電視收視范文10篇

【內容提要】運用文獻資料、比較研究等方法對全球奧運會電視收視狀況進行分析，同時對我國近2屆奧運會節目收視狀況進行了分析研究。在此基礎上，對2008北京奧運會電視轉播前景進行了展望，并就北京奧運會電視市場開發工作中應注意的問題提出了建設性的看法，以期能夠勾勒出奧運會電視傳播基本特征，探索奧運會電視報道工作的內在規律性，為做好2008年北京奧運會電視報道工作服務。

【摘要題】奧林匹克運動

【關鍵詞】奧運會/電視市場/收視率/北京

【參考文獻】

[1]孫維佳.2008北京奧運電視轉播與中國廣播電視業的歷史機遇[EB/OL].中國人民大學視聽傳播研究中心，/ReadNews.asp?NewsID=349.2005-02-16.

[2]陳佳.全球電視臺上血本播奧運電視轉播收入再創紀錄[N].中國青年報，200409-09-03.

【摘要】電視劇的收視率和網絡播放量一直是衡量電視劇熱度的重要評價指標。本文在前人研究的基礎上，首先對收視率的時間序列變化進行研究。采用無監督學習的流程，總結出描述收視率變化的四個特征，用k-means聚類分析方法，依據四個特征將電視劇分成了三類，并根據每一類收視率的實際變化特點，分別采用自回歸模型和灰色預測模型進行了時序預測，最終分析出了電視劇收視隨時間的變化趨勢。

【關鍵詞】時間序列預測；k-means聚類；自回歸模型；灰色預測模型

1.前言

電視劇（又稱為劇集、電視戲劇節目、電視戲劇或電視系列劇）是一種適應電視廣播特點、融合舞臺和電影藝術的表現方法而形成的藝術樣式。電視劇熱度值，不僅體現了人們對于娛樂生活的輿論趨勢，更是電視劇平臺多元化發展的體現。對于電視劇熱度值的研究正在快速發展，人民大學新聞學院的周小、韓瑞娜、凌姝在其相關研究中，開展了對網上收視度與線下收視率的關系探討，并提出了多屏發展下新的電視評估體系的參考因素[1]。此外，胡兵、鄧極在《微博對電視劇收視率的影響研究》中，還深入探究了新媒體微博對于傳統電視劇收視率的影響[2]。各大視頻網站都在近幾年推出了關于電視劇指數的綜合評價體系，如“愛奇藝指數”、“優酷指數”等。本文在前人研究的基礎上，逐步深入地對多屏播放模式下的電視劇熱度展開了研究，探尋了電視劇收視率變化模式的客觀規律，提出描述收視率變化模式的四個特征，并用k-means方法進行聚類分析，根據三類電視劇的特點，建立了自回歸模型和灰色預測模型進行時間序列預測，按類別對比了不同階次間自回歸模型的擬合效果，最終建立了通過歷史數據對電視劇最后三集的收視率進行預測的模型。

