不完全信息下的多区域传播效果评估体系构建

袁才俊

摘 要 伴随着媒体内容融合的日渐深入，如何将不同媒体指标融合，进行传播效果综合评估，成为了业界关注的焦点。文章较为详细地提出了一种通用算法，旨在解决中小型市场数据资源不完备情况下，跨媒体指标无法多市场有效融合的困境。算法依托于模糊层次分析法，将市场的人口、经济、媒介相关指标作为评价因子，综合评价出各个城市的市场权重，从而可以通过加权求和的方式实现跨媒体指标的融合。

关键词 媒体融合；评价体系；市场融合；模糊层次分析法

中圖分类号 G2 文献标识码 A 文章编号 2096-0360（2021）04-0035-04

1 跨媒体传播效果评估研究现状

1.1 研究背景

在习近平总书记“四全媒体”理念的要求与鼓舞下，贯穿传统与新媒体的“全息”式呈现模式已经成为了当下内容传播的有效手段。

但是现实语境下各媒体以及各市场的信息仍然相互隔离，形成一座座信息孤岛。传播效果的跨媒体、跨市场融合评估逐渐成为如今业内关注的焦点。

1.2 跨媒体传播效果评估

纵观目前关于跨媒体传播效果评估的研究，大多从跨媒体指标意义出发，或建立新的融合指标体系将传统与新媒体数据都综合考量[1]，或从测量方法上提出以区块链进行数据共享[2]。而实际跨媒体传播效果的评估分为两部分，除了需要完成跨媒体融合指标的计算（图1），后续根据评估需求进行多市场融合指标的融合也十分关键，具有重要研究价值。

2 跨市场指标融合策略与市场系数评估

2.1 跨市场融合策略理论介绍

跨媒体融合指标包括播放量等绝对指标，也包括融合收视率、融合到达率等相对指标。想要融合来自不同市场的跨媒体相对指标、将来自不同市场的相对/绝对指标进行比较以及将总体市场的绝对指标进行垂直细分均需要考虑市场规模。如对于（融合）收视率的市场融合，合理的方式是利用收视率公式[3]反推收看总人数再进行融合：

但这一解决方案受限于融合指标下各类媒体形态市场数据的统计方法差异而无从开展：1）传统电视收视测量采用日记卡、人员测量仪等抽样测量方法[4]，本身并未基于市场规模测量；2）网络、移动媒体，收视率、播放量等指标的测量都是依托于用户访问请求等，凭借IP地址定位市场所得用户总数不准确（存在临时移动、使用代理等潜在可能性），且往往数据不公开，外部得到的数据往往是全网层面；3）小城市/乡/镇的用户数据统计困难。

在市场指标测量标准统一、数据开源前，建立一套较为客观合理的市场数据补全算法，弥补市场数据缺失而带来的媒体融合失灵，意义重大。

从公式不难看出，市场数据用于将无法直接比较加和的相对指标转为绝对指标。排除量纲来看，市场数据相当于相对指标的权重，用于根据市场状况放大或缩小相对指标，以实现其绝对意义，因而可以建立如下理论模型：

1）进行多市场的（融合）相对指标融合计算时有：

2）进行不同市场的（融合）相对指标比较时，参考传统收视率的计算改进策略，市场系数可以作为调节因子，避免因市场规模差异而导致的“相对指标失真”。

3）对于只有总体市场层面数据的绝对指标（如网络媒体的阅读量、播放量），映射市场规模的市场系数也可以作为权重估算各个细分市场的数据。

因而要解决市场数据缺失带来的融合指标不可比、不可加、不可拆分的问题，关键在于为各个市场指标设置可靠有效的市场系数。

2.2 模型构建

在传统的多市场指标求和公式中，相对指标转为可加可比的绝对指标的权重因素往往只考虑了市场的用户数/设备数，而实际上影响不同市场指标的可比性与可加性的因素不仅仅包括这一参数。

结合过往参考文献，将权重的影响因素归为人口、经济、媒介三个准则层维度建立指标体系，参见表1。

3 模糊层次分析算法

3.1 算法简介

模糊层次分析法（FAHP）一种定性与定量相结合的系统分析方法，广泛运用于系统评估、行为评价的研究。其主观之处在于输入层面需要由人工对各层次的各项指标的重要性对比做出评价。但由于依托于数学统计方法，基于模糊系统理论，最终权重的主观性会随着层次的复杂性、以及模糊处理而尽可能降低。

3.2 算法实现与案例展示

本研究基于python3.7在windows10操作系统下完成了市场评估算法的实现，并邀请了传播效果研究方面专家参与市场评估样例的构建，算法流程分步骤阐述如下。

1）在各层次构造模糊判断矩阵。算法第一步是由本领域专家为准则层与指标层的指标人为进行两两对比评分。评价采用0.1—0.9标度法[1]：

专家/研究者进行评价时可以介于标准之间；专家需要对每个指标做出最低评价（li），中间评价（mi）与最高评价（ui）；此时由于主观性误差从具体值转移到了评分区间，且将多人评价取均值，将极大降低主观因素干扰。

五位专家三值评价取均值后得到如下模糊判断矩阵：

2）计算每个指标的综合模糊值。

综合模糊值的公式

分子表示每一行三值组成向量求和，分母表示整个矩阵每一个三值向量求和结果。

3）去模糊化。由步骤2）得到了经过处理后的各指标的初始权重，但此时权重仍然为模糊化后的向量（模糊数）（li，mi，ui），此时需要进行去模糊化处理。将一个指标去模糊化过程实际上是计算该指标模糊数大于其他所有指標模糊数的可能性，这里以三角函数型隶属函数作为重要性标度的隶属度度量，其函数分布如下：

7）至此，完成了相对指标对绝对指标的转换，可以进行不同市场的指标融合。可用于2.1跨媒体的多市场融合计算。

4 结语

文章为解决市场统计数据缺乏的情况下，跨市场传播效果评估提供了一种新思路：市场数据（用户数、开机数、触达用户数）实际也是调节权重，可以根据可查的人口、经济、媒介等指标做出近似权重的估计并进行比较与求和。算法模型清晰易用，可扩展性强，也具有较高的使用效率。

参考文献

[1]赵彤.媒体融合传播效果评估的路径、模型与验证[J].新闻记者，2018（3）：79-82.

[2]任晓东.媒体融合背景下用户跨屏测量的现实[J].新闻传播，2018（7）：4-6，9.

[3]刘燕南.电视收视率解析：调查、分析与应用[M].2版.北京：中国传媒大学出版社，2006：77-79.

[4]熊华明，谢长生，夏征宇.电视节目综合评估与预警系统的设计与实现[J].计算机工程与应用，2002，38（20）：215-217.

[5]向志强，汤青.传媒产业发展中技术影响的实证研究[J].现代传播（中国传媒大学学报），2015，37（5）：120-124.