广播电视和网络视听大数据业务评价体系构建策略分析

穆丽娜

（作者单位：江苏有线华博在线传媒有限责任公司）

近几年，中国广播电视传媒大数据研究取得显著进展，填补了广播电视领域大数据研究业务的空白。作为服务全国广播影视的特色智库，广播电视和网络视听大数据业务可以为广播影视的繁荣发展奠定基础，确保广播电视和网络视听媒体融合空间更加广阔、研究方向更加清晰、研究目标更加精准、研究课题更加超前。但是，当前关于媒体融合视域下广播电视和网络视听大数据业务评价仍然存在不足，无法为广播电视和网络视听大数据业务的发展提供更高质量的反馈。因此，分析媒体融合视域下广播电视和网络视听大数据业务评价体系构建策略具有非常突出的现实意义。

1 媒体融合视域下广播电视和网络视听大数据业务评价必要性

1.1 增强核心竞争力的需要

不断提高核心竞争力是媒体融合视域下广播电视和网络视听业务开展的客观要求。为了实现这一要求，相关参与主体必须对业务进行分析，开展大数据评价工作。通过常态化分析，对广播电视和网络视听大数据业务的阶段目标完成进展情况进行对比，明确差距、根源，有助于第一时间采取应对措施，提升业务效益[1]。同时，通过各主体将自身业务与竞争对手进行对标，可以明确业务竞争薄弱点，为业务竞争力的增强奠定基础。

1.2 开展内部分配的需要

内部分配是广播电视和网络视听大数据业务责任制落实的重要前提。媒体的快速发展和深度融合带来了海量数据，对内部分配提出了新的挑战。此时，开展大数据业务评价，考察客观环境变化对广播电视和网络视听各项融合业务的影响，分清影响各个主体效益的主客观原因，查明内部各个责任人活动对业务目标实现的影响与应当担负的责任，对于正确评价各个责任人工作业绩、明晰贡献大小、做好内部分配至关重要，有助于确保业务永葆生机。

1.3 加强媒介管理的需要

从媒介管理视角来看，广播电视和网络视听大数据业务评价无疑是一项非常迫切的课题。当前，关于媒介融合的评价多以单一类型媒体出版物为对象，且未均衡多类型媒体传播业务的评价体系，不利于媒介管理。而通过构建媒体融合视域下广播电视和网络视听大数据业务评价体系，可以均衡多类型媒体传播业务评价指标，为媒介管理工作的强化开展提供系统的理论支撑[2]。

2 媒体融合视域下广播电视和网络视听大数据业务评价现状

2.1 统计口径不一

广播电视和网络视听大数据业务融合过程中，评价数据统计口径不统一问题较为严重。在实际评价过程中，从业者不仅需要统计多源异构数据，而且需要统计海量智慧广播电视业务数据。现有统计方法无法有效解决异构数据与业务数据融合统计问题，特别是有线电视业务、交互式网络电视（Internet Protocol Television, IPTV）业务中存在的种类繁多的用户数据统计，影响了收视大数据的进一步开发与运用。

2.2 评价方法不统一

媒体融合视域下，广播电视和网络视听大数据业务评价方法不统一，影响了评价结果的实用价值。多数广播电视业务评价选择“并列式评价体系”，以媒体业务模块划分播放、用户、推荐、搜索、付费等，并在不同业务大类下设置对应基础衍生指标，如播放大类下设置的基础衍生指标为人均点播时长、点播次数等；部分网络视听业务评价选择“核心-外围式评价体系”，以访问量、视频播放量、独立访客数、视频播放时长等基础指标为核心，以人均视频播放时长、人均视频播放次数等衍生指标为外层；个别业务评价选择“垂直式评价体系”，以进入、播放、评价环节划分，按顺序垂直化呈现平台用户行为，如“进入”环节呈现“历史续看进入”“搜索进入”“推荐进入”等。

2.3 指标维度不一

指标维度不一是媒体融合视域下广播电视和网络视听大数据业务评价中的显著问题，表现为数量、层级的差异，广播电视行业业务指标数量多、颗粒度细致[3]。具体到指标维度上，广播电视与网络视听融合业务评价衍生指标多从若干统计维度开展百分比、均值组合计算，个别业务则由日、周等存在差异时间颗粒度开展衍生指标设置，对媒体业务评价工作的系统开展造成了较大的不利影响。

