影视产业大数据收视评估体系的建构与应用

　　【摘要】互联网的发展使得用户信息接收终端发生变化，用户的收视行为也从传统的大屏转向跨屏。收视行为的变化使收视调查数据的来源多元化和复杂化，因此传统收视调查方式产生了许多问题，需要建立起跨屏的收视调查方法，对大屏进行海量样本测量，对中小屏通过服务器端和受众端植码等方式进行调查。研究通过机器学习对获取的数据进行分类聚合，描摹用户收视行为图谱，通过对用户人口统计特征和具体收视行为特征的分析，继而进行广告的精准推送与节目内容的调整。

　　【关键词】大数据,收视调查,跨屏同源样本

　　随着移动互联网的发展，传统的影视产业由大屏时代进入跨屏时代，以手机、各类Pad为终端的收视人群日益增多，收视时间、收视地点甚至具体的收视行为都发生了重大变化，这给传统的收视调查方法带来了挑战。传统收视调查采用样本抽样技术，聚焦于大屏的电视收视调查，忽视中、小屏的个人终端调查。在受众收视跨屏时代下，大屏的电视收视调查技术、方法和结论受到越来越多的质疑，重新建构起科学合理的收视评估体系成为影视产业发展的重要内容。

　　一、数据生产：跨屏时代受众收视行为的变化

　　从经济学角度来看，传统影视节目的制作具有明显的滞后性和封闭性，往往在一部影视作品播映完以后制作方才能获取相关市场反馈信息，此时，影视产业的生产链环节已完成，作品的生产质量只能凭借制作方的经验进行自我判断。这一过程中，经常会出现作品生产与受众市场需求之间相互脱离的现象，造成产业的市场失灵，继而无法有效配置有限的产业资源，使制作方、播出机构、广告商以及受众的权益无形中都受到损害。

　　作为现代工业的一部分，影视产业工业化的生产流程和细分化的产业链要求市场在产业发展过程中起到主要作用，这就要求必须建立弹性的制播模式与健全的受众反馈机制，能够及时根据受众的审美和需求制作、调整节目内容。以电视为代表的大屏时代中，制作方获取的用户收视行为数据存在着技术受限、数据失真、不能准确反映市场等问题，加之国内特有的媒介制播环境，造成影视作品精品匮乏、日渐庸俗、同质化严重等现象。

　　随着互联网的发展，受众收视终端逐渐多样化，越来越多的用户使用更加个人化的终端媒介来收看影视节目，由此产生大量的点播、回放、拖拉、保存等数据，这些海量的数据改变了影视节目的制作模式，在作品生产与受众市场需求之间搭建起一座双向沟通的桥梁。

　　一方面，影视制作方可根据收视数据来描摹用户收视行为图谱，及时制作生产受众需求的节目内容，制作方不再仅仅依赖经验判断，而更多地借助量化的数据分析进行影视产品制作和生产;另一方面，用户也可通过即时交互、及时反馈以及其他各类收视行为数据表达个人意见和内容偏好，向节目制作方传递需求信息，改变大屏时代下受众的被动角色，主动参与节目内容的修改和调整。数据化成为跨屏时代下影视产业发展的重要特征，数据已成为一种市场资源，引导整个市场的走向与发展，而数据的产生正是依赖于移动互联网时代背景下受众收视行为的变化。

　　根据2010—2016年CSM媒介研究的相关收视调查结果，总体上大屏的电视观众流失已成必然，流失的观众数量影响人均收视时长的平均值，导致人均电视收视时长呈现逐年递减的态势，这部分流失的观众从年龄结构上明显偏向年轻化，其流失的路径由大屏转向了中小屏。以电脑、手机和各类Pad为终端的中小屏用户收视行为与大屏用户收视行为有着截然不同的区别。

　　1.仪式感的消弭与私密性的加强

　　大屏时代下，用户收视行为具有某种仪式感，以家庭为单位的收视行为本身就是集体仪式的一部分，“坐”在电视机前则表达了这种仪式的规范与秩序。而以手机和Pad为终端的小屏收视行为大多采用“躺”的方式，无形当中破坏了原有的仪式感，但这种收视方式对于个体来说更加私密，符合现代人对个性与多元的追求。从大屏到小屏的收视转变意味着用户表达模式从公众情境转向私人情境，控制遥控器的家长制威权在小屏时代下开始坍塌。

