基于过程效应论的互联网媒体广告价值评估研究——以微博为例

■ 赵振洋 唐 燕

一、引言

广告是媒介经济的主要商业模式，在当今媒介经济活动中扮演着重要的角色。近年来互联网广告市场发展迅速，相比于传统媒体广告，互联网广告以其精确度高、互动性强和成本相对较低等特性正受到越来越多广告主的青睐。随着手机等移动设备的硬件的完善，互联网广告市场规模不断扩大，2015年市场规模达到2,184.5亿元，首次超过了电视媒体广告，成为了最大的广告载体，截至2017年，市场规模达到3,828.7亿元（具体数据见图1所示）。

图1 互联网媒体广告市场规模

随着互联网媒体广告的迅速发展，众多媒体人士和广告主对其媒介广告价值的评估需求也不断增加。但由于相关评估体系尚未建立，媒体人士和广告主在交易过程中确定广告价值时缺乏相应的科学依据，因此对媒介广告评估方法的研究迫在眉睫。

由于互联网媒体广告在选取可比参照物时缺乏可比因素，因此不适用市场法；加之，互联网这种无形资产具有投入产出的弱对应性，成本法也不适用互联网广告价值评估。因此，采用收益法对互联网媒体广告进行评估更为适宜。本文以“微博”为例研究互联网广告价值评估方法，先运用灰色预测模型对互联网广告的预期收益进行估测，在此基础上，基于过程效用论的广告价值产生机制，构建互联网媒体广告价值体系，最终运用模糊评价法算得修正系数，对预期收益进行修正，确定互联网媒体广告的评估价值。

二、互联网媒体广告评估路径

（一）运用灰色预测模型估测互联网广告预期收益

灰色预测模型就是通过时间轴上现在与未来的定量关系预测事物的发展，发现并掌握系统发展规律，根据过去和现在已知的或非确定的信息，建立一个GM（1，1）模型，从而确定系统未来发展的变化趋势，为规划决策提供依据。

为预测互联网媒体广告收益，首先收集原始广告数据并进行累加处理（1-AGO），使数据序列的随机因素淡化，然后转化为微分方程来描述系统的客观规律，提高数据序列的内在规律，最后建成一个变量具有微分、差分、近似指数规律兼容的灰色预测模型，对数据序列的未来状态做出科学的定量预测。

1.预测累加模型结果

（1）给定原始观测数列：

（2）对上式作一次累加生成（1-AGO）：

（3）采用一阶单变量微分方程进行拟合，得到灰色预测模型的白化形式的微分方程为：

在（1）式中， a是用来控制系统发展态势的大小，称为发展系数；u用来反映资料变化的关系， 称为灰色作用量。

（4）根据最小二乘原理， 解(1)式的微分方程，得模型中的参数向量：

其中，在（2）式中

（5）解得系数a和u，得出灰色模型建立的时间响应函数：

（6）对（3）再作累减生成， 可得模型的还原模拟值：

2.模型精度检验

为确保模型的精度以及预测实际的适用性，按灰色预测理论一般采用后验差检验精度。

（1）计算得模型检验结果的残差及均值：

（2）计算后验差检验

后验差检验主要适用方差比和小误差概率检验模型精度，计算公式分别为：

（3）判断精度等级

对灰色预测模型GM（1，1）的精度测量是由P和C的值来提供决策依据。其中，C值越小越好，P值越大越好，根据P和C的值，可将预测标度分为4个等级，如表1。精度等级越小越好，表示模型预测精度较高，如模型精度不满足要求，需要对原来模型进行修正。

表1 灰色模型精度等级

将原始互联网媒体的广告收益数据代入上述构建的灰色预测模型，模型预测结果即为互联网媒体广告预期收益。

（二）运用模糊综合评价法对预期收益进行修正

模糊综合评价法就是基于模糊数学的定量评价方法，该种方法是根据模糊数学的隶属度理论同时应用模糊合成的原理，适用于对受到多种因素制约的事物或对象进行综合评价的一种方法。

由于互联网媒体广告在传播途径上形式多样以及在传播效果上的不确定因素较多，因此在对互联网媒体价值广告进行评估时，首先基于传播学的过程效用论，即从广告价值产生机制的角度进行研究，确定互联网媒体广告评估价值的影响因素，运用层次分析法确定各因素权重，构建互联网媒体广告价值的评价体系，最终用模糊评价法测定的修正系数对收益法的评估值进行调整，增加准确性和可信程度。