2.電視劇收視率預測模型的建立和求解

2.1數據收集和預處理。本文中用到的電視劇相關信息主要來源于百度百科資料庫，其中收視率數據來源于CSM52城市網和全國網收視率（www.csm.com.cn），播放量數據來源于騰訊、優酷、愛奇藝等主流視頻網站。當一部電視劇在同一時間段于多個電視臺播出時，我們將各個臺收視率加在一起，作為數據用收視率。在收集到近幾年電視劇的比較權威的大量數據后，我們小組對數據進行了預處理工作。電視劇的熱播有很多原因，為了研究熱度高的電視劇內在的規律，我們將研究對象定為近幾年的“大熱劇”。研究對象符合以下兩條標準：（1）最近三年播出：由于近幾年網絡化發展迅速，收視率和播放量的發展模式與數年前有所不同。若加入很早之前的熱門電視劇（如《還珠格格》、《西游記》）為研究對象，勢必會造成收視率與網絡播放量的異常波動，所以我們將研究對象定為近三年電視劇。（2）平均首播收視率在2%以上：通過收視率以及網絡搜索量數據比較，我們發現，近三年的電視劇中，平均收視率在2%以上的電視劇，在播出時均造成了不小的轟動，并成為了當時的熱點，符合我們對于研究對象熱度高的要求。所以，我們用以上條件為標準，并結合了社會輿論、觀眾口碑和電視劇影響力等因素進行調整。從近三年所有電視劇范圍內，最終選擇了《瑯琊榜》、《人民的名義》、《羋月傳》、《三生三世十里桃花》、《花千骨》、《歡樂頌1》、《歡樂頌2》、《微微一笑很傾城》、《武媚娘傳奇》、《虎媽貓爸》、《何以笙簫默》、《親愛的翻譯官》、《女醫明妃傳》這13部類型、風格、播出時間并不相同的“大熱劇”為研究對象。2.2基于收視率特征的電視劇聚類分析。對于收視率來說，因為前幾集的收視率勢必與后幾集的收視率有很大的關聯性，所以通過歷史數據可以一定程度上揭示現象的變化規律，所以我們采用時間序列預測模型。本文選用自回歸模型進行預測。由于不同類型的電視劇具有不同的收視規律，顯然不適合用同一模型求解。因此，我們將收視率的變化模式作為電視劇聚類標準，將研究對象進行聚類分析。為了定量地刻畫電視劇的變化模式，我們對13部電視劇的收視率與集數進行了一次、二次擬合，將擬合得到的參數作為聚類特征，進行了如表1的統計分析。表1描述收視率變化模式的四個特征用上述方法，可以分別計算出13部電視劇的每個特征值，由于篇幅所限不再一一贅述。進而利用python實現k-means聚類分析的方法，將所有電視劇分為三個類別，每個類別具有如下表2的特征：2.3收視率自回歸模型的建立與優化。2.3.1利用AR(2)模型預測第一種模式電視劇收視率首先，對于第一種模式，我們選取了《人民的名義》作為研究對象，分別嘗試了四種自回歸模型。采用同樣的訓練集和測試集，來評估不同回歸模型的性能。此處代表第集的收視率：經過研究發現，第三種模型，即運用前一集和前第三集的數據的二階自回歸模型擬合最好。因為收視率會受到人為因素影響，相鄰劇集間收視率會小范圍波動，而采用隔一集的收視率數據可以一定程度上減少波動帶來的影響。而三階自回歸模型會因為參數較多，出現一定的過擬合現象。因此，我們選擇的自回歸模型為：我們利用《人民的名義》、《三生三世十里桃花》、《歡樂頌1》、《虎媽貓爸》、《何以笙簫默》作為訓練集，以《女醫明妃傳》作為與測試集檢驗模型的性能，利用excel的擬合工具進行求解，最終得到模型的表達式為：之后分析該模型的擬合性能，模型的擬合優度R2=0.92988，SignificanceF=3.67*10-45。兩個影響因素的P-value也通過了0.05的顯著性水平檢測?？梢姡撃Ｐ驮谟柧毤夏軌蜉^好地反映出數據的波動性。之后對該模型的預測性能進行檢測，將《女醫明妃傳》后23個收視率數據代入模型中，求解出《女醫明妃傳》后20個收視率數據的預測值。經過計算，該模型在測試集結果中，真實值與預測值的相關系數為0.923112，均方差為0.981483。能夠看出，模型具有較好的預測能力。2.3.2利用GM(1,1)模型預測第二種模式電視劇收視率接著，我們分析了第二種模式中劇集的收視率變化。在第二種收視率變化模式中，由于存在收視率的拐點，所以最后的10集的收視率可能有所下降（如羋月傳），也可能上下波動（如花千骨）。所以在該模式中，我們選取電視劇的后半段收視率作為訓練集，并選取非線性的時序預測模型——灰色預測GM(1,1)來進行建模。GM(1,1)模型是一種灰色動態預測模型，在灰色系統理論中應用最為廣泛的，該模型是由一個單變量的一階微分方程組成，可以用于復雜系統某一主導因素特征值的擬合和預測，以探究主導因素變化規律和未來發展變化態勢。該模型訓練需要的數據少，能夠反映非線性的變化趨勢，同時對樣本分布沒有嚴格的平穩性要求，所以非常符合該模式的收視率預測。我們利用python編程實現了灰色預測模型，訓練集采用《羋月傳》、《瑯琊榜》、《花千骨》、《微微一笑很傾城》、《歡樂頌2》五部電視劇的后一半集數的收視率，測試集選取這五部電視劇的最后三集收視率。我們建立了GM(1,1)模型和二階自回歸模型進行對比，希望體現出灰色預測模型對于該類電視劇的適用性。經過模型的訓練和求解，在測試集上的測試性能如表3所示。從表3可以看出，真實值和預測值的均方差方面，GM(1,1)模型均方誤差為，而AR(2)模型的均方誤差為，灰色預測模型表現更加優秀。同時以《羋月傳》和《微微一笑很傾城》為例（在表格中標注為黃色），灰色預測模型成功預測出了最后兩天的下降趨勢，而自回歸模型則并未能預測出來2.3.3對第三種模式電視劇收視率的討論在數據統計過程中，我們也發現了諸如《親愛的翻譯官》、《古劍奇譚》等電視劇，其收視率變化模式存在較大幅度的波動。究其原因，這些電視劇的收視率收到很多其他外界因素的干擾。以《古劍奇譚》為例，該劇作為湖南衛視試水的首部周播劇，開創了周播劇先河，并且收獲了大量粉絲，成為了當時的現象級熱播劇，然而我們發現，其電視劇收視率在接近結尾的15集左右，出現大幅度下降。經過分析發現，收視率縮水的時期正好在8月末9月初，處在開學期。由于《古劍奇譚》屬于古裝仙俠劇，主演們均為當紅小鮮肉，所以面對的收視群體多為年輕觀眾，包括一大部分學生。所以導致在開學季出現收視下滑。從中我們也可看出收視群體的不同，對于電視劇收視率的影響。由此看出，這類電視劇的后三集收視率很難用之前的收視率來預測。一種解決方案是排除異常點的干擾，通過數據預處理進行降噪，進而用AR(2)或者GM(1,1)模型求解；另一個解決方案是在模型中加入更多的影響因素，建立多元回歸模型進行求解。

