电视广告定价模型探讨

金璨

【摘要】我国电视广告在蓬勃发展的同时，也面临着许多难以解决的问题。本文以电视广告定价为研究对象，构建电视广告定价模型，对于电视广告价格科学合理的制定，具有指导意义。

【关键词】电视广告；定价模型；相关分析；主成分分析；逐步回归分析

在我国现有的电视赢利模式下，广告的价格战成为电视媒体竞争的主要手段，但也带来了严重的负面影响，扰乱了电视广告市场的价格秩序。必须认清电视广告价格的影响因素，同时用实证方法探索电视广告定价的合理方式，以此促进电视广告业的健康发展。

一、电视广告定价的基本理论

在电视台广告经营遇到困难的今天，如何制定科学合理的价格显得尤为关键。价格太高，会抑制企业的广告需求，使广告量达不到饱和；价格太低，又不能充分体现广告时段的价值。要想制定科学、有效的价格，首先应该明白电视广告定价的依据——收视率是制定广告价格的基础，市场需求是广告价格涨跌的动因以及媒体品牌形象带来广告价格的附加值。本文将以上三点进行拆分，做出如下关于电视广告价格影响因素的研究假设：满意度为X1，入户率为X2，期待度为X3，覆盖率为X4，全天收视率为X5等五项归结为关键影响因素。

二、实证分析

为证明以上假设，选择逐步分析法。而对多元回归方程的显著性检验是通过复相关系数R和剩余标准差S来进行的。复相关系数越接近于1，回归效果越好。对于线性回归模型预测精度的估算，使用剩余标准差S来衡量。剩余标准差S越小，其预测精度越高。本文以SPSS软件为平台，选择逐步回归法，并设置运行参数为：

（1）平均价格Y设为因变量；

（2）自变量拟用满意度为X1，入户率为X2，期待度为X3，覆盖率为X4，全天收视率为X5等五项指标来衡量。

（一）自变量X与因变量Y

数据来源于刘国珍的文章《电视广告定价模型研究》，具体内容包括CCTV-1、CCTV-2、CCTV-3、CCTV-4、CCTV-5、CCTV-6、CCTV-7、CCTV-8、CCTV-10、CCTV-11、CCTV-12、CCTV-音、CCTV-新闻、CCTV-少儿、北京卫视、中国教育一套等21组有代表意义且比较完整的数据。自变量则是基于关于满意度为X1（%），入户率为X2（%），期待度为X3（%），覆盖率为X4（%），全天收视率X5（%）等数据的给出。因变量Y（元）为广告的平均价格。经整理，各个自变量及因变量取值如下（限于篇幅，仅摘录部分数据）：

根据得到的描述统计量输出结果，本研究中满意度，样本均值为82.98%；入户率均值为61.82%；期待度均值为17.44%；覆盖率均值为67.35%，28.5%对应的是全天收视率。平均价格最小值为3476，最大值为62312，均值为23257.9。

（二）相关分析

相关分析是研究变量之间不确定关系的统计方法。以下对研究模型的自变量、因变量以及控制变量进行了Pearson简单相关分析。Thomas和WIlliams（1991）认为相关系数若小于0.65，表示各变量具有独立性，没有共线性的问题。由输出结果可知，对平均价格Y而言，相关系数最高者为期待度，其相关系数为0.699>0.65；次高为收视率，其相关系数0.678>0.65，其余指标也均大于0.65。那么我们可以得出结论所有指标与平均价格在0.01水平显著相关。

另外，根据偏相关系数绝对值的大小可以看出这几项因素对平均价格的影响强弱顺序依次为： 期待度（X3）> 全天收视率（X5）> 覆盖率（X4）>入户率（X2）>满意度（X1）。

几项指标之间也形成预期的高度相关关系，这说明广告价格预测项目在实际实施的过程中，控制主体间已经形成密切联系的沟通协作机制，这在一定程度上加速了控制平均价格准确性的进一步提高。

（三）主成分分析

主成分分析是将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。在SPSS中以“平均价格”为因变量，分类变量（满意度为X1，入户率为X2，期待度为X3，覆盖率为X4，全天收视率为X5）为因素，进行主成分分析。根据成分矩阵可知，各个指标在第一主成分上有较高载荷（满意度为0.789，入户率为0.88，期待度0.872，覆盖率0.749，全天收视率0.751），说明第一主成分基本反映了这些指标的信息。所以可用1个新变量代替原来的5个变量。但此新变量的表达还不能从输出窗口中直接得到，因为“成分矩阵”是指初始因子载荷矩阵，每一个载荷量表示主成分与对应变量的相关系数。

