是非結構化數據，其統計分析方法也比較困難，可以結合質性研究方法，通過視頻彈幕、評論、打分、轉發、點贊等行為動作進行分析，數據結果可以為節目制作方提供參考，使其及時調整節目內容和節目編排，迎合受眾需求。

　　結語

　　跨屏時代下收視調查仍然存在著諸如標準不一、數據分散、整合不足等問題。目前來看，比較有效的方法應當是盡快建立起客觀中立、合作共享的第三方收視調查機構，能夠結合大數據技術與小數據方法，融合受眾端和服務器端數據，優化傳統收視調查方法。

　　傳統抽樣調查利用小樣本，聚焦于受眾端分析，具有人口統計特征的優勢，樣本代表性強;大數據調查采用全樣本，聚焦于服務器端數據行為分析，但數據的分散性使得其對用戶人口統計特征的分析仍有待加強。當然，最理想的狀態應當是政府和企業開放所有數據，建立全樣本的海量跨屏收視數據庫，制訂統一的測量技術和指標體系，構建標準化的影視產業大數據收視評估體系。

　　相關論文范文閱讀：網絡文學影視改編的文化產業影響研究

　　摘要：網絡文學的影視化“舊中有新”，被認為是文學影視改編的第3次高潮，體現了網絡文學產業與影視文化產業融合的合理性和可操作性。網絡文學影視改編是文化產業鏈形式多樣化的體現，彰顯了文化產業發展的特色，是符合文化產業發展趨勢的一種融合典范。本文圍繞“網絡文學影視改編的文化產業影響”展開討論，希望能夠對促進網絡文學與影視企業聯動貢獻綿薄之力。

轉載請注明來自發表學術論文網：http://www.cnzjbx.cn/wslw/21020.html