【摘要】本文對影響電視劇熱度的因素進行了系統的研究。首先通過建立并優化AR(2)、ARMA(2,3)單一模型，預測電視劇后三集的收視率；之后建立ARMA-BP神經網絡組合模型，以ARMA(2,3)模型捕捉線性特征，用線性殘差訓練BP神經網絡以捕捉非線性特征。通過在測試集上的計算，證明組合模型的性能優于單一模型。

【關鍵詞】電視劇收視率；一元線性自回歸模型；時間序列；BP神經網絡

1.前言

電視劇的熱度是對其影響力和關注度的綜合衡量指標。為了在目前“多屏模式”下找到電視劇熱度的影響因素，并且提出更綜合、客觀的衡量指標，國內外專家學者進行了很多針對性的研究。主要可以分為兩類：（1）單一預測模型，如：梁招娣等基于RBF神經網絡對電視收視率進行預測[1]，等基于BP神經網絡建立收視率預測模型[2]，張春燕等利用ARMA模型對在線電視劇流行度進行預測[3]，毋世曉等人利用移動平均法預測網站電視劇視頻點擊量[4]等等。（2）組合預測模型，如：張茜等基于TEI@I方法，提出了對綜藝節目收視率預測的研究框架，引入了新的解釋變量百度指數和新浪微指數，并采用模型集成技術顯著提高了預測精度[5]。黃玲莉等基于ARIMA與BP神經網絡，建立了收視率組合預測模型[6]。對比前人的研究成果，我們發現組合模型的效果比單一模型更加出色。因此，本文在前人已有研究的基礎上，綜合運用了多種機器學習模型，對影響電視劇熱度的因素進行了系統的研究。

