京公网安备 11010802034615号
经营许可证编号:京B2-20210330
电视衰落了吗?大数据告诉你_数据分析师
不久前,有媒体报道,受个人电脑、平板电脑、智能手机的冲击,北京地区电视机开机率从3年前的70%下降至30%。“互联网取代电视”,唱衰电视的言论让人们疑惑,电视是否正在失去主流媒体的影响力?
11月27日,北京大样本收视数据研究中心发布的最新数据表明:电视仍是强势主流媒体,其内容的时效性、精致性等特性让网络媒体仍然无法取代。
北京地区开机率65.6%
数据显示:11月26日的北京地区有线电视收视用户不重复开机率为65.6%,有线电视收视用户每日每户平均收视时长为208分钟。
随着高清交互节目内容的不断丰富,北京地区有线电视用户每日每户平均收视时长几年来持续增长,从2012年的192分钟已经上升到2014年的206分钟。北京地区高清交互用户近两年平均每日开机率稳定,保持在60%以上,说明了“北京地区电视机开机率从三年前的70%下降至30%”的消息是没有依据的。
开机率65.6%的数据是如何得到的?准确性如何?
歌华有线公司副总经理罗小布在接受记者采访时说:“歌华有线建成的大样本收视数据实时采集分析系统,是基于超过400万户高清交互数字电视机顶盒终端回传数据进行的大数据分析,这个数据绝对可靠。”
据介绍,2012年11月,歌华有线公司成立大样本收视数据研究中心,这是全国广电第一个集科学的数据采集和自主的分析技术为一体的收视数据生产分析工作中心。2014年,中心建成全国首个大样本收视数据实时回传、采集、分析系统,让收视率调查迈入“大数据时代”。
两年来,该中心依托海量高清交互数据生产的北京地区收视率数据产品,成为政府的舆情参考和媒体机构的数据智囊,是电视节目制作的引导参考。“下一步还将为用户提供个性化的智能电视收视服务。”罗小布说。
收视率调查的一场革命
近年来,收视率造假的新闻层出不穷。操作样本户、窃听和截流数据、直接篡改等人为方式干预,造成了“收视率乱象”。
据介绍,不同于传统收视率调查,歌华收视数据研究中心可记录每一用户每一步的操作行为,具有客观、公正、权威的特点;数据自动回传和采集,全程由计算机自动完成,客观反映用户真实行为,没有人为干预,保证数据真实、可信。“这个系统具有夜间自动关机功能,如果夜间4点电视仍没有关,就会询问用户是否继续收看,如果无人回应,就会自动关机。这样使得收视率更加准确。”罗小布介绍道。
数据的实时回传、实时分析、实时发布,满足了大数据时代用户对收视数据越来越快速、高效的要求,具有时效性的特点。同时,中心与中国传媒大学、央视索福瑞、尼尔森、秒针系统、新生代全景、中传瑞智等单位均开展了深度技术合作。
尼尔森大中华区副总裁李昕说,歌华有线双向平台能够实时采集超过400万终端的收视行为、页面访问、业务使用、广告曝光等数据,相对于传统的基于测量仪的小样本来说,无异于一场革命。
“大数据”收视调查将覆盖全国
北京市新闻出版广电局局长李春良告诉记者,国家新闻出版广电总局日前正式批复同意歌华有线发布和提供广播电视收视数据,具体包括两种方式:一是向业内播出机构、广告公司等提供直播节目收视数据情况,包括北京地区所有频道、所有节目一周收视情况,北京地区新闻节目、电视剧节目、综艺节目、体育节目等一周收视情况。二是通过北京地区高清交互平台、报纸、网站,公开发布“北京地区有线电视用户每日不重复开机率”“北京地区有线电视用户每日每户平均收视时长”“北京地区最受观众喜爱的回看节目一周点播情况”“北京地区最受观众喜爱的回看频道一周点播情况”四项收视数据情况。
据透露,2015年,歌华有线大样本收视数据研究中心将逐步实现宽带用户数据、互联网电视数据、手机电视数据的采集,可提供占有率、忠诚度、用户黏性等多维度的收视数据指标。同时,歌华有线将联合全国有线电视网络公司,共同搭建全国收视数据调查研究中心,建设全国收视行为数据库和权威数据采集、分析、发布平台,树立大数据时代行业标准,打造全国收视数据权威发布品牌。
大数据的内核,是对用户需求的精准把握与分析。在大数据时代,传统媒体面临改革的形势下,理念和技术上的革新将为电视行业带来新的发展机遇。本文来源:CDA数据分析师官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17