
机顶盒能否“反向收集”用户行为大数据_数据分析师
1、从技术的观点来看机顶盒,为什么不能直接把用户的「操作过程」反向搜集,成为可以评估的大数据吗?包括电视台方面的设备改造,难度大吗?
2、现在一般通用的机顶盒,和ac尼尔森的数据搜集设备,技术差距有多大?
来自知乎小伙伴陳泰坦Titan的回答:
1、从技术的观点来看机顶盒,为什么不能直接把用户的「操作过程」反向搜集,成为可以评估的大数据吗?包括电视台方面的设备改造,难度大吗?
2、现在一般通用的机顶盒,和ac尼尔森的数据搜集设备,技术差距有多大?
简单回答:技术0差距,完全沒难度!
和电視台信号源完全无关,我们本身机顶盒就已经可以完成记录用戶转台的时间,停留的长度,并且可以把数据回传。尼尔森的收视仪也就是这个功能⋯
然而,为什么不呢?(沒错,以下才是正文⋯)
尼尔森公司是做什么的呢?
他们是做第三方收视率监测
关键词不是“收视率监测”,而是“第三方”
我们设想一下,如果机顶盒是收视率来源,数据会怎么样?
以广州为例。
先科普一下,广州有两个机顶盒供应商,分別是广州有线和广东有线,而由于历史原因,这两个公司分別递属于广州电视台和广东电视台。
冰雪聪明的你可能已经想到,广州有线机顶盒测出来的收视率,当然是广州台比较高;广东有线的机顶盒,当然是广东台的数据比较好好⋯收视率高,意味着广告可以卖更贵,意味着电视台收入高⋯
既当球员又当裁判,必然是不行的⋯
其实,几年前当央视收购索福瑞,成立中国最大的收视率调查公司央视—索福瑞的時候,业界就有过类似质疑。
最后再科普一个,现在尼尔森、索福瑞的收视率样本,都是有价样本,意思是,作为被调研人,是签合约收钱的,是有义务保证自己是公平公正的。
————补充说明———-
关于有同学提出当地机顶盒就是由“第三方”提供的,但请留意,目前应该还沒有一个全国性的第三方吧?
还是以广东为例,如广东的收视以广东的数据为准,湖南的收视以湖南数据为准,那会导致广告沒人看湖南卫视,湖南也沒人看广东卫视⋯
就像中国和韩国队踢球,裁判是不会用中国人或韩国人的,以免地方保护⋯
来自知乎小伙伴李宁的回答:
前两天刚同尼尔森的高层吃过饭。今天刚跟索福瑞中层开过会。
令人遗憾的是——你看电视再多,也不会成为大数据的一份子。
以下是答题。
1、技术上没什么差别,差别是稳定性。
普通机顶盒造价便宜的很,监测收视率的机顶盒造价要高得多。索福瑞和尼尔森的都是。最重要的就是数据回传的稳定性。
如果数据中断,对于时时收视率监控的影响是很大的。
数据的可靠性是数据公司安身立命的根本。当然,如果全国人民的数据都搜集,成本实在太高,所以,他们是这么做的——
2、你家开着电视机对“大数据统计”没啥影响
为了保证稳定性和准确性,所以就需要进行专门的样本监测。
样本呢,不会很多,因为统计全国人民看电视的大数据,公司估计要全球IPO了才能买得起那么多机房。
所以呢,尼尔森和索福瑞都在取样,选取不同职业、年龄、身份的人作为样本。
真相只有一个,只有他们,才对收视率有影响。
诺,就是这个玩意儿,一般人都木有见过哦。所以你天天看电视,对大数据和收视率都是木有用的。
3、说点题外话
目前收视率受到质疑,主要是因为污染样本太严重。
比如一个不知名电视剧,如果搞定了收视率样本,就能搞定广告主投放广告,电视台就能以小博大发横财,这种掮客也不少。
未来,网站、APP、电视盒子会成为重要的影视数据统计来源,索福瑞和尼尔森也在转型。
电视已是黄昏行业,浪潮之巅的大数据,充满想象。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11