2.收視率單一時序預測模型的構建和優化

2.1數據收集和預處理。本研究選取了2015年到2017年期間首播的共23部完結的電視劇作為研究對象，這些電視劇包含了不同種類的收視率變化模式，均屬于該種類中較為典型的電視劇，可以比較全面的反應不同的收視率變化情況，確保了模型的廣泛性與合理性。研究中所有的收視率數據均為索福瑞CSM52城收視率統計值，電視劇的基本信息（如首播日期、播出衛視、每天播放集數）等信息來源于百度百科，所有的原始數據都存儲在補充材料的excel表格中。2.2建立AR(2)模型進行預測。首先，本文使用二階自回歸的時序預測模型，利用電視劇前集的收視率數據來預測最后三集的收視率。其中該模型的基本假設為：（1）電視劇收視率變化平穩，不會因為外界因素的臨時干擾而發生突變；（2）不同時間的電視劇收視率統計方法一致，能夠反映電視劇的受關注程度。本文基于以上的模型假設，建立了二階自回歸模型，即AR(2)模型。若假設代表第集電視劇的收視率，那么該模型的表達式為：利用excel自帶的數據分析工具進行擬合，此處以2017年收視率榜首電視劇《人民的名義》為例進行模型的訓練和求解。其中訓練集和測試集分別為：（1）訓練集：《人民的名義》前29天、共47集的收視率作為訓練集。（2）測試集：《人民的名義》最后3天、共5集的收視率作為測試集。經過excel的擬合分析，得到《人民的名義》二階自回歸擬合的表達式為：擬合得到的擬合優度，說明該模型在訓練集上具有比較好的擬合效果。之后在測試集上對該模型的預測性能進行測試，將后3天的收視率真實值和通過模型計算出的預測值進行對比，并且計算均方根誤差參數來衡量預測性能。最終通過計算得到的預測結果，預測值序列和真實值序列之間的均方誤差為。可以體現該模型具有不錯的預測性能。用同樣的方法，對其余的22部電視劇建立AR(2)模型，分別作出收視率的預測分析。結果發現，對于部分電視劇來說，該模型的預測性能比較好，如《平凡的世界》RMSE=0.056，《北上廣不相信眼淚》RMSE=0.051，《外科風云》RMSE=0.077。而對于另外一些電視劇，該模型的預測性能比較差，例如《孤芳不自賞》RMSE=0.534，《于成龍》RMSE=0.583，《親愛的翻譯官》RMSE=0.683。由此可見，最簡單的AR(2)時序預測模型僅能實現一定程度的預測功能，其局限性主要體現在以下兩個方面：（1）只能描述數據分布規律中的線性特征，而難以刻畫數據分布的非線性關系。這就使該模型對于基本符合線性增長趨勢的電視劇收視率與測量好，而對于波動性較大的電視劇收視率難以精準預測；（2）部分模型存在過擬合的問題，將數據中的噪聲當做了信號進行處理，有些參數的p-value不能通過0.05顯著性水平檢測。2.3對數據和模型進行優化處理。2.3.1對收視率數據異常點的處理。通過對部分電視劇測試結果的深入研究，發現部分預測收視率與真實收視率差距較大的電視劇，都存在兩種不一樣的播放模式。例如《武媚娘傳奇》有單集播放的、也有三集連播的；《人民的名義》有單機播放的、也有兩集連播的。為確定“收視率異常下降”與“當日單集播放”之間的關系，我們對23部電視劇中有不同播放模式的17部電視劇進行了統計分析，得到了如表格1所示的結論。此處，“收視率異常下降”定義為“該天的收視率明顯小于本電視劇收視率的線性增長趨勢”。由表格1可以非常明顯地看出，在所有的考察對象的單集播放日中，“收視率異常下降”事件出現的概率遠遠高于所有播放日的平均概率。所以我們認為，“單集播放”是與“收視率異常下降”存在緊密的聯系。所以，我們首先對于研究對象電視劇的所有單集播放日中“收視率異常下降”的數據進行了修正，采用均值插值的方法，替換掉原有的收視率異常點。修正后的收視率等于單集播放日前后的收視率平均值。2.3.2將AR(2)模型優化為ARMA(2,3)模型。在完成對單集播放日異常點的修正后，部分電視劇依然存在比較大的波動性。因此，進一步優化模型，引入移動平均的優化計算，對波動劇烈的曲線進行平滑濾波，從而降低波動性帶來的影響，更容易地把握住數據分布的線性趨勢。因此進一步將AR模型優化為ARMA模型。在ARMA(p,q)的模型識別和定階過程中，我們以《人民的名義》電視劇為樣例，對p、q兩個參數采取逐步試探法以獲得最佳值。經過多次嘗試，確定收視率預測的最佳模型為ARMA(2,3)。在對單集播放日的異常點修正后，利用matlab實現ARMA的預測功能，再次對表2-4中曾經對AR(2)模型表現不佳的電視劇進行預測，得到新的預測結果為《孤芳不自賞》RMSE=0.235，《于成龍》RMSE=0.462，《親愛的翻譯官》RMSE=0.383.可以看出，經過對數據集的修正和對模型的優化之后，原先AR(2)預測表現不佳的電視劇預測性能都有了一定的提升。改變最大的電視劇《親愛的翻譯官》，其均方誤差降低了44%，其他電視劇的均方誤差也有10%-30%不等的下降。2.4總結與討論。本章節采用單一的時序預測模型，對23部研究對象電視劇進行了逐一的預測。在AR(2)模型的基礎上，一方面深入分析了異常點的規律和特征，對異常點進行了修正；另一方面在模型中加入了移動平均的過程，將模型優化為ARMA(2,3)。最終可以看到，ARMA(2,3)模型在修正后的數據集上，表現出的預測性能比AR(2)在原數據集上的性能要優秀很多。雖然目前的預測模型得到了一定的優化，例如《人民的名義》預測RMSE從0.3285降低到了0.2376，但該模型依舊存在一定的問題。其最核心的問題在于該模型依舊只能描述數據的線性變化趨勢，對于變量之間非線性的變化關系十分無力。為了進一步提高預測的精確程度，我們從前人的工作中得到啟發，嘗試采用組合模型來進行預測，一方面利用ARMA模型的線性描述能力，另一方面利用BP神經網絡的非線性預測能力，二者相結合地展開后續的預測工作。