1.层次分析法构建评价体系

（1）建立递阶层次结构

根据问题要达到的总目标，按照因素间的相互关联影响及隶属关系将因素按不同层次聚合组合，形成一个递阶层次结构模型。

（2）形成对比较的判断矩阵

根据对同一层次的各元素关于上一层次中某一准则的重要性进行两两比较， 构造两两比较的判断矩阵。采用L.Saaty的1-9比例标度方法进行标度，标度含义如表2所示。

表2 AHP比较标度及含义

（3）计算单一准则下元素相对权重

在确定下一层元素对上一层元素的判断矩阵后，根据特征根的定义有：

在（4）式中λmax是比较判断矩阵的最大特征根， W是相应的特征向量。所得到的W经归一化后就可作为权重向量， 由权重向量W可计算最大特征根。

（4）计算一致性指标CI

在计算单准则下权重向量时，必须进行一致性检验，以此保证判断矩阵的逻辑性和合理性，一致性指标的计算公式：

在（5）式中λmax是比较判断矩阵的最大特征根，n是比较判断矩阵阶数。

（5）检验一致性比例

检验一致性比例的计算公式：

在（6）式中RI为平均随机一致性指标， 可以通过查表3得到。

表3 平均随机一致性指标表

当CR＜0.1时，认为矩阵的一致性是可以接受的；当CR≥0.1时，应该对判断矩阵做适当修正。

（6）计算总体评价体系权重

根据上述计算得到单一准则下元素相对权重， 计算低层中各元素对于目标的总排序权重，最终得到各层元素对目标层的总排序权重。

2.模糊综合评价法确定修正系数

（1）设立因素集

根据互联网媒体广告的特点和评估目的，建立模糊综合评价的数学模型， 对影响评价对象的n个因素组成的因素集

（2）构建并确定评语集

（3）确认评语权重集

权重向量：A=(a1,a2,…,an)，

式中ai为对第i 个因素的加权值。

（4）确认单因素模糊评价矩阵

（5）进行模糊综合评价

对该评判对象的模糊综合评价：

（6）修正系数的测算以及广告价值调整

根据上述模糊评价体系的建立算得修正系数为：

用收益法确定的评估值乘以修正系数，就可以得到最终互联网媒体广告的最终评估值。

三、微博广告价值案例分析

（一）微博介绍

随着互联网媒体广告的不断发展和成熟，以微博为代表的新媒体是人们生活中不可或缺的互动、娱乐、表达意见平台，微博用户呈现井喷式增长。截至2018年3月，微博月活跃用户数量已增至4.11亿，成为全球第7家活跃用户规模突破4亿的社交产品。同时，微博2017年11.5亿美元的全年净营收当中，广告和营销收入9.967亿美元，占比86.67%。随着微博广告的影响力不断扩大，其微博媒体广告价值也备受关注。

（二）运用收益法估测初始评估值

1.估测微博广告预期收益

（1）建立灰色预测模型

根据上述灰色模型建模过程，运用MATLAB 软件，对微博广告的预期收益建立GM(1，1) 模型。根据已知的2014年第一季度至2017年第三季度的数据序列建立预测模型，进行模型精度检验，并模拟预测2017年第四季度的广告收益。

（2）模型预测结果以及检验结果

利用已构建的灰色预测模型计算出2017年第四季度预测值， 并将微博广告收益实际值和收益模拟值进行比较， 计算结果列于表4中。

实际值与预测结果的拟合值曲线如图2所示。

表4 微博广告收益模拟值结果 单位：万元

图2 微博广告收益实际值与预测结果的拟合值曲线

由表4中计算结果可得其后验方差比C=0.2724，小误差概率P=100%，模型精度为一级。经后验差检验表明，模型精度等级达到要求，可以用来预测未来微博广告的预期收益。可见利用非等间隔灰色GM(1，1)模型对上述数据进行预测有很好的测量精度。

2.估测微博广告收益期限

本文是对微博收益的预测是主要是以季度为单位进行预测，为了检测预期收益的准确度，将评估基准日设为2017年9月30日来预测2017年12月31日的收益，收益期限为90天。

3.估测微博广告折现率

由于微博已经在美国纳斯达克上市，资本市场数据较为全面，且能直接真实反映市场变化，所以本文采用资本资产定价模型确认折现率。

资本资产定价模型公式是：

在（7）式中，rf是无风险回报率，一般采用国债利率；β是证券的beta系数，rm是市场期望回报率，rm-rf是股票市场风险溢价。

通过Wind金融终端得到微博在2014-2017年的beta系数是1.09，无风险利率使用5年期国债到期率，为4.27%。网络媒体行业2014-2017年平均报酬率为14.12%，8.84%， 7.41%，5.39%，平均值为8.94%。通过上述资本资产定价模型得到9.32%，对应每个季度的折现率为2.25%。