　　2.受众极化和群体分裂

　　大屏时代下电视对用户是一种“广播”，忽视用户的异质性和个性化，而中小屏时代下用户化被动为主动，只会点播自己感兴趣的内容。整个受众收视市场逐渐分裂，形成相对封闭的小众化收视市场，在大数据和人工算法的技术垄断中，受众极化现象会更加明显。大数据、人工智能及算法推荐等技术话语本质上隐藏着受众民主化的内容，日常生活中的选举民主会导致政治极化，而收视市场上的民主同样会导致受众极化，形成分裂且封闭的收视族群，如明星粉丝的组织化。

　　3.用户成为内容的生产者

　　以UGC为代表的网络视频网站的崛起意味着用户不仅是收视受众，同时也是内容的生产者和传播者，网络新媒体隐含的“缺场”的传播特性使受众摆脱了大屏时代的时空维度，从视频内容生产到用户收视都脱离了传统宰制。同时，整体收视市场的碎片化使得影视内容生产者必须改变传统的传播思维，站在用户立场上生产内容，用户因此成为内容生产的重要影响因素。

　　在此背景下，用户收视行为发生了巨大变化，跨屏收视成为一种收视常态，从大屏的模拟电视、数字电视、IPTV、智能电视，到中屏的电脑PC端和小屏的手机、Pad以及各类APP软件。一方面，用户可以主动选择自己感兴趣的节目内容，颠覆单一的线性传播模式，通过点播、制作、下载、上传等方式参与到节目传播中;另一方面，也可采用拖拉、反复、暂停、跳跃、弹幕、评论、转发等方式通过服务器反馈给影视机构以及节目制作商，影响节目内容的生产制作。传统的收视调查技术必然受到用户收视行为变化的挑战，特别是传统收视调查往往以电视为统计单位，忽视了对个体收视行为的调查统计。

　　电视具有大众传播的特点，整体的节目风格和影视产品内容表现单一，缺乏个性化表达，而基于中小屏收视的个体行为不仅囊括电视收视内容，还包括诸如读书看报、电影、网游、网络视频等媒介消费内容。因此，无论是节目制作商还是广告主都希望深度挖掘节目收视受众的个体收视行为特征，从而提高节目内容的吸引力和广告投放的精准度，这在传统收视调查中很难做到。

　　二、数据聚合：跨屏收视调查的数据采集

　　收视调查技术历经多个发展阶段，从最初的电话调查方法到20世纪八九十年代的日记卡、调查人员测量仪方法以及互联网时代下的数字电视海量样本测量方法等。传统的电视收视调查技术随着经济和技术的发展已经越来越不能够适应行业发展的要求，业界对电视收视调查过程中存在的数据科学性、公信力都存在广泛质疑。

　　这主要表现在两个方面：一是调查方法的科学性，以日记卡方法为例，其最小记录单位为15分钟，有效收视时间是八分钟，少于八分钟的收视纪录则不会被日志记录下来，这必然会对样本产生影响;二是传统收视调查过于依赖人力资源要素，经常会出现为了控制成本故意减少样本户甚至收买样本户的现象，不同机构出于自身目的利用各种手段干扰样本户，迎合客户，制造虚假收视率，影响了收视调查的科学性和可信度。因此，新的技术条件和产业发展条件下，必然要求建立科学合理的收视调查体系。

　　1.大屏收视调查

　　以电视为代表的大屏收视行为包括模拟电视、有线数字电视、IPTV以及智能电视。随着有线电视线路的升级改造，模拟电视已被有线数字电视取代，IPTV和智能电视是近些年互联网发展的产物，它们都是以数字信号为主要传输介质。但有线数字电视是在原来有线电视线路升级改造之后发展起来的，主要通过广电网络进行信号传输，而IPTV和智能电视主要依靠互联网进行信号传输。

　　理论上，广电网络和互联网可以统一成一个网络，但在国内，这两个网络分别隶属于不同的管理部门，尚未互联互通，这也给电视收视调查造成一定困扰。对于一档影视节目的收视调查，其收视数据来源可能是多源的，至少包括通过数字机顶盒进行信号传输的有线数字电视收视数据、通过互联网+数字机顶盒进行信号传输的IPTV收视数据以及通过互联网+系统软件的智能电视收视数据三大部分，这还没有包括中屏的电脑PC端和网络视频网站点播，以及小屏的手机端和Pad端点播。

　　因此，针对不同的用户收视行为应当采用不同的收视调查方法，最后再将所有收视数据进行聚合整理和分析汇总。对于有线数字电视的收视调查而言，数字电视海量样本测量方法是有效方法，其主要通过数字机顶盒收集数据，进行数据分类聚合，是一种基于互联网技术的全样本大数据收视调查方法。目前的有线数字电视必须通过数字机顶盒获取信号。