媒體不僅承擔著提升公眾道德文化水準、維護祖國語言純潔、傳承民族優秀文化等責任，更重要的是承擔著維護國家和社會穩定的責任。表現在把握好輿論導向，這一點決定了電視節目必須把社會效益放在第一位［1］。2011年10月廣電總局下發《關于進一步加強電視上星綜合頻道節目管理的意見》，提出從2012年1月1日起，34個電視上星綜合頻道要提高新聞類節目播出量，同時對部分類型節目播出實施調控，以防止過度娛樂化和低俗傾向，滿足廣大觀眾多樣化、多層次、高品位的收視需求，并要求各廣播電視播出機構要堅持把社會效益放在首位，建立科學客觀公正的節目綜合評價體系。意見明確提出“三不”，即不得搞節目收視率排名，不得單純以收視率搞末位淘汰制，不得單純以收視率排名衡量播出機構和電視節目的優劣。中國電視媒體采取的是體制國有化、運作市場化的模式。電視臺不能單靠政府撥款生存，必須依靠廣告收入來存活，在這種背景下，追求收視率成為了一種必然。

一、傳統收視率

傳統的收視率可分為廣義收視率和狹義收視率。廣義收視率是指在一定時段內收看某一節目的人數（或家戶數）占總調查人數（或總家戶數）的百分比，狹義收視率則是指在一定時段內收看某一節目的人數（或家戶數）占受眾總人數（或總家戶數）的百分比。由于廣義收視率調查所涉及的人群范圍廣，難度大，因此，一般進行狹義收視率（以下簡稱為收視率）的調查。我國目前收視率調查的方式主要有以下三種，即電話詢問法、填表法和調查儀自動記錄法。但電視收視率調查過程中存在諸多問題，主要體現在：第一，調查地域有限，目前媒介數據調查的網絡主要在全國大城市；第二，個性化數據服務不足，許多用戶反映的情況是，媒介數據調研公司所能提供的還屬于基礎性數據，缺乏能按用戶自身要求制成的半成品數據；第三，數據價格規范化和標準不統一，大部分媒體調研都是依賴小量樣本投射出大環境，但取樣的專業依據、樣本群構成及調查方式均會影響準確度；第四，數據提供不及時，欠準確。更重要的是，收視率只能評價受眾是否收視，不能評價受眾是否滿意。滿意度調查的方法目前主要有網絡調查、隨機訪問和問卷調查等方法。這些調查方法除問題設置的科學性外，影響調查結果真實性的因素很多，如網絡調查是最快捷的一種調查方式，但淹沒在茫茫網絡中的網絡調查結果容易受到操縱，真實性很低；隨機訪問的高效性差，礙于情面的調查結果較真實、滿意度要高；問卷調查對被調查者的要求較高，受眾的素質和抽樣的合理性等影響著最終結果的可信度。以簡單的高收視率代替滿意度，可能出現導向錯誤［2］。

二、綠色收視率

對于電視界片面追求收視率現象，中央電視臺率先進行了反思。2005年10月，中央電視臺趙化勇提出，當前電視界在激烈競爭下有片面追求收視率的傾向，導致某些節目盲目跟風、品位低下，不利于先進文化的形成和倡導。2006年2月趙化勇對“綠色收視率”概念作了完整的解釋：“綠色收視率”是中央電視臺貫徹落實科學發展觀的具體體現，也是新時期搞好電視宣傳，實施“頻道品牌化”戰略的前提和保障，努力提高收視率和收視份額，確保國家主流媒體對受眾的影響力和對輿論的引導力，有效體現節目的思想性和導向性，同時，又要杜絕媚俗和迎合，堅守品位、抵制低俗，實現收視率的科學、健康、協調、可持續增長，增強中央電視臺的權威性、公信力和品牌價值?；诖?，中央電視臺將節目綜合評價體系進行了新的探討，分為客觀指標、主觀指標、成本指標三部分量化指標。國內不少電視媒體對央視綠色收視率評價體系進行了積極響應，并提出了新的評價體系，如湖南廣電集團實行高分獎勵、低分淘汰的獎懲制度，其評估公式為：收視率50％＋投入產出比30％＋專家意見20％。從評價體系上看，“綠色收視率”強調的是收視率健康、協調、可持續的增長，強調收視率的增長要建立在節目質量提高的基礎上，而不僅僅是簡單數量上的增長。但“綠色收視率”評價體系中各項指標的權重分配沒有科學依據，“專家學者意見＋電視臺領導好惡”的決策模式并不能確保收視率體系呈現“綠色效應”。

三、有效收視率

去年年末曾有過關于收視營銷學的想法，然后寫了一篇文章，但寫完后除了發給你個朋友看看意見以外，就一直遺忘在自己的文件夾中，昨天經一個朋友提醒，又想起來，今天貼出來，請大家指正。

現今的電視收視競爭越來越激烈，競爭的壓力既來自產業內，也來自媒體大環境。在競爭中電視人為了拼奪收視率，節目創新、廣告、宣傳炒作、社區推廣、包裝、戰略聯盟等等，營銷手段正靈活應用在收視率創收這個領域中，在我看來，這已經開始了一個新的二級學科領域，收視營銷學。收視營銷學是市場營銷學在電視收視市場中的應用，可以定義為：用市場營銷理論指導電視制作人，在節目創作、策劃、編排、制作到傳播過程中，綜合利用各種營銷手段，以滿足電視受眾收視的需要，最終實現節目收視上的創收。收視營銷創造的收益是收視率。