基于上述对预期收益的估测和受益期限和折现率的确认，将上述评估参数带入收益法模型进行计算．得到2017年第四季度微博广告收益初始评估值为27,004万元。

（三）基于过程效用理论构建互联网媒体广告影响因素体系

微博广告营销行为可以是个人行为、企业行为，也可以聘请专门的广告团队进行打造，形式多样、内涵丰富，从发展方式或者形式表现方面进行研究很难一概而论。因此，本文将其媒介在传播过程中的贡献力与媒介广告价值相联系，即从广告价值产生机制的角度进行研究，媒介广告价值主要体现在媒介传播广告信息的有用性，这种有用性体现在媒介能够在短时间内以相对较低的成本将企业有关商业信息传播到目标人群，其核心价值在于传播，即传播创造媒介广告价值。

基于传播学的过程效用论，将微博媒介广告价值的发生过程分解为接触、接受、说服和行动四个环节：在接触环节中，媒介的广告价值体现在媒介传播广告信息并引起受众注意力的能力和范围上；接受环节中，媒介的广告价值体现在媒介影响受众对广告信息的认知并使之易于接受广告信息的能力上；说服环节中，媒介的广告价值体现在媒介有效说服受众对广告信息有正确的态度，并使之产生购买欲望的能力上；行动环节中，媒介的广告价值则体现在媒介广告信息刺激消费者购买能力的行动中影响受众的决策能力、购买能力上。

将影响媒体广告价值的影响因素，按照过程效用论的四个环节进行归类，建立媒体广告价值的评价体系。通过上述对媒介广告价值影响因素的分析，得到广告价值因素指标体系如图3所示。

根据过程效用理论将互联网媒体广告价值分为接触环节、接受环节、说服环节和行动环节。在接触环节中，其子影响因素可分为四个指标，分别是从媒介的表现力和传播力因素进行划分。媒介的表现力主要体现在媒介符号系统以及媒介编排手段（C1），即通过媒介符号系统以及编排手段，整合图像、文字、声音以及色彩等多种元素，同时结合媒介内容的时间和空间位置，最终促使受众产生兴趣，引起注意；媒介的传播力主要体现在媒介覆盖范围（C2）、传播速度（C3）和受众规模（C4）三方面，即媒介通过物质和技术手段达到最大规模的受众面积，媒介覆盖范围和传播速度决定在最短时间内覆盖最广区域，受众规模决定传播有效性，这三方面最终决定媒介传播力，引起受众注意力。

在接受环节中，媒介广告价值的体现主要通过四个指标来衡量，分别是从媒介符号环境因素和信息内容因素表现进行划分。媒介符号环境的指标体现在广告干扰度（C5）和广告编辑环境（C6）上，广告干扰度是指广告与媒体内容的干扰以及广告与广告的干扰，如果两个媒体内容中只加入一则广告，那广告干扰度为零，这时受众对于广告的深度解读和理解的可能性越大。广告编辑环境是指编辑内容对的广告创意的适切性，最终会影响到受众的广告接受度上。媒介信息内容因素的指标体现在满足受众需程度（C7）以及广告质量优劣（C8）。媒介广告不仅在表达其产品的功能性，同时更重要的是能满足公众的某些需求，这些需求可能使受众更易于接受广告；广告质量优劣即体现在广告的制作水平以及创意，最终影响受众的接受度。

图3 媒介广告价值影响因素体系

在说服环节中，则是体现在媒介的可信程度以及品牌形象因素中。媒介的可信程度可以分别通过媒介机构（C9）以及媒介内容的可信度（C10）指标去衡量；同时，媒介品牌形象因素可以通过媒介品牌个性体验（C11）以及品牌忠诚度（C12）来体现，品牌个性主要是指媒介品牌的可识别度，吸引公众注意力能力，品牌个性体验是指受众对于媒介平台的信息内容的满意程度，品牌忠诚度主要体现受众对于某一品牌媒介的依赖程度。

在行动环节中，主要可以通过媒介受众消费力以及受众二次传播力的影响因素进行研究。媒介受众消费主要是通过受众购买能力（C13）以及消费意愿（C14）这两个指标来体现，前者是硬性要求，后者强调软性条件；媒介受众二次传播力的影响因素则是通过受众传播能力（C15）以及受众传播意愿（C16）体现，尤其是在互联网时代，每个人都可以成为意见领袖，其受众传播能力和意愿的结合可以最终影响媒介广告价值在行动环节的体现。

