
大数据:改写电视产业的魔力之手
“大数据浪潮来势凶猛。从前期的数据先行,到中期的动态调整,再到后期的精确制导,大数据技术正在悄悄改变着电视产业的生态环境。”在日前举办的第23届中国国际广播电视信息网络展览会上,不少业界人士向记者表示。
“大数据正在一点一滴地渗透进电视产业的各个环节,随之而来的必然是节目生产方式的颠覆和产业结构的变革。” 中国传媒大学理工学部副学部长柴剑平教授表示,如何多维度全面科学地衡量评价文化传媒行业发展水平?如何预测未来发展趋势?对发生的问题该如何应对解决?大数据技术的出现正在为中国传媒行业的发展开启另一个全新时代。
破解收视率造假之困
业内人士介绍,收视率是衡量一个电视节目是否成功、广告主是否会选择对其投资的主要指标。为了使自己的节目能够有一个较好的收视结果从而获得资金支持,部分电视节目制作人会选择人为干预收视率的结果,改动数据样本。
“收视率大于一切”,收视率造假已经成为电视业内外公开的秘密,而收视率造假的源头则是样本受到“污染”。柴剑平指出,在大数据环境下,建立一个全面的评价标准,为传媒全产业链的政府职能部门、媒体内容供应商、媒体内容集成商、媒体运营商、广告商及用户进行服务,从硬指标和软实力出发,建立多层次、多维度、多区域的评价方式,综合表现传播效果的“量”和“质”,对传媒领域的电视、电影、广播、印刷品等大众媒体或新闻媒体的发展做出定量、定性评价,“是当下必须要做的事”。
尽管目前已经有众多针对电视收视率的数据调查公司,但由于其调查方式存在或多或少的“瑕疵”,大大降低了结果的准确性。针对这种情况,柴剑平表示,中国传媒大学已经联合北京中传瑞智市场调查有限公司共同发布了中国传媒行业大数据评价标准体系——中传指数,基于该指数在一定程度上避免收视率造假。
“目前,收视率造假的主要原因就是过于看重收视率这个指标。实际上,收视率的高低并不能代表该节目的优劣。因此,中传指数添加了多个平台的数据和多个指标,使调查结果更为客观。”柴剑平说。
“中传瑞智在收集数据时不像其他公司通过额外增加一个测量仪或是手动记录,而是直接将数据收集软件插入机顶盒中,使得收视信息在一分钟内就能通过机顶盒传送回来,减少人为干预的可能。”中传瑞智产品部负责人贾刚表示,中传指数除了收集收视率的数据外,还采集互联网、新媒体等多个平台数据,并以文化、经济、社会等多个指标进行全方位分析。该公司目前已在北京、广东等地建立了数据收集平台,其中仅在北京就有约390万个样本,通过对大量的样本进行分析能够较为准确地反映某节目或某电视台的收视情况,并和华谊兄弟、华策影视等影视公司以及广东、陕西、天津等地的电视台进行了深度合作。
大数据更“懂”观众的心
“大数据让电视媒体更‘懂’观众的心。”在国双科技高级副总裁续扬看来,英国广播公司(BBC)可谓是把大数据纳入节目制作流程的开山鼻祖。节目制作方一边进行节目直播,一边根据观众在社交媒体上的评论决定接下来的节目走向,节目也由此实现了收视率的大幅攀升。当前,国内电视节目的制作已经开始接受互联网思维的“指导”,使节目从播前到播后都可以通过大数据来分析用户需求实现迭代优化,而不再凭借经验来运作。
“如今,对节目的评价已不只是需要考虑电视台的收视率,还要将网络电视台、微博微信的传播影响力等因素考虑进去。只有如此,才能做到正确客观地评价节目的价值,进而指导节目的制作。”续扬表示。
续扬表示,大数据可以帮助电视台在节目的四个阶段产生重要作用,促进电视人提升节目的竞争力:在策划阶段,数据先行,通过收集大量的信息,分析观众喜好,从而有针对性地进行内容创作,为后期获得成功的收视率奠定基础。
在预热阶段,通过大数据分析可以了解到观众的喜好、特性,从而决定什么样的内容采用什么样的传播推广方法。电影《小时代》是一个通过洞察观众喜好选择宣传方式及渠道的典型案例,通过海量数据分析,制作者在电影播出之前便已发现喜欢导演郭敬明的很多人也喜欢谢娜、何炅,因此在上映前选择在由谢娜、何炅担任主持人的《快乐大本营》出镜宣传,最终使影片成功获得高关注和高票房。
在节目播出阶段,有了数据分析,便能及时得到观众来自社交媒体、论坛、搜索引擎等各种网络渠道的反馈,从而做到有的放矢,使有限的资源实现最大化的价值。《爸爸去哪儿》、《中国达人秀》、《出彩中国人》等热度较高的节目都较好地在播出阶段运用数据分析工具,使节目更好地满足特定观众群的需求。
不仅如此,大数据也改变了过去将收视率作为评价节目的惟一标准的做法,使节目评价更加客观、公正。
开启下一个全新时代
比照欧美电视产业正在发生的变化,就能看到大数据的力量。红遍全球的美剧《纸牌屋》从最初的策划阶段就引入了视频网站积累的大量用户数据,根据用户的喜好来挑选演员、导演,定制剧情,最终成为一部叫好又叫座的经典作品。诸如此类的尝试越来越多,一次次证明着大数据给电视行业带来的深刻而积极的影响。大数据在电视制作中的广泛应用将成为不可逆转的趋势,而处在剧烈转型洗牌期的中国电视产业,在大数据时代该如何找到合适的生存路径?
2014年8月18日,中央全面深化改革领导小组第四次会议审议通过了《关于推动传统媒体和新兴媒体融合发展的指导意见》。《意见》对新形势下如何推动媒体融合发展提出了明确要求,做出了具体部署,并要求“加快传统媒体和新兴媒体融合发展,充分运用新技术新应用,占领信息传播制高点”。
对此,柴剑平认为,在“互联网+”时代,传统电视媒体无疑迎来了一个转型发展的良机,这要求其必须摸准新时代的脉搏,逐步培养适应时代发展要求的“互联网思维”。电视节目制作人只有抛开强势媒体自居的心态,迅速有效地转变思维方式,运用大数据对节目进行有效的改造,才有可能在未来媒体生态圈中占有一席之地。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29