收視率統計就是一種對收視行為的測量。對收視行為進行測量是因為有市場需求。電視節目傳達信息給觀眾，觀眾有選擇的接收，在這一傳一接中，有個有價值的東西產生了，這個東西有人說是眼球，有人說是注意力。無論是什么，是廣告商覺得有價值的東西，電視臺可以售之創利。而且這個東西可以量化，收視率就是其量化指標之一。在電視價值鏈中“電視節目——觀眾——收視率（有價值東西的量化指標）——電視廣告”，電視節目的創利運營要進行兩步行為，第一步從受眾市場獲得收視率，第二步轉銷收視率給廣告商。先是節目制作人的工作，再是廣告經營者的工作。第二步直接用貨幣結算，營銷行為很明顯，而第一步可否也看作是一種營銷行為？

收視率從概念上講是指在一定時段內收看某一節目的人數（或家戶數）占觀眾總人數（或總家戶數）的百分比。在收視統計中，一個節目的收視率可有幾種推算方法，方法不同殊途同歸，其中的一種計算方法是：該節目獲得的累計收視時間占該時間段市場收視時間總量的百分比。以圖1為例，假設某市場全部電視人口總數是10個受眾；節目A的播出時間18:01－18:05（時長5分鐘）；藍色笑臉表示該受眾在此分鐘正在收看節目A，在此分鐘是節目A的觀眾。

節目A獲得的累計收視時間：1*3＋1*4+1*6+1*5+1*2＝20分鐘

該時間段市場收視時間總量：5（節目時長）*10（電視人口總數）＝50分鐘

摘要：電視劇收視率提升，可以帶動電視臺的廣告收入增長，因此一直以來許多工作人員都對電視劇收視率十分重視。但是影響這部分數據的因素極為繁多，諸如播放平臺的知名度、電視劇狩獵的題材范疇、主演的號召能力等等。在此類背景下，筆者將透過大數據環境進行影響電視劇收視率的各類因素細致性研究認證，希望為日后不同平臺電視劇收視業績提升，提供適當的啟發作用。

關鍵詞：電視劇；收視率；大數據；影響因素

透過觀看電視劇，不僅僅可以實時性豐富民眾的精神生活，并且可以帶動不同國家區域之間的互動交流。而鑒定一部電視劇是否成功，就離不開收視率這類關鍵性衡量指標。實際上，我國每年錄制的電視劇數量十分之多，但是最終可以上星且創下不菲收視率的卻是是十分有限的。在民眾日常審美標準愈來愈嚴格背景下，如若要創造較高的收視率明顯變得十分困難。所以說，選擇透過大數據環境觀察梳理影響電視劇收視率的一系列因素，確保日后可以有針對性地予以應對，的確顯得十分關鍵。

一、大數據環境之下影響我國電視劇收視率的相關因素

(一)因變量因素。這部分因變量主要強調不同電視劇由開播持續到結束這部分時間每日的收視成績。(二)自變量因素。通常表現為電視劇本身涉及到的題材范疇，依照時間順序標準劃分，電視劇題材包含古代、現代、當代三種類型，而具體細分又可延展出情感、武俠、玄幻、抗戰等多重形式，當中不同題材都會吸引到各異的受眾群體，深刻證明了電視劇涉獵題材的確會對其收視率產生極為深刻的影響作用。而這里主要沿用到百度指數，原因就是其時刻保留較強的預測性，可以憑借前一天的數據對第二天電視劇收視率造成極為深刻的影響作用。而百度指數，顧名思義，便是憑借百度內部高數量網民的行為數據作為核心的數據互動交流平臺，其可以令廣大用戶在第一時間內掌握部分關鍵詞在百度搜索中出現的具體次數。而在針對一些電視劇收視率進行檢驗判定時，我們主要會運用到集合截面、時期、變量這三類信息的三維數據結構，其亦被稱作為面板數據，由其演算轉變而來的計量模型通常被定義為PanelData模型。假設因變量為yit與Xit=(X1it,X2it…Xkit)，其中后者屬于k*1維解釋變量向量，兩者可以滿足線性關系：yit=ait+Xit*βit+Uit(i=1,2,…,N,t-1,2,…,T)。這類公式描述的就是k個經濟指標在N個截面成員和T個時間點上的變動關系。當中N強調界面成員的實際數量，T則描述每個截面成員的觀測時期總體數量，而參數ait屬于模型的常數項，βit表示對應解釋變量向量Xit的k*1維系數向量，k則集中性闡述解釋變量的具體數量。與此同時，uit是隨機誤差項且時刻維持相互獨立關系，更為關鍵的是滿足零均值等方差為θ2it的假設。