　　数字机顶盒主要有两类：一类是只能获取信号的单向机顶盒，随着广播电视网络的升级改造，这类数字机顶盒已经逐渐退出市场;另一类则是既能接收信号也能传输信号，实现交互点播、回放的双向机顶盒，目前用户使用的大多是双向机顶盒。近年来，数字机顶盒运营商和第三方收视调查机构都充分认识到大数据在收视调查过程中的重要作用，在数字机顶盒中内置有相关收视调查仪器和软件，实现收视数据的实时收集与回传，在数据的精度和信度上比传统收视调查方法有较大提升。

　　首先，实现对数字电视收视人群的全样本调查，用户的开机、关机、转频道等相关行为数据会被自动记录。其次，实现全封闭、自动化的数据采集、筛选和处理，减少人为干扰和数据污染，且能够有效地实现成本控制。最后，还可以采集用户点播与回放等非线性收视数据，通过对这一部分数据的掌握，运营商可以精确推送增值业务，进一步拓展未来电视媒体的发展方向。

　　IPTV不同于有线数字电视，它利用网络机顶盒向内网服务器发送请求命令，服务器收到命令后才向用户发送信号。用户的收视行为会被网络机顶盒和内网服务器同时记录，利用直播探针技术，现有的IPTV收视调查已经实现了全样本的全网调查，直播探针可以捕获到以下几个关键性的字段：UserID(用户账号)、StartTime(用户开始观看时间)、EndTime(用户观看结束时间)、ChannalCode(频道编号)、ChannalName(频道名称)，[1]从而全景式地掌握用户的收视行为。对用户智能电视的收视调查基于应用软件，因此，通过在智能电视操作系统中安装自动内容识别系统(ACR)，就可以掌握用户的收视行为，比如百视通、酷云互动等。

　　2.中小屏收视调查

　　近年来，网络视频产业的迅猛发展，使得在线视频媒体成为影视产业发展的一大亮点。部分热门网络剧和综艺节目则直接瞄准中小屏市场，对用户中小屏收视行为的调查成为建构影视产业收视评估体系的重要组成部分。由于用户中小屏收视行为基于网络服务器的技术，因此，可通过对受众端和服务器端植码的方式获取准确的用户行为数据。

　　对受众端植码主要应用于第三方收视调查机构的小样本调查中，对服务器端植码主要是在中屏的播放软件和小屏的应用APP中植入监测代码，用户一旦触发请求命令，用户相关的点播、拖拉、回放等数据信息就会被实时监测，实现全样本数据采集。由于中小屏收视行为基本上都是个人化行为，基于IP地址的服务器端监测已经能够描绘出个人收视行为特征。

　　多源跨屏的用户收视行为数据给影视产业收视评估体系的建构带来了新的挑战，无论是广播电视部门、网络服务器管理部门、数字和网络机顶盒运营商、智能电视软件系统运营商，还是第三方收视调查机构，都无法全面掌握用户收视行为数据。在大数据时代下，数据就是生产力，由于用户收视行为数据被分散在不同部门，且收集数据的系统大多是事务型处理系统，无法探求和发现用户真实的收视需求，因此，必须统一资源，建立起统一且科学合理的收视指标体系。

　　三、数据应用：用户收视行为的图谱描摹

　　基于大数据的影视收视调查方法运用越来越普遍，但现有的调查方法也存在一些问题。数字电视海量样本测量方法只能记录机顶盒状态而不能记录电视机状态，如果用户只是关闭电视机没有关闭机顶盒，被记录的数据仍被视为有效数据。此外，通过机顶盒记录的数据只能反映以家庭为单位的收视行为，无法反映个体收视行为。

　　家庭结构各不相同，机顶盒运营商只能获得家庭收视概貌，无法获得有效的个体收视行为特征，而这部分数据对电视节目制作单位和广告商来说才是最重要的。此外，针对IPTV、智能电视、各类中小屏媒体的收视调查中，面临的最大问题是用户身份数据的缺失，这一问题导致缺乏合适的数据源支撑精准的受众分析。[2]以上这些方法的不足大多是技术局限造成的，随着技术的发展，这些问题也在不断得到解决。

　　尼尔森、央视-索福瑞、艾瑞咨询都在利用大数据不断开发新的调查技术，以便能够精准临摹用户收视行为，通过技术上的深挖发掘用户真实需求。尽管全样本的数据分析研究可实现对用户收视行为的精准把握，由于用户跨屏收视行为使用的是不同的网络、设备和服务，因此产生的收视数据会被分散在广电部门、网络机顶盒运营商、网络服务器运营商、应用APP软件商、智能电视数据服务公司以及第三方收视调查机构等不同部门中，尚没有一个机构或部门能够掌握用户收视行为的所有数据。