（四）运用模糊综合评价法估测修正系数

1.运用层次分析法构建评价体系

根据广告价值因素指标体系，运用层次分析法进行如下计算：

（1）对同一层次的元素对上一层元素的重要性进行两两比较，构造判断矩阵。

咨询互联网传媒广告相关领域的专家，利用专家打分法，对每个环节中一级指标、二级指标及三级指标的重要性进行打分，构成两两比较的判断矩阵。然后，根据层次分析法的原理，运用MATLAB程序计算得出一至三级指标的相对权重。B层对目标层A 的判断矩阵和计算结果如表5所示。其中，CR=0.011＜0.1，满足一致性要求。

表5 B层对目标层A 的判断矩阵

（2）同理得到C层各元素对B层相应准则的权重，如表6所示。表中所计算的排序权重均具有一致性，其各元素对微博广告价值的权重影响具有可参考意义。

表6 微博广告价值权重系数表

2.模糊综合评价法确定修正系数

（1）确定因素集U和权重集W

将上述微博广告评价体系中子准则层的16个因素作为模糊综合评价的因素集，子准则层的因素对于目标的总排序权重作为因素的权重集，即W={0.254，0.065，0.109，0.039， 0.080，0.045，0.013，0.023，0.130，0.044，0.077，0.026，0.052，0.013，0.022，0.008}。

（2）确定评语集V及标准VM

评语集是由五等级V=（低，偏低，正常，偏高，高）组成，根据专家调查，确定评语集权重为VM={1.76， 1.51， 1， 0.82， 0.65}

（3）确认隶属度并构成单因素评价矩阵R

根据专家对上述评价体系中三级指标的评判，确认隶属度。隶属度是指对于同一因素的某种评价等级占全部专家人数的比例。评判结果如表7所示。根据表中隶属度评判结果构成单因素评价矩阵，如R1所示。

（4）计算二级指标综合评价体系K

根据三级指标单因素评价矩阵R1，R2，R3，R4，分别与相应权重集W1，W2，W3，W4相乘，计算所得二级指标综合评价体系K。

表7 隶属度评判结果

（5）确认一级指标综合评价矩阵L

根据上述二级指标评价体系，与二级指标权重集相乘，计算所得综合评价矩阵L

（6）计算修正系数C

则C=1.216

（7）计算修正后的广告价值P

最终算得的2017年第四季度微博媒体广告价值为P=32,823万元。

本文以微博为例构建了互联网媒体广告价值研究初步模型，根据研究结果表明，通过模糊评价法对收益法求得的广告价值的进行修正后，最终得到微博2017年第四季度的广告价值为32,823万元，与实际值33,230万元更加接近。实算表明，运用模糊评价法算得修正系数，使得调整后的广告价值更接近公允价值。

五、互联网广告价值评估应注意的问题

本文以“微博”为例研究互联网广告价值评估方法，先运用灰色模型对互联网广告的预期收益进行估测，再通过对广告价值产生机制的分析，构建对互联网媒介广告价值影响因素的评估体系，结合专家评判和数学分析，使得最终评估的互联网媒体广告结果更加客观和准确。但是，在评估互联网媒介广告价值过程中，还应注意以下两点问题：

1.运用灰色预测模型进行互联网广告价值初始估测时，注意模型精度检验。

运用灰色预期模型，采用收益法对互联网媒体广告价值进行初步评估时，为保证最终结果的准确性，应注意在运用灰色预测模型估测互联网广告价值时，应特别关注模型精度的检验，若模型精度不能满足要求，需要对原有模型进行修正，最终达到模型的精度要求，这样采用收益法估测的互联网媒介广告价值才能更加准确。

2.评估不同互联网媒介广告价值时，注意对广告价值的评价指标体系进行合理修正。

由于不同互联网媒介自身发展和盈利模式变化速度不同，其广告价值影响因素的权重也在不断变化。在评估特定互联网媒体广告价值时，针对所评估媒体自身情况，结合专家建议，调整相应广告价值评价指标的权重，再运用模糊评价法算得修正系数，以便更准确计量其广告价值。

总之，基于过程效用理论的评估方法，对互联网媒体广告价值的定量化和规范化方法具有积极的促进作用，同时也为后期互联网媒体广告的评估提供一种有益的思路。