二、基于大數據處理技巧判定不同因素

摘要：近年來，微博上關于電視節目的話題量迅速增多，觀眾群體通過微博平臺對電視節目參與討論也引起了電視業界和經濟學等各大領域研究者的強烈關注。本文對微博傳播特點和影響電視劇收視率的各大因素做了簡單的概括總結，在前人研究成果的基礎上，結合微博對電視劇播出前和播出后的影響力進行對比分析，進而為如何結合微博提高電視劇收視率提供一些可供參考的策略。

關鍵詞：微博；電視??；收視率

網絡技術的快速發展和通訊設備的不斷智能化改變了人們觀看電視劇的方式?，F在，很多年輕人習慣邊看電視劇邊在社交平臺上表達自己對該劇的看法、評價。在微博上，人們可以討論劇情、描述觀感體驗，許多人會通過這些內容判斷這部劇是否值得自己花時間觀看，這就是口碑傳播效應。微博平臺對電視劇收視率的影響力目前愈來愈受到電視運營商、廣告主等的強烈重視。

1影響電視劇收視率的因素

電視劇本身的質量很大程度上決定了人們是否會選擇觀看。隨著影視產業的迅猛發展，新的電視節目層出不窮，可供人們選擇的觀看內容也越來越豐富，在這種競爭激烈的情況下，如果電視劇本身制作不夠精良、內容缺乏吸引力，是無法留住觀眾的。一些優勢頻道具有品牌號召力，擁有忠實觀眾群體，在一定程度上也能提高收視率?，F在，很多頻道推出季播節目，將電視劇按季節分時段播出，以便增加市場份額，提高競爭力。目前，也有很多電視臺和視頻播放平臺開始制作自己的電視劇進行獨播，創造了較高的收視率。電視劇的安排播放時間對電視劇的收視率影響很大，如果播放時間恰當，即使是并不很出彩的電視劇也會有很不錯的收視率。此外，電視劇重播次數多也會增加收視率。

2微博的傳播優勢

電視節目收視市場評估與目前常用的電視節目質量評估相似，需要從觀眾的行為和態度兩個方面進行衡量。在對電視節目收視市場表現進行評估的時候，要本著“觀眾本位視角”，充分考慮觀眾行為和態度之間的關系，以及播出平臺等外部因素對節目收視率的影響，既保障評估結果的客觀性和全面性，也實現評估結果的可比性和適用性。

觀眾本位視角

在研究電視節目收視市場的時候，受眾本位的觀念至為重要。如果電視節目是產品，那么觀眾就是這個產品賴以生存和發展的消費者市場。由于收視率調查收集了大量有關觀眾電視消費的事實數據，所以收視率就成為探討電視節目市場評估方法中的基礎指標性數據。

節目收視率的變化受諸多因素影響和制約。有的因素可以識別和測定，有些因素則難以做到。各因素之間錯綜復雜，競相作用，互不獨立。但是根據迄今為止的認識和理解，仍能將這些因素加以歸納并可簡單地區分為兩大類：第一類是內生的影響和制約因素，這類因素是節目與生俱來的，一般情況下不受播出條件的影響，比如節目題材、音畫效果、剪接形式、節奏進度、主持人風格、板塊設計風格，以及其他被稱為節目模式要素之類的內容。第二類是外生的影響和制約因素，或者稱之為環境設定因素，主要有節目類型（節目類型不同于節目模式，不被歸為內生要素）、節目播出頻道、節目播出時段等。這類因素對節目收視率的實際表現也有至關重要的影響。

一檔節目的實際收視率是內生和外生兩方面變量綜合作用的結果。內生變量主要決定了節目的質的特征，外生變量則很大程度上影響和制約了節目投播后的實際市場表現。由此，對電視節目進行收視市場評估也應劃分為兩個方面，其一是以節目的實際收視表現為評估內容，綜合考察內生和外生因素的總體影響，給出電視節目實際收視市場表現的總體評價；其二是以節目內生要素的收視市場表現為評估內容，在節目實際收視市場表現中剔除外生變量的影響，給出針對電視節目質量的收視市場評價。顯然從電視節目產品生產的角度看，第二方面的評價甚為重要；開展第一方面評價的重要性則更能體現于電視節目產品的市場營銷活動，包括廣告情況。

到達率&觀眾忠實度

去年年末曾有過關于收視營銷學的想法，然后寫了一篇文章，但寫完后除了發給你個朋友看看意見以外，就一直遺忘在自己的文件夾中，昨天經一個朋友提醒，又想起來，今天貼出來，請大家指正。