　　对于影视节目来说，通过电视台观看的收视数据可能被广播电视部门(数字机顶盒运营商)、智能电视数据服务公司和第三方收视调查机构所掌握，节目线上播映的收视数据可能被网络机顶盒运营商、网络服务器运营商和应用APP软件商掌握，数据对于这些机构和公司来说都是核心竞争力，都不可能主动公布，因此无法实现对用户所有收视行为数据的整合，各机构各行其道，造成收视评估数据的紊乱。以有效收视时间为例，CSM人员测量仪记录方法认为有效收视时间为31秒，日记卡法则认为应当在八分钟以上，大数据调查公司国双科技则认为有效收视时间应当是在一分钟以上，[3]还有其他IPTV收视调查公司认为有效收视时间为五秒以上，各收视调查机构标准不一。

　　此外，电视台在原有电视收视调查的基础上新增了通过数字机顶盒获取线上节目的收视指标，第三方收视调查机构则在坚持传统收视调查方法的基础上建立了网络新媒体的收视评估体系，其他商业机构则追求各自领域的收视指标，不追求综合指标。出于不同的目的和调查能力，不同机构都在建立自己的收视调查系统。

　　总体上用户跨屏收视评估体系仍缺乏系统性与全面性，评估指标也各不相同。因此，许多第三方收视调查机构开始结合样本抽样与大数据技术进行同源样本研究，采集固定样本组的电视、电脑、手机和Pad端的收视行为数据，对用户的大中小屏收视数据进行同时采集，形成同源数据，分析用户的收视时间、偏好与编排结构，描摹个体收视行为图谱，并以此进行节目内容和广告的精准推送。同源数据的采集可以利用电视的机顶盒、电脑和手机的植码等方式获取，也可以通过训练数据构建决策树，在海量的收视数据库中进行匹配，从而获取一致性样本信息。[4]

　　如分析在同一时间段通过同一终端收看同一节目的不同样本的人口统计特征，从而发现这一类影视节目目标人群的年龄、偏好等，还可通过用户的ID登录账号或者是机顶盒等设备ID号识别用户的性别、经济收入、教育水平等特征。随着科技水平的发展，未来甚至可通过各种接入设备进行人脸识别、指纹识别和声音识别等，深度描摹出详细的用户个体特征。

　　通过收视数据对用户的图谱描摹主要集中在两个方面：第一个方面是对用户的人口结构特征的深度挖掘，如地区、年龄、教育程度、收入水平、收视时间等，这类数据可通过IP登录时间、地址、用户注册资料等相关信息获取，大多是结构化数据，对这类数据的统计分析也较容易，数据结果可广泛应用于广告精准推送和信息服务等方面。

　　第二个方面则是对用户收视行为的分析，如用户的关注点、兴趣、内容偏好以及审美趣味等，这类数据主要通过收集用户收视行为中拖拉、跳跃、重复、下载等行为动作进行数据分析，由于此类数据基本上都是非结构化数据，其统计分析方法也比较困难，可以结合质性研究方法，通过视频弹幕、评论、打分、转发、点赞等行为动作进行分析，数据结果可以为节目制作方提供参考，使其及时调整节目内容和节目编排，迎合受众需求。

　　结语

　　跨屏时代下收视调查仍然存在着诸如标准不一、数据分散、整合不足等问题。目前来看，比较有效的方法应当是尽快建立起客观中立、合作共享的第三方收视调查机构，能够结合大数据技术与小数据方法，融合受众端和服务器端数据，优化传统收视调查方法。

　　传统抽样调查利用小样本，聚焦于受众端分析，具有人口统计特征的优势，样本代表性强;大数据调查采用全样本，聚焦于服务器端数据行为分析，但数据的分散性使得其对用户人口统计特征的分析仍有待加强。当然，最理想的状态应当是政府和企业开放所有数据，建立全样本的海量跨屏收视数据库，制订统一的测量技术和指标体系，构建标准化的影视产业大数据收视评估体系。

　　相关论文范文阅读：网络文学影视改编的文化产业影响研究

　　摘要：网络文学的影视化“旧中有新”，被认为是文学影视改编的第3次高潮，体现了网络文学产业与影视文化产业融合的合理性和可操作性。网络文学影视改编是文化产业链形式多样化的体现，彰显了文化产业发展的特色，是符合文化产业发展趋势的一种融合典范。本文围绕“网络文学影视改编的文化产业影响”展开讨论，希望能够对促进网络文学与影视企业联动贡献绵薄之力。

转载请注明来自发表学术论文网：http://www.fbxslw.com/wslw/21020.html