
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
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23