聚类算法在电视观众研究中的应用

李晓萌

【摘   要】在当前新媒体平台发展势头强劲、电视媒体竞争加剧、各类节目加速迭代的背景下，观众的观看行为越来越复杂。而市场的竞争归根结底是对观众注意力的竞争，传统的按性别、年龄、城乡等来简单界定观众构成的统计方法已经不适应当下的需求。本研究以综艺类节目为例，尝试采用“观众行为聚类”分析模型，展现不同平台的综艺节目观众画像，浅析聚类算法在观众行为分析中发挥的作用。

【关键词】聚类算法；观众构成；观众画像；综艺节目

一、背景介绍

（一）新媒体平台发展概况

随着信息技术的迅猛发展，新媒体平台已经成为人们获取信息、娱乐和社交的主要渠道之一。社交媒体、视频分享平台，以及在线直播等数字媒体形式不断涌现，为观众提供了更加丰富和多样的内容选择。新媒体的崛起改变了传统电视媒体的格局，使得观众能够更灵活地定制和获取内容，从而形成了一个庞大而分散的媒体消费群体。

（二）电视媒体竞争现状

在新媒体的冲击下，传统电视媒体面临着日益激烈的竞争。观众的时间和注意力逐渐从传统电视节目转移到了互联网上的各种内容平台。这使得电视台不仅需要与同行竞争，还需要与新媒体平台争夺用户的关注。在竞争白热化的环境中，了解观众行为、精准洞察其需求成为电视台制胜的关键。

（三） 观众观看行为愈加复杂

随着观众多元化的背景和兴趣，观众观看行为变得愈加复杂。传统的基于性别、年龄、城乡等简单分类的统计方法已经难以全面把握观众的特点和喜好。观众的观看行为不再受限于传统的电视节目时间表，而是随时随地、跨平台地发生。这种多样性和复杂性使得电视台需要更为智能和精准的方法来了解观众，以更好地满足他们的期望。

在这一背景下，通过聚类算法对观众行为进行深入分析，可以挖掘观众的行为模式、兴趣点，为电视台提供更准确的观众画像和决策支持，成为提升电视节目吸引力和竞争力的有效手段。

二、研究目的和意义

媒介市场的竞争归根结底是对观众注意力的竞争，因此，观众研究是推动平台发展、提高节目制播效益的基础工程。本研究以综艺节目为切入点，将电视综艺和网络综艺统一纳入研究范畴，采用“观众行为聚类”分析模型，展现不同平台的综艺节目观众画像，浅析聚类算法在观众定位及平台发展过程中发挥的信息参考和数据支撑等作用。

（一）拓展观众研究方法，适应多元化观众需求

随着社会的发展和观众需求的多元化，传统的观众研究方法已经难以完全满足复杂多变的观众需求。本研究通过引入“观众行为聚类”分析模型，为观众研究领域注入了新的思维和方法。通过深入挖掘观众行为的差异和共性，以便更全面地理解不同观众群体的兴趣和喜好，实现对观众需求更为精准的洞察。这种方法的引入不仅能够满足当前观众多元化的需求，同时也为未来观众研究方法的拓展提供了有益的经验和参考。

（二） 优化广告投放、节目制作和推荐系统

观众行为聚类分析为电视台提供了更为准确的观众画像，为广告投放、节目制作以及推荐系统等方面的决策提供了有力的支持。通过了解不同观众群体的特点，电视台可以更精准地选择广告投放时段和内容，提高广告的观看效果。同时，节目制作方能根据不同观众群体的喜好调整节目内容，提高收视率和用户满意度。对于推荐系统而言，深入了解观众的兴趣点可以提高推荐算法的准确性，为观众提供更个性化的内容推荐，从而提升用户体验。

（三）推动电视媒体在数字化时代的可持续发展

随着数字化时代的到来，电视媒体正面临着前所未有的挑战和机遇。观众行为聚类分析作为一种前沿的研究方法，为电视媒体在数字化时代的可持续发展提供了战略性的支持。通过更好地了解观众，电视媒体能够更灵活地调整经营策略，更好地适应数字时代的观众需求。通过提高内容的个性化和定制化水平，电视媒体能够在激烈的竞争中脱颖而出，保持市场竞争力，实现可持续发展。因此，本研究的意义并不局限于观众研究领域，或可为整个电视媒体行业在数字化时代的发展提供重要启示。