为此我们需将成分矩阵的这列数据命名为B1，利用公式A1=B1/SQRT（3.283） 即可得到特征向量，最终的回归拟合公式为：平均价格=0.435*满意度+0.486*入户率+0.481*期待度+0.413*覆盖率+0.414*全天收视率。

（四）逐步回归分析

总体绩效的影响因素很多，相互之间还存在一定的相关关系，利用层次回归方法可以分析每一个构成因素对因变量的解释力。

设置运行参数为：

（1）剔选变量的准则为系统默认值，即：F值所对应的P值；

（2）选入变量的显著性水平为0.05，即当P≤0. 05时，就将该变量选入回归方程；

（3）剔除变量的显著性水平为0.10，即当P≥0. 10时，就该变量不能入选回归方程。

变量进入方程的顺序是：第一步，全天收视率X5；第二步，满意度X1。

根据层次回归的结果，总结归纳如下：

模型1（X5）：进入控制变量——全天收视率X5。一共解释了内部控制信息披露水平46%的总变差（），在0.01水平上模型1回归效果接近显著（F = 16.205，P=0.001=0.01）。复相关系数R反映了模型自变量与因变量Y之间线性回归关系的密切程度。可以看出：随着模型中自变量个数的增加，系数的值也在不断增加，估计的标准误差值在不断降低。

模型2（X5，X1）：进一步进入满意度X1，一共解释了内部控制信息披露水平57.2%的总变差（），模型2在0.01水平上回归效果显著（F =12.03，p=0.000<0.01）。解释变量中， X5，X1（sig均小于0.05）均具有显著差异。

综上所述，5项自变量指标当中，只有2项指标对总体绩效有显著影响，它们分别是：全天收视率（X5）、满意度（X1），并且全天收视率（X5）>满意度（X1）。最终的回归拟合公式为：电视广告价格=44029.59x收视率+2831.434x满意度-224244.349。

（五）模型验证

为了验证模型的准确性，以09 年央视七套某栏目的相关数据为例来模拟09 年的广告价格（数据来源为刘国珍的《电视广告定价模型》），根据定价模型公式计算得出数据为267.3（百元），实际数据为257.5百元，误差率为3.8%。

三、相关结论

在模型估计过程中，虚拟变量X5，即收视率对被解释变量Y的影响较为显著。一方面，收视率作为广告主客观评价指标的核心要素，在节目综合评价中占有重要地位；另一方面，收视率直接明了，而且具有较强的可操作性，是广告主定价的主要参考标准和依据，因此对电视频道的广告收入有着越来越重要的影响。现在，广告收入仍然是电视台的重要收入来源，收视率是广告主和广告代理商投放电视广告的主要依据，因此，提升电视频道的收视率对广告价格的影响最直接，也最为显著。

满意度对电视广告收入的影响远小于收视率，这主要是因为满意度并不能反映该节目的受众到底有多少，如果观众定位较窄，比如科学类节目，但是该节目的满意度较高，这样，在电视广告定价时，一方面限定了有效观众，另一方面也限制了有效的消费者。

电视广告价格最终是由其价值决定的，同时它也受到收视率、满意度、覆盖度、期待度等因素的影响，其中，收视率和满意度这两项指标对电视广告价格的影响较为显著，而收视率和满意度的获得在很大程度上受到电视节目质量的影响，因此，电视频道应长期致力于电视节目制作质量的提高，当然，电视节目的质量同样包括制作的内容、节目的思想性等，凭此达到电视节目质量和电视广告价格的良性互动。

【参考文献】

[1]喻国明.传媒影响力[M].广州：南方日报出版社，2003：15～20.

[2]隆莱博（Ron Lembo），葛忠明译.思考电视[M].北京：中华书局，2005：268～281.

[3]王兰柱.2003中国电视收视年鉴[M].北京广播学院出版社，2003：12～17.

[4]张卓.从电视节目形态变化看内地传媒角色的变迁[J].现代传播，2002（1）.

[5]何海明.论媒介的广告价格和价格策略[J].广告大观，2004（6）.