
口碑不错的电视剧却没有换来高收视率,原本表现平平的电视节目,毫无缘由的情况下收视率突然大幅上涨……近年来,随着电视行业的竞争越来越激烈,作为行业内“通用货币”的收视率,出现了越来越多让人看不懂的数据曲线,而“被污染的收视率”也成为不少业内人士口诛笔伐的对象。
近日,北京歌华有线电视网络股份有限公司(简称“歌华有线”)宣布,全国首个收视数据实时采集分析系统“歌华发布”已经建成,这引起了业界广泛关注。电视界业内人士纷纷希望,这个基于大数据的分析系统,能够提供一份没有污染的绿色收视率。
大样本,覆盖北京八成电视用户
一个城市有多少人在看电视?一个栏目真实的收视率是多少?过去,由于采集成本的限制,这些问题只能依据每个城市的数百个用户样本,通过抽样调查分析得出。现在,歌华有线大样本收视数据研究中心推出的“歌华发布”,让全市80%的电视用户都拥有了“发言权”。
据歌华有线副总经理罗小布介绍,大样本是“歌华发布”与传统收视率调查最大的不同点。据他介绍,目前北京市约有500万电视用户,其中400万用户已经使用了高清交互数字电视机顶盒,“我们的数据采集和分析可以记录每一位高清交互数字电视机顶盒用户的每一步操作行为,这就意味着我们的样本覆盖了全市的八成电视用户。”
这种“大数据”的采集和分析方式,在尼尔森大中华区副总裁李昕看来“无异于一场革命”。他解释说,“歌华发布”对超过400万终端的收视行为、页面访问、业务使用、广告曝光等数据进行实时采集,不仅可以使收视率数据的误差更小,而且,更大的样本量也意味着更详尽的数据。比如,一部电视剧的哪个情节、哪几分钟最受关注,都可以准确地呈现出来。
更真实,无人为干预开机率不重复
让业内人士和电视观众困扰的,不仅是收视样本不科学带来的误差,还有调查样本用户被收买而产生的收视率造假事件。“歌华发布”能否克服这一弊端?罗小布满怀信心:“一方面,我们利用的是高清交互数字机顶盒双向互动的技术特点,数据可以自动回传并被采集,全程由计算机自动完成,没有任何人为干预;另一方面,我们的样本超过400万用户,人为的造假操作起来也不太可能。”
就在最近,一条“北京地区电视开机率从三年前的70%下降至30%”的传闻甚嚣尘上。“歌华发布”则发布了另一个完全不同的数据:近两年来,北京地区高清交互用户平均每日的开机率保持在60%以上。相去甚远的两个数据,引来了网友的疑问:很多人收看电视的习惯是只关掉电视机,而机顶盒并没有完全关闭,“歌华发布”的数据是否把这种情况也统计在内了呢?
对此,罗小布强调,“歌华发布”电视开机率的计算方式,与以往相比已经有所调整,“现在每天凌晨4点左右,歌华有线会向高清交互数字机顶盒用户发信息:如果持续收看节目需要按遥控器的任意键,若用户没有操作,机顶盒将会自动关机。这就保证了开机率的统计不会重复,并且是有效的。”
他还特别补充了最新的收视数据,11月26日并非周末,但北京地区有线电视用户不重复开机率也达到了65.6%,每户的平均收视时长为208分钟,这与此前公布的数据并没有太大差异。
个性化,为用户“定制”收视指南
众所周知,收视率是电视台节目设置、编排以及广告商调整广告投放策略的重要参考。但“歌华发布”基于大数据的收视分析,却能挖掘出更大的价值。国家新闻出版广电总局科技司司长王效杰就指出,这一系统能做到对用户全面客观的收视行为进行分析,反过来再利用这些数据,也能为用户提供更好的服务。
据歌华有线新媒体中心主任助理吉钰丽介绍,歌华有线大样本收视数据研究中心统计的不仅有直播数据,还对回看业务、点播业务进行收视情况统计。“越是真正喜欢的节目,采用回看、点播方式收看的观众越多。因此,这两项的统计数据其实更能反映观众的实际偏好。”吉钰丽说。
正是基于这样全面的数据统计,系统能为高清交互数字机顶盒用户提供个性化的收视指南。吉钰丽举例说,当你点播了一部影视剧后,系统会自动推进“你可能也喜欢的”,这种个性化的“定制”推荐还在完善中,今后会越来越精确。
不过,“歌华发布”的数据服务目前还仅限于北京地区。据透露,明年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。此外,歌华有线大样本收视数据研究中心还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。
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 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15