三、研究方法

当今新媒体平台的蓬勃发展以及电视媒体竞争的加剧使得观众的观看行为变得愈加复杂。在这种背景下，各类节目不断迭代，观众的选择也日益多元化。传统的观众构成统计方法，如按性别、年龄、城乡等进行简单分类，已经无法满足当前多变的需求。本研究以综艺类节目为研究对象，尝试采用“观众行为聚类”分析模型，该模型旨在通过聚类算法揭示观众群体内部的行为模式和特征，进而深入理解观众的兴趣和需求。以此为基础，我们选择综艺节目作为案例，通过对不同平台上观众行为的聚类分析，了解观众在观看综艺节目时的多元面貌。

在具体实施中，我们使用了先进的聚类算法，如K均值聚类或层次聚类，对观众行为数据进行深入挖掘。研究发现，采用聚类算法进行观众行为分析具有显著的优势。首先，它能够深入挖掘观众群体内部的差异，使我们更好地理解不同观众的偏好和行为模式。其次，相较于传统的统计方法，聚类算法更能适应观众行为的多样性和变化性，为决策者提供更具针对性的信息。通过这些算法，我们成功地将观众划分为若干具有相似观看行为的群体，形成不同的观众聚类。这一分析不仅为电视台提供了更为细致的观众画像，也为广告定向、节目制作以及内容推荐等提供了更为精准的指导。

通过对综艺节目观众行为的聚类分析，我们发现不同平台上的观众呈现出明显的差异，这为电视台制定差异化策略提供了重要依据。同时，本研究也深化了对聚类算法在电视观众研究中的应用，为未来在观众分析领域的深入研究提供了有益的经验。

本研究基于《开门大吉》《你好星期六》《王牌对王牌》等50档头部电视综艺和《明星大侦探》《令人心动的offer》《五十公里桃花坞》等30档头部网络综艺的相关数据，突破性别、年龄等自然人口属性的常规分析框架，从观众实际观看行为出发，运用因子分析法，首先对综艺节目进行了分类（全文数据来源：CSM全媒体视听同源数据），即基于每个观众对80档节目的日均观看时长，运用因子分析法将80档综艺节目进行分类，被相同观众观看越多的节目越可能会分为一类。

经过多轮尝试和计算，将80档节目划分为12类。在此基础上，结合节目风格、主要内容、播出方式等定性分析因素，最终将综艺节目划分为亲民合家欢、文博经典、网感新潮、欢娱生活四大类别。

在综艺节目分类的基础上，以节目类型为自变量，对综艺节目观众进行K-Means聚类分析，即经常观看相同或相似综艺节目的观众被划分为同一类别。

研究发现，一方面，平台的使用惯性对观众观看具有重要影响，总台、卫视、网络平台均有一定规模的忠实观众；另一方面，相比于综艺节目的呈现形式，观众对综艺节目的风格偏好和忠诚度（亲民合家欢、文博经典、网络新潮、欢娱生活）更加显著。此外，还存在一部分较少观看综艺节目的观众。

据此，结合收视行为中体现出的风格偏好，整体观众可大致分为五类。对这五类观众进行人口统计学数据分析，综合其核心特点和对综艺节目风格的喜好，就可以得出特定平台或者特定综艺节目类型的观众画像。

四、研究结果

（一）从节目类型角度进行受众画像

以“亲民合家欢”类综艺的目标观众为例，结合人口统计学数据和观众行为聚类分析，可以对这类节目的观众进行画像，得出以下结论：

亲民合家欢的节目观众忠诚度高。这类观众关注百姓欢乐事，偏好百姓才艺展示类节目，如《越战越勇》《非常6+1》《开门大吉》等，对这类节目的日均观看时长（16.49分钟）远超网综（1.64分钟）和卫视综艺（3.29分钟），体现出明显的高忠诚度，具有相对稳定的收视惯性，观看综艺节目的时间高于平均水平。

老龄化问题突出，55岁及以上中老年占主体。在年龄分布上相对老龄化，55岁及以上观众占比高于平均水平。未来随着代际迁移，观众老龄化将更加明显，制约此类节目的长期发展。

职业以退休为主，收入5000元以下占比最多。从职业看，退休无业人员占比最多（41.1%），远超平均水平（TGI达140.4）。从收入看，月收入5000元以下的观众占比远超平均水平。

除“亲民合家欢”类综艺外，对竞技类综艺和户外综艺偏好明显。这类观众经常观看的节目中，还有多档是户外探访或体验类综艺节目，如《山水间的家》《万里走单骑》等。户外场景带来新鲜感，让观众产生身临其境的感觉，比较符合这类观众的收视喜好。此外，竞技类综艺也是他们日常收看的重要节目类型，如《中国诗词大会》《一站到底》《最强大脑》等，偏好紧张刺激的环节和传统的竞赛方式。

