广电如何玩转大数据？——兼谈社交网络分析工具对广电大数据应用的启示

□ 张守信

广电如何玩转大数据？
——兼谈社交网络分析工具对广电大数据应用的启示

□ 张守信

当前，“大数据”成为了社会各行各业关注和实践的焦点。对于传统广电来说，大数据意味着什么？它会带来那些转变？对于大数据的运用，广电的误区在哪？现实的抓手在哪？本文将尝试着讨论这些问题。

由量到质的变化：大数据为广电带来新思维

（一）增量提速：真实客观还原收视效果。其实对于传统广电机构来讲，大数据带来的首要变化就是测量目标“数量级”的变化，具体操作层面的变化就是从 “样本推及”到考察“整体可以测量到的目标群体”。目前，在业内通用的“收视率”考察指标，无论是测量仪样本还是海量样本，基本都是采用随机抽样的方法，在一个城市以三五百、多则几千的抽样样本来代表该城市几十万、甚至上百万电视观众的收视表现，效果偏差不可避免。一个很生动的例子：广东某家电视台的购物频道年盈利超过千万，但在第三方收视监测的数据中却经常出现“零收视”的现象。可见，基于抽样方法的传统收视率监测还存在很大的漏洞和弊端。而在大数据带来的理念中，可测量到的所有的收视个体及其每一个收视行为，包括信息使用行为、跨屏行为、分享行为、评论行为等等，都有可能被纳入到考察范围。从这个层面讲，大数据所体现的考察与检测方法更能够科学、客观的还原出真实的收视效果，机械冰冷的样本收视率统计开始向更加人性化、更具人情味的测量方法上转变，而且这种方法对于观众收视情绪等方面的反馈更具即时性特征。

另外，由北京大学视听传播研究中心和《南方电视学刊》举办的“中国电视满意度博雅榜”就摒弃了“收视率”的指标。该项目对于电视台与电视节目的考评，先由北京大学视听传播研究中心利用网络搜索引擎加语义分析技术，将过去一年网民和微博用户对上千个电视频道和电视栏目的海量评论进行分类和量化分析，初选出提名节目，再由行业专家按照相应指标进行打分，最后根据“网络评论数、市场份额、满意度、专家分数”等计算出综合分数，融入互联网网民考察指标后，许多在收视率榜单上表现平平的电视台、电视节目最后都获得了不错的成绩。

（二）维度拓展：考察指标趋于细化。传统收视率考察方式单一，最后的数据决定一切，甚至许多电视台会根据收视率结果实行电视节目“末位淘汰”制度。在这种制度中，参考的标准就是有限的样本户对电视节目需求所呈现出来的数据，绝大部分电视观众真实的需求被忽视，这也是与数字信息时代的发展规律相悖的。如今大众的需求越来越细化，观众或者说是网络用户的“兴趣圈层”完全是围绕着一个很小的类目进行汇集，传统的电视节目分类方式根本无法展示观众的真实需求。比如以“电视综艺”这个类别来说，它只是一个大的标签，在这个标签下所统筹的用户兴趣圈层可能呈现出“喜欢谢娜主持的综艺”“喜欢李湘主持的综艺”等等，更进一步的可能呈现出“谢娜在湖南卫视主持的综艺”“谢娜在央视主持的综艺”等等。总之，这种需求和兴趣不是一两个关键词就能概括的，它需要贴上“复合式标签”。这种“复合式的标签”从何而来，这就需要广电对自身观众进行更加细化和多维度的考察，包括年龄、收入、性别、地域等基本信息。同时也可能包括收视时段、视频使用习惯、经常点播的视频类别、分享过的视频、发表过评论的内容等等各类信息，在综合指标的考量下，去深度挖掘观众到底对什么感兴趣，哪些节目做给哪些观众去收看。湖南卫视有一档娱乐资讯节目《娱乐无极限》，开播十多年，收视率一直很低，但至今未停播的原因在于，这档节目就是湖南卫视做给十三四岁、喜欢追星、关注明星动态的学生群体看的，是一档非常小众型的节目。满足这样一批小群体的需求、甚至通过该档节目带动该频道其他节目的收视效果才是这档节目存在的意义，收视率不能成为考评它的最终标准。