3 媒体融合视域下广播电视和网络视听大数据业务评价体系构建策略

3.1 融合统计口径

高度一致的数据统计口径是广播电视和网络视听大数据业务评价体系构建的前提。在大数据集群上，可以采用海杜普（Hadoop）生态圈大数据存储技术，依据标准数据仓库建模思路，融合种类繁多的数据源、大规模电视收视业务异构数据，并根据需要进行异构数据的二次挖掘，根据挖掘结果分析广播电视和网络视听融合节目的收视质量，为广播电视和网络视听大数据的业务体系优化提供依据[4]。基于Hadoop 生态圈大数据存储技术的广播电视和网络视听业务数据统计需要以广告时段、节目时间、调台频率为对象，分类采集后进入由Hadoop 生态圈大数据存储技术支撑的存储模块，预先除噪声后转移到由分布式文件系统（Hadoop Distributed File System, HDFS）开发的面向列式存储的分布式数据库——HBase 数据库，一次写入，多次读取。进而在HBase 数据库内，利用聚类分析方法（或分类器）算法挖掘海量电视和网络视听业务数据中具有一定价值的数据，为广告精准投放、视频推荐、节目动态调整提供依据。为提高电视和网络视听业务数据统计分析效率，可以在MapReduce 架构内并行运算大规模数据集，即借鉴函数式编程语言，指定一个Map（映射）函数，将一组键值对映射成一组新的键值对，并行处理不同输入数据，获得不同中间结果产出。随后指定并发Reduce（规约）函数，确保全部映射键值对内每一个共享相同键组，并行处理不同中间结果产出，有效计算最终结果并输出。

广播电视和网络视听大数据业务评价数据统计口径的融合本质上是以全网络、云计算、大数据、全样本为原则，搭建广播电视与网络视听大数据业务、网络传输机构之间的信息交互渠道，经渠道汇集用户收视行为数据，汇集后根据需要进行初步清洗、转换、挖掘、分析，最终输出若干核心指标。整个过程中充分发挥并行计算、弹性扩容、流式计算优势，结合系统规模性、扩展性、实时性要求，处理数千万级海量用户收视数据，为收视统计提供参考。同时在无缝衔接汇聚、清洗、采集、分析、呈现多个环节的基础上，跨终端、跨网络、跨地域、跨频道、跨方式分析，涵盖热门节目与小众节目、黄金时段收视与普通时段收视、直播与点播、有线电视与互联网电视多种方式，分析颗粒度精准到户，为媒体融合视域下广播电视和网络视听大数据业务内容选材、需求组合、素材集成、创作生产、分析预测提供客观真实的数据统计。后续根据需要可以将统计口径延伸到卫星直播、网络视听、全国有线电视网络整合、5G 移动应用中，适应广播电视和网络视听融合发展业务新变化，持续丰富大数据业务评价数据来源。

3.2 统一评价方法

媒体融合视域下，广播电视和网络视听大数据业务评价方法的统一建设至关重要。根据广播电视和网络视听大数据业务开展共性需求，结合不同业务的市场性、公益性特点，相关主体应聚焦媒体传播特点，以用户为核心，从媒体实际业务内容着手，开展总体业务评价目标的层次化处理。同时对照与媒体业务相关的服务内容、服务对象、服务质量，设置客观指标，确保评价方法兼具通用性与精确性，且评价体系内部运行逻辑关系清晰，可满足不同视听媒体的横向对比、广播电视和网络视听大数据业务的纵向分析要求[5]。借鉴前期广播电视和网络视听大数据业务评价方法使用经验，集成并列式评价、“核心-外围”评价，以及垂直式评价方法，搭建分层建构。第一层为并列式评价方法，主要针对广播电视和网络视听大数据业务主体，进行“媒体业务”大类划分；第二层为“核心-外围”评价方法，主要针对广播电视和网络视听大数据业务模块，进行不同业务基础指标、衍生指标设置；第三层为垂直式评价方法，主要针对广播电视和网络视听大数据业务模块下的指标，进行过程顺序排列。

在并列式评价、“核心-外围”评价，以及垂直式评价方法集成应用的分层评价架构内，媒体业务多体现在媒体内容生产过程中的媒体内容大数据（音视频、文字、图片等）、媒体内容消费过程中的媒体用户大数据（分享、互动、视听环节数据集合），如不同终端应用的注册登录数据、收看收听数据、浏览访问数据、运营维护数据、终端信息数据、互动分享数据等。

