基于广播电视受众大数据的分析方法研究

摘要

本文对广播电视受众大数据分析的方法进行了探究，从数据收集、数据预处理和数据分析三个方面，探讨了基于广播电视受众大数据的分析方法。通过对不同环节大数据分析方法的把握，广播电视能够更精准地了解受众需求，为节目策略的制定提供可靠依据，进而提高自身竞争力。

关键词：广播电视；受众；大数据

引言

随着新兴媒体的发展，广播电视面临着日益激烈的竞争，为了在竞争中脱颖而出，广播电视需要更精准地把握受众需求。大数据为广播电视受众研究提供了全新的视角，然而，目前针对广播电视受众大数据的分析方法尚处于不断探索和完善的阶段，如何有效运用大数据进行受众分析，是当前广播电视行业亟待解决的重要问题。

一、广播电视受众数据收集

（一）传统收视收听数据收集

传统收视收听数据收集主要借助样本户所配备的特定设备来实现，需要样本户家中安装的机顶盒以及收听设备，具有记录受众观看或收听广播电视节目相关信息的功能，如受众打开电视的时间、停留在每个频道的时长等信息。同理，收听设备则针对广播节目，记录听众收听的时段、所选择的广播频道等数据，通过这些数据的长期收集整理，可形成系统的基础收视收听数据。

（二）网络平台数据收集

随着广播电视与网络的深度融合，各视频网站、社交媒体平台逐渐成为受众大数据的重要来源。在视频网站方面，节目播放量、弹幕数量、弹幕内容都是重要数据。社交媒体平台同样积累了大量与广播电视节目相关的数据，例如微博上关于热门电视节目或广播节目的话题讨论量、粉丝增长数、话题热度趋势等数据，都能反映节目在社交媒体上的传播效果。节目官方账号发布的内容所获得的评论、转发数量，也能体现观众对节目相关信息的关注。通过对这些网络平台数据的收集与分析，能够深入了解节目在网络端的受欢迎程度，为广播电视调整节目策略提供有力依据。

（三）移动终端数据收集

移动互联网的普及使移动终端成为人们获取信息重要工具，广播电视也纷纷开发了移动APP，这也是数据的重要来源。例如，APP中用户登录的时间，对此进行分析，可以了解用户在不同时间段对广播电视内容的使用习惯。同时，APP能记录用户观看节目的类型，通过长期积累的数据，可清晰勾勒出用户对不同节目类型的喜爱程度。最后，用户在每个节目上的停留时长也是重要的数据指标，停留时长较长，意味着该节目内容对用户具有较强吸引力；反之，则需要对节目内容或形式进行优化。

二、广播电视受众数据预处理

（一）数据清洗

广播电视受众数据来源广泛，在收集过程中不可避免地会混入重复数据、错误数据以及不完整数据，因此需要进行数据清洗，进一步提升数据质量。例如，在传统收视数据收集过程中，样本户的机顶盒可能因网络波动等原因，向数据中心发送多次相同的收视记录，重复数据会占用存储空间，干扰数据分析结果。通过使用数据去重算法，依据唯一标识字段来识别并删除完全相同的记录。同时，样本户的机顶盒若存在硬件故障，则会导致观看记录的时间出现异常，对于该类错误数据，需要根据数据的逻辑规则和统计特征进行识别和修正。如果是硬件故障导致的错误，可结合设备维护记录和周边样本户的正常数据进行合理推测修正，如果是数据录入错误，则通过人工审核或智能检验进行纠正。

（二）数据转换

数据转换是为了使不同类型的数据具有可比性，便于进行综合分析。广播电视不同节目在不同平台的播放量可能相差几个数量级，直接比较这些数据会产生偏差。因此，需要将数据转换为具有特定均值和标准差的分布，常用的标准化方法是Z-score标准化，将不同节目在不同平台的播放量数据转换为以均值为0、标准差为1的标准正态分布数据，这样，不同量级的播放量数据就可以在同一尺度上进行比较，消除了数据量级差异对分析结果的影响。

三、广播电视受众数据分析方法

（一）描述性统计分析

描述性统计分析是对数据基本特征的概括与呈现，能够使广播电视快速了解受众数据的总体情况，为后续更深入的分析奠定基础。在这一过程中，基本统计量包括受众数量、平均收视和收听时长、节目的收视率与收听率、其他统计量等。

（二）相关性分析

相关性分析是探究不同变量之间关联程度的一种大数据分析方法，能够使广播电视理解不同因素如何相互影响，为节目制作、推广和受众定位提供依据。例如，收集不同年龄段观众对各类节目的收视数据，运用相关性分析方法，可以判断年龄与节目类型之间的关联程度。同理，分析性别与节目类型的相关性也是一种相关性分析方法。如通过分析发现女性观众对情感类电视剧的相关性较高，而男性观众可能对军事类节目更感兴趣。除了受众年龄、性别与节目类型的相关性，还可以分析其他变量之间的关系。如地区与节目类型的相关性、文化程度与节目的相关性等。通过全面分析变量之间的相关性，广播电视能更深入的了解受众需求。

（三）聚类分析

聚类分析是一种无监督学习方法，该方法将数据对象按照相似性划分为不同的类别，使同一类别的数据对象具有较高的相似性。在广播电视受众分析中，聚类分析有助于发现具有相似特征的受众群体，为节目精准定位和个性化服务提供依据。例如，基于收视习惯的聚类分析，通过受众收视时间、收视频率进行聚类分析，能够提炼出电视节目播出的黄金时间，区分高频收视、中频收视、低频收视群体。基于兴趣的聚类分析，能够分析出受众对不同类型节目、题材的喜爱程度，有助于广播电视针对不同群体制作有针对性的节目，打造更受欢迎的产品。

结束语

在新媒体时代，“流量”是媒体生存与发展的基础，对受众的大数据分析，有助于广播电视了解受众需求，为节目创作和传播策略提供依据，使广播电视能够紧密结合受众需求制定节目策略，实现精准传播、高质量服务，以此在竞争中重塑优势，开创广播电视发展的新局面。

参考文献

[1]李化.浅析大数据技术并思考如何在广播电视台布局[J].数字通信世界，2021，（09）：56-58.

[2]罗丽.从数据看珠三角城市台电视受众的变迁[J].西部广播电视，2020，（03）：16-18.