（三）主动权的转移：“创作主导”转向“需求主导”。从节目制作与传播流程来看，电视观众一直被视为“受者”，是电视信息传播过程中完全被动的一方。节目创作者的思路也是“我做你看”或者是“观众可能喜欢看”，而且在电视收视率测量中，电视人常关注的除了收视率结果外，还会关注一档节目的观众在何时流出？流出至哪个频道、哪个节目？竞争对手是谁？在下期制作中如何修正并拉回流失观众？这些完全是“创作主导”的节目制作思维。大数据时代，电视人应该有的转变是通过对多屏收视用户和各个社交平台信息的分析，去挖掘观众因为哪个话题点开始关注节目？哪个情节点导致观众讨论的热度达到峰值？还有哪些方面是观众评论里提到的关键词？等等。一句话，就是去发现观众喜欢什么、需求什么，将电视节目生产的“创作主导”思维转向“需求主导”思维。

社交网络分析工具为广电大数据应用提供实践参考

DCCI发布的 《2013年热点综艺栏目网络收视数据报告》中显示，单从综艺节目这个类别来看，电视端不再是用户获取、观看综艺节目的唯一渠道，多端用户节目的观看行为更能反映出节目的真实收视率。如图1可以看出，各类综艺节目在互联网与电视上的重合用户基本达到了近50%的比例；且许多网络用户还习惯于边看节目，边进行评论、分享、转发、聊天等操作。所以，考察跨屏用户、社交用户等的网络行为对电视节目制作具有重要的指导意义。那么，社交网络和电视节目是什么关系？社交网络分析工具又能给广电大数据应用带来哪些启示？

图1 2013年我国综艺节目跨屏收视行为 （每个类别比例依次为电视和互联网都看过、互联网上看、电视上看）

（一）社交平台已经成为电视节目标配。我国微博用户数截至2013年6月，新浪微博的注册用户达到5.36亿；2013年年初，我国微信注册用户数也突破了3亿；人人网更是聚合了大量实名制年轻用户群，等等一系列现象都显示出社交媒体的影响力在不断扩大。

传统电视虽然属于共享型媒体，但这种共享是一种小范围的、集中于家庭内部或朋友圈子内的收视活动。相对来讲，这种收视行为是与社会相对隔离的，收视个体并不了解其他正在观看同档节目收视群体的情绪反应和收视体验。社交媒体打破了这种相对封闭的“收视场景”，基于社交媒体，电视台、节目组、主持人、参与嘉宾等等形成了社会化媒体矩阵，为用户提供了节目收视的全方位信息，并且让收视群体间的交流更具实时化的特征。从当前节目现状看，打通新浪微博、人人网、微信、百度贴吧等主流社交平台已经成为电视节目制作与生产的标准配置，观众通过这些社交平台与电视机构和其他用户之间进行的互动，真实地反映了电视观众的收视情绪和收视需求。

（二）社交网络分析工具提供的维度与启示。重合用户的存在、收视进程中社交媒体的同步使用等都使得社交网络用户行为的分析对于电视节目生产制作的有着重要参考意义。现有的社交网络分析工具有很多，以下以“知微”为例，对《中国好声音》新浪官方微博2013年7月31日发布的一条微博进行统计分析，来看这类社交网络分析工具所展示的考量维度给我们电视节目的监测与制作带来的启示。

图2 “知微”对微博信息曝光度、扩散过程、情感值的分析

图3 “知微”对微博信息关键传播账号、用户属性信息的分析

如图2所示，将样本微博地址键入分析栏后，分析结果首先精确呈现了该条微博在网络上的曝光量达到181.28万，超过了80%的微博。随后，又通过可视化图形展示了该条信息的扩散层级和扩散过程，从表中数据便可清晰发现有217位用户直接转发了官方微博的信息，随后第二层级的43位用户的转发源于第一层级。以此类推，同时分析工具也利用技术手段有效的对水军账户进行鉴别。此外，根据对用户评论的语义分析，结果中还对该条微博的用户态度、兴趣倾向等给出情感值分数。

图3中，具体分析了扩散层级里的用户信息，“关键传播账号”展示了在此次信息的扩散过程中，哪些用户做了关键贡献，哪些用户对该条信息感兴趣，男女各自占比多少，普通用户、达人用户、认证用户的构成等。此外，在“转发时间曲线”中还清晰地展现了该条微博从发出到扩散再到衰减的动态时间图，依此可以提炼出话题的关键点、话题的持续过程等信息，为后续的内容生产提供有益参考。