此外，还能从收视行为分析中得知，此类观众收视习惯稳定、对情感婚恋类节目表现出一定兴趣、喜欢传统文化等诸多特质。

（二）从平台角度进行受众画像

除了以节目类型为基准，进行目标观众画像之外，采用行为聚类分析方法，还可以基于平台进行用户画像。例如，以新媒体平台为切入点，分析网络综艺节目的用户画像，可以得出以下结论：

网综用户乐于接受新鲜事物，平台忠诚度较低。网综用户喜欢尝试题材新颖、更具时尚感的综艺节目，对网综的日均观看时长远超其他平台的综艺节目。但此类观众注意力转移速度快，即便对最爱看的网综，日均观看时长也只有10分钟左右，跟随节目、明星迁移，平台忠诚度较低。

年龄构成上，网综用户更加年轻，25-54岁观众占比高于平均水平。

职业分布较为广泛，收入5000元及以上观众占比明显高于平均水平。

此外，还能从收视行为分析中得知此类用户对节目明星、表现手法、小众题材等维度的特征，有助于平台明确内容创作方向，从而更好地吸引这部分用户。

五、结果分析

（一）探索观众行为聚类在电视媒体中的应用

在电视媒体中，观众行为聚类作为一种新兴的研究方法，旨在深入挖掘观众的行为模式、喜好和观看习惯。通过对观众进行细致的聚类分析，我们可以揭示观众群体内部的异质性，发现潜在的观众细分市场。这不仅有助于电视台更全面地了解观众的多样性，还为制定个性化、精准的节目策略提供了有力支持。研究的首要目的是通过深度探索观众行为聚类的应用，为电视媒体提供更为灵活、精准的观众管理手段。

（二）分析聚类算法在综艺节目观众研究中的作用

特定于综艺节目观众的是本研究的一个重点。通过聚类算法，我们能够在综艺节目领域中深入挖掘观众的特殊行为模式和兴趣点。这有助于电视台更好地了解观众在观看综艺节目时的特定偏好，从而能够更有针对性地设计和推出符合观众口味的节目。通过对不同观众群体的综艺节目喜好进行分析，电视台可以更灵活地调整节目内容，提高收视率，进而在激烈的节目竞争中脱颖而出。

（三）为电视台提供更精准的观众画像和决策支持

本研究的最终目的是为电视台提供更为精准的观众画像和决策支持。通过深入研究观众行为，我们能够为电视台呈现出观众的细致轮廓，包括他们的喜好、观看时间、观看频率等方面信息。这些信息将为电视台的广告投放、节目制作以及推荐系统等提供有力的支持，帮助电视台更好地满足观众需求，提高用户黏性，进而在激烈的媒体竞争中占据优势地位。通过提供精准的观众画像和决策支持，电视台能够更有效地制定战略，实现可持续发展。

六、结语

在新媒体蓬勃发展的背景下，信息的流动日趋依赖数据驱动，算法技术成为电视等媒体平台、节目内容生产者用来把握目标受众和用户偏好的重要手段。算法收集用户数据，进行分析处理后，能够指导、反作用于电视节目的生产、传播、宣推、营收等各个环节。

在观众研究方面，聚类算法可以精准捕捉观众的收视行为变化，与当下电视节目市场的热点内容、审美取向、观看反馈等相结合，进而为电视节目生产指明方向，在满足观众收视期待的同时，稳固用户，并生产出具有多样性的、契合时代命题的高质量作品。

不过，聚类算法也有自身的局限性，利用算法塑造观众喜好、凝聚具有同一倾向的收视群体，虽然可以形成基于平台的粉丝群，但也会形成观众群体割裂、长期发展受阻、引发观众的“信息茧房”和节目生产的同质化竞争等问题。因此，如何合理运用算法，正视算法的双刃剑效应，是今后要继续深入探讨的课题。

参考文献：

[1]罗贺，赵培.面向电视观众的用户兴趣偏好建模方法[J].中国管理科学，2016（S1）：43-48.

[2]沈萌萌.媒介融合视域下文化类电视综艺节目的传播与接受探析[J].当代电视，2023（10）：72-76.

[3]贺梦萍，许梦槿.智能算法对电视剧类型化发展的影响探析[J].新闻研究导刊，2023（22）：254-256.

（作者单位：中央广播电视总台）

责编：周蕾