3.3 统筹指标维度

统筹指标维度是媒体融合视域下广播电视和网络视听大数据业务评价的重中之重。针对以往评价指标维度不统一的问题，可以借鉴五维数据评价理念，沿着“媒体创建→生产→技术→运营发展→传播”这一逻辑链条，整合大数据业务与媒体行业衔接的交叉实践结果。进而在五维生态圈内，从内容生成能力、传播应用能力、数据生成能力、资本融合能力、营销实现能力多个维度着手，进行指标的设置。

3.3.1 内容生成能力维度

内容生成能力维度是媒体融合视域下广播电视和网络视听大数据业务评价指标形成的核心，主要对标媒体价值创造，可以细分为生成方式、信息来源、专业能力、表现形式。其中生成方式又可细分为内容编辑、内容原创、智能写作、搜索能力、众创生成，分别借助稿件来源机构数量、原创人员数量、终端单次篇数、终端单次搜索篇数、终端单一议题参与人数指标进行量化评价；信息来源又可细分为大众信息、个人观点、全文发布，分别借助终端单次大众信息篇数、单日个人观点篇数、单日全文发布篇数进行量化评价；专业能力可细分为论文数量、获奖数量、被引用转载量，分别借助年度发表权威论文数量、年度获奖项数、被引用/转载次数进行评价；表现形式特指个性化方式，借助千人终端版本数量进行量化评价。

3.3.2 传播应用能力维度

传播应用能力维度对标现今时代广播电视和网络视听媒体发展趋势，与媒体传播需求刚性具有较大关系。传播应用能力的二级指标是应用需求、交互能力、接触能力、传播成本、应用体验、传播速度。其中，应用需求对应行业需求度，借助千人应用数量进行量化评价；交互能力对应多向交互频次、平台交互数量、多向交互层级，分别借助点赞/阅读/转发数、日活跃人数、层级数进行量化评价；接触能力涵盖送达率、曝光率，分别借助千人点击数、千人曝光数进行评价；传播成本涵盖终端单价、推广单价，量化分析依据是单个终端传播费用、单个终端推广费用（元）；应用体验对标黏性、卸载率，可借助年度千人卸载数量、日均个人使用时长进行评价；传播速度为推广周期、传播速度，借助终端推广周期（小时）、终端传播周期进行评价。

3.3.3 数据生成能力维度

数据生成能力维度主要对标以终端数据方式呈现的新技术背景下广播电视和网络视听业务融合传播影响对象、结果，与数据逻辑性、完整性具有较大关系。数据生成能力又可细分为覆盖率、关联性、科技性。其中，覆盖率评价指标包括速度比、终端数据占有率，量化参考为千人下载量、个人终端数据项数；关联性评价指标包括终端数据完成速度、系统数据完成速度、终端数据关联性、系统数据关联性，量化评价依据千人终端数据完成周期（天）、系统数据完成周期（天）、千人终端数据交叉项数、千人系统数据交叉项数开展；科技性可细分为科研人才结构、技术开发能力、科研资金规模，量化指标为专业技术人数、技术使用项数、科研资金额（万元）。

3.3.4 资本融合能力维度

资本融合能力维度主要对标新媒体创建和产生，可以细分为投资能力、融资能力与商业模式。其中，投资能力对应指标为营业额、利润额，分别指年度营业额（亿元）、年度利润额；融资能力包括资金来源、融资周期、融资金额，分别借助资金来源渠道数量、单笔融资到位天数、年度融资金额进行量化分析；商业模式包括资本主导、技术主导、销售创新，分别借助年度资本成本（万元）、年度技术成本、年度销售成本进行评价。

3.3.5 营销实现能力维度

营销实现能力维度主要对标广播电视和网络视听市场表现形式。因营销实现能力与传播终端重合程度具有较大关系，可设置营销实现能力维度的二级指标为终端获取方式、终端购买方式、终端到达方式。其中终端获取方式为消费渠道、消费信息，可以借助关联商品渠道数量、终端历史消费记录次数进行评价；终端购买方式包括支付平台数量、千人成交人数，可以借助支付数量、千人成交率进行量化评价；终端到达方式包括综合服务能力、终端推送能力，可以借助服务平台数、千人终端互动人次进行量化评价。

4 结语

媒体融合视域下，广播电视和网络视听大数据业务日新月异，从业者应审时度势、超前布局，纵深了解广播电视和网络视听大数据业务发展现状、趋势。在定性分析的基础上，利用定量分析手段，剖析我国广播电视和网络视听大数据业务取得的成绩和存在的问题，推动实施广播电视和网络视听大数据融合战略，加快完善广播电视和网络视听融合基础设施，推进广播电视和网络视听资源开放共享与安全整合，为广播电视行业发展提供充足支持。