图4更加直观地展现了该条微博扩散的重点地域，结合上述话题的扩散过程和情感值等数据以及其他微博的分析数据，可以进一步分析哪个地域的用户对节目更为关注？他们关注节目的哪些方面？等等，此外，分析结果以“频次”为标准，对评论中出现的关键词进行了聚合，清晰地展示了用户对于该条信息的评价。同时，通过多条微博的交叉对比，也可以深入的去发觉用户评论最多的词汇有哪些，从中可以找出用户对于节目的期待和需求。

通过上述对 “知微”分析工具的展示可以看出，对于一条普通微博信息，我们可以发掘出隐藏在其中的信息扩散过程、关键用户、用户属性信息、用户的情感信息、甚至是用户的需求信息等。由此看来，对于大数据的应用，传统广电不能局限于“收视率”的囹圄中。同时也要摆脱原有的“因果”思维。电视人要充分利用与自身节目收视群重合率较高的网络媒体的用户数据，去深入分析收视群的特征、个性以及需求，从中发现节目与用户之间的“相关”关系来指导节目制作。

威胁，还是机会——广电该如何做？

（一）“笨鸟要先飞”。电视无论在互动性，还是对于用户需求的反应速度方面都远不及互联网，但长久以来，广电形成一种现象，凡是有新事物出现，大家喜欢一拥而上地提概念、提平台建设，最后收效却没有设想的那么好。所以，在广电大数据应用方面，实际操作比空谈理论更具有现实意义，“笨鸟要先飞”。

其实，大数据对于广电来讲，作用主要体现为通过大数据来解决收视群与电视媒体的关系问题，具体体现为一种内容资源的“供需关系”，通过对收视群数据的采集、积累、量化、分析等过程，描绘出收视群属性信息和兴趣图谱，以此来进一步指导内容的生产或购买。所以，广电大数据的概念现在很模糊，也没有什么模式可以遵循。传统广电若想融入潮流，那么就应该从一档具体节目出发，收集电视平台、网络平台的用户数据，在探寻数据、节目、用户之间的关联性中不断地付诸实践，然后再总结归纳，再提概念，再提对于平台的需求，这样才有现实的可执行性。

相比电视，电影在这方面做得就比较务实，许多影视营销公司很早就根据网络中的网民兴趣偏好去给电影进行定位，然后开展一系列营销活动。如《失恋三十三天》的前期营销中，营销团队发现在一家社交网站上，一位英国妇人哭诉自己失去婚姻再到重获幸福历程的短视频受到了很多用户的关注，随后营销团队便策划推出了“失恋博物馆”，开展了由普通人讲述自己失恋经历的营销活动，效果非常的好。

（二）“缺啥补啥”。在电视的单向传播过程中，只有“观众”“受传者”的概念，“用户”的概念一直是缺失的。即便随着移动多媒体广播、网络电视台等业务的推出，这种观念仍然没有培养起来，“用户”观念的缺失，直接导致传统广电没有“产品”和“服务”的理念。而大数据中，最核心的要点就在于根据数据与用户之间的关联，去发现需求、去开发新的产品、去提升服务水平和服务能力。

美国《赫芬顿邮报》的在线媒体团队中，除了设置传统的记者、编辑外，还设置了用户体验设计师、产品经理、流量编辑等职位。中国浙江日报报业集团2012年收购了边锋浩方网络平台，其通过这个平台，建立数据分析系统，深入筛选捕捉用户行为、习惯、偏好等，深度挖掘用户数据，以弥补传统媒体读者数据不足的缺陷。①东方卫视、湖南卫视也分别推出了“哇啦”“呼啦”电视互动客户端，在客户端中用户可以边看边聊、发表评论、参与互动等，实现基于地理位置的签到和交友。虽然现有的用户数还达不到可以反映整体收视群收视行为的量级，但推出广电互动产品、提升用户服务水平是广电在运营理念上的提升与进步。

大数据对于传统广电来说，是威胁还是机会，现在还无法下定论。然而面对网络视频、手机电视等视听新媒体的冲击，广电应该冷静思考媒体和用户的关系到底该何去何从，并且广电人在内容生产理念上也应该做出符合信息时代发展规律的转变。广电到底该如何去搜集和应用大数据，笔者一直坚持的观点是：千里之行，始于足下。

图4“知微”对微博信息转发用户地域信息和评论关键词的分析

注释：①栾轶玫：《大数据重塑媒介生态》，《视听界》，2013（4）。

中国传媒大学）