京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30