現今的電視收視競爭越來越激烈，競爭的壓力既來自產業內，也來自媒體大環境。在競爭中電視人為了拼奪收視率，節目創新、廣告、宣傳炒作、社區推廣、包裝、戰略聯盟等等，營銷手段正靈活應用在收視率創收這個領域中，在我看來，這已經開始了一個新的二級學科領域，收視營銷學。收視營銷學是市場營銷學在電視收視市場中的應用，可以定義為：用市場營銷理論指導電視制作人，在節目創作、策劃、編排、制作到傳播過程中，綜合利用各種營銷手段，以滿足電視受眾收視的需要，最終實現節目收視上的創收。收視營銷創造的收益是收視率。

收視率統計就是一種對收視行為的測量。對收視行為進行測量是因為有市場需求。電視節目傳達信息給觀眾，觀眾有選擇的接收，在這一傳一接中，有個有價值的東西產生了，這個東西有人說是眼球，有人說是注意力。無論是什么，是廣告商覺得有價值的東西，電視臺可以售之創利。而且這個東西可以量化，收視率就是其量化指標之一。在電視價值鏈中“電視節目——觀眾——收視率（有價值東西的量化指標）——電視廣告”，電視節目的創利運營要進行兩步行為，第一步從受眾市場獲得收視率，第二步轉銷收視率給廣告商。先是節目制作人的工作，再是廣告經營者的工作。第二步直接用貨幣結算，營銷行為很明顯，而第一步可否也看作是一種營銷行為？

收視率從概念上講是指在一定時段內收看某一節目的人數（或家戶數）占觀眾總人數（或總家戶數）的百分比。在收視統計中，一個節目的收視率可有幾種推算方法，方法不同殊途同歸，其中的一種計算方法是：該節目獲得的累計收視時間占該時間段市場收視時間總量的百分比。以圖1為例，假設某市場全部電視人口總數是10個受眾；節目A的播出時間18:01－18:05（時長5分鐘）；藍色笑臉表示該受眾在此分鐘正在收看節目A，在此分鐘是節目A的觀眾。

節目A獲得的累計收視時間：1*3＋1*4+1*6+1*5+1*2＝20分鐘

該時間段市場收視時間總量：5（節目時長）*10（電視人口總數）＝50分鐘

去年年末曾有過關于收視營銷學的想法，然后寫了一篇文章，但寫完后除了發給你個朋友看看意見以外，就一直遺忘在自己的文件夾中，昨天經一個朋友提醒，又想起來，今天貼出來，請大家指正。

現今的電視收視競爭越來越激烈，競爭的壓力既來自產業內，也來自媒體大環境。在競爭中電視人為了拼奪收視率，節目創新、廣告、宣傳炒作、社區推廣、包裝、戰略聯盟等等，營銷手段正靈活應用在收視率創收這個領域中，在我看來，這已經開始了一個新的二級學科領域，收視營銷學。收視營銷學是市場營銷學在電視收視市場中的應用，可以定義為：用市場營銷理論指導電視制作人，在節目創作、策劃、編排、制作到傳播過程中，綜合利用各種營銷手段，以滿足電視受眾收視的需要，最終實現節目收視上的創收。收視營銷創造的收益是收視率。

收視率統計就是一種對收視行為的測量。對收視行為進行測量是因為有市場需求。電視節目傳達信息給觀眾，觀眾有選擇的接收，在這一傳一接中，有個有價值的東西產生了，這個東西有人說是眼球，有人說是注意力。無論是什么，是廣告商覺得有價值的東西，電視臺可以售之創利。而且這個東西可以量化，收視率就是其量化指標之一。在電視價值鏈中“電視節目——觀眾——收視率（有價值東西的量化指標）——電視廣告”，電視節目的創利運營要進行兩步行為，第一步從受眾市場獲得收視率，第二步轉銷收視率給廣告商。先是節目制作人的工作，再是廣告經營者的工作。第二步直接用貨幣結算，營銷行為很明顯，而第一步可否也看作是一種營銷行為？

收視率從概念上講是指在一定時段內收看某一節目的人數（或家戶數）占觀眾總人數（或總家戶數）的百分比。在收視統計中，一個節目的收視率可有幾種推算方法，方法不同殊途同歸，其中的一種計算方法是：該節目獲得的累計收視時間占該時間段市場收視時間總量的百分比。以圖1為例，假設某市場全部電視人口總數是10個受眾；節目A的播出時間18:01－18:05（時長5分鐘）；藍色笑臉表示該受眾在此分鐘正在收看節目A，在此分鐘是節目A的觀眾。

節目A獲得的累計收視時間：1*3＋1*4+1*6+1*5+1*2＝20分鐘

該時間段市場收視時間總量：5（節目時長）*10（電視人口總數）＝50分鐘