互聯網環境下受眾調查的新趨勢

劉逸帆+++肖婧為

源于上個世紀20年代西方的受眾調查，自從1982年引入我國后，一直備受業界和學界的關注。歷經30多年的發展，國內廣電受眾調查的技術日益成熟、市場日益規范，但數據篡改、數據尋租和數據濫用等問題一直沒有根除。同時，隨著互聯網技術的發展和互聯網使用的普及，受眾獲取廣電媒體內容的方式發生了巨大變化。大數據概念的出現，為廣電受眾調查提供了另一種思路。在互聯網高速發展的背景下，廣電受眾調查面臨著新的挑戰。

近日，記者就受眾調查的引進對廣電行業的影響、廣電受眾調查的現狀、互聯網環境下廣電受眾調查的新問題與新趨勢、大數據對廣電受眾調查的價值與意義等問題采訪了清華大學新聞與傳播學院黨委書記、博士生導師金兼斌教授。

記者：您認為，收聽率/收視率的概念和調查方法引進后，對我國的廣電行業產生了哪些比較大的影響？

金兼斌：就廣電傳媒行業本身來說，它需要了解自己節目的收聽/收視情況；從做媒體研究的角度來說，需要關心傳播效果。我想無論是印刷媒體還是廣電媒體，在營利模式上最依賴受眾的“二次販賣”，即基于節目內容的受眾品質（主要由其購買力等指標衡量）和規模，作為其在廣告市場定價的依據。由此，廣電行業的可持續性發展就需要第三方提供關于節目或者頻道的收視/收聽情況的數據，以了解到底有多少人在收聽或者收看、如何收聽收看等問題，這些數據是廣告主進行廣告投放的關鍵考量指標。受眾調查的內容和方式具有國際通用性。

引進規范的受眾調查，對我國廣電行業有兩個方面的作用。一方面是收聽/收視“到達率”的統計，這些數據對了解一個節目實際的社會影響和效果是非常有必要的，特別是對節目或者頻道各方面的評價，基于受眾調查就有據可循。這種關于收聽/收視的“到達率”主要是面對普通受眾的調查；另一個方面是節目的“美譽度”，它與“到達率”是兩個不同的維度。對于廣電節目來說，除了收視率調查以外，也會有專家對節目進行更為細致的分項評審和評價，包括節目內容的思想性、藝術性、創新性、趣味性以及節目內容編排方面的專業性、規范性以及創意特色等。

從這兩個方面，我們對節目品質的評價，就會相對比較全面。通過對節目傳播效果進行不同層面的受眾調查，社會、公眾和媒體自身就可以從多個方面、不同角度來綜合評價一個節目，而不是單單依靠收聽/收視這個單一指標。顯然，受眾調查的執行方，需要是獨立于媒體和廣告主的獨立的第三方，以保證其客觀性和公正性。

記者：您認為受眾調查中有哪些因素會影響受眾調查結果的有效性？

金兼斌：從受眾調查的實戰性角度分析，受眾調查數據的有效性主要取決于測量指標體系的設計和抽樣的方式這兩方面，這是核心。這里先談談測量指標體系的選擇問題。

從測量指標體系的設計這個方面來說，主要需要考慮節目內容的傳播體系，以及受眾的信息接受方式。其中，受眾信息接收的方式近年來發生了很大的變化。比如：以前主要的傳播渠道就是廣播，幾乎每家每戶都有廣播，生產隊動員和宣傳也靠大喇叭。在那樣的傳播環境下做受眾調查，其受眾數據收集主要基于廣播這一單一媒體的傳播形態。但是，現在一個節目有很多的傳播渠道，不同的受眾有多種信息接受方式，因此，測量指標體系就會有很大的差異。AC尼爾森(Ac Nielsen)和央視-索福瑞已經認識到單一的電視收視指標無法準確反映媒體或者節目的收視效果，因此逐漸將社會化媒體上的相關討論和評論作為輔助指標納入其節目效果的測評范圍。

這種收視調查基本內容和框架的調整，體現了現代媒體的立體傳播特點和社會屬性。在社會化媒體上衡量一個節目的影響力，至少應該考慮三個維度。第一個維度是節目播出的平臺或終端，它是單一平臺還是多個平臺。以廣播媒體為例，現在的廣播節目可以通過收音機收聽，也可以通過網絡收聽，還有手機、iPad客戶端等多種渠道，因此，在統計數據的時候只依靠收音機的收聽情況是不全面的。第二個維度是節目收看/收聽時間范圍的確定，就是說，現在很多人收看或者收聽節目并不是實時收聽的，他可以將喜歡的節目收藏下來，十天之后再收看或者收聽，因此不能只考慮節目播出的那個時間段，可能有一個時間滯后的問題。換言之，我們對媒介內容的消費可以根據自己的日程安排更加靈活多樣。第三個維度是節目傳播過程中節目形態是否發生了變化。很多節目為了適應受眾時間的碎片化，將原來30分鐘的節目拆成了很多片段，或者重新編輯，添加了導語和字幕等，這種節目形式的受眾到達率也體現了節目的傳播效果，我們要考慮由此帶來的節目多個層面的影響力。

就媒介測量而言，談論節目內容的效果或者影響力，必須落實到具體的操作性層面上，需要做很多的界定。

記者：您如何評價目前廣電受眾調查的現狀？

金兼斌：我想發展的大趨勢應該是越來越科學合理，涵蓋多種終端的調查方法會逐漸取代舊式的調查方法。現在網絡調查在技術上很容易實現，在得到網絡用戶認可的前提下，網絡軟件可以輕易監測獲得用戶的網上音視頻節目收聽收看行為數據。這些數據量都非常大，完全可以把這個人的網上音視頻媒介消費行為描述出來。當然，這種方法只能了解其通過網絡進行傳播的效果，而不是節目的總體傳播效果。

傳統的廣播收聽調查一般還是通過記錄儀，或者基于電話調查，定期搜集受眾的收聽數據。同樣的，電視收視的數據統計也主要依賴樣本戶安裝的收視記錄儀所記錄的收視行為數據。這些調查方式是否有效，取決于抽樣的方式。比如先將受眾分層，按比例抽取后上門調查，這種方式較為科學，當然成本相對較高。與之相比，街頭攔訪的方式就不太科學，因為它完全是隨機的，是一個非概率樣本，其調查得出的結果無法推斷到總體。

關于抽樣調查和非抽樣調查的差異，有一個很典型的例子。美國前總統克林頓與萊溫斯基丑聞期間，當時美國有一個很有名的網站（MSNBC）發起了一個關于克林頓應不應該下臺的在線調查。一周內參與網站調查的大概有20萬人，其中75%的人認為克林頓應該下臺。與此同時，《華爾街日報》與美國全國廣播公司(NBC）合作的一個傳統的民意調查機構，通過對全美2000個民眾的抽樣調查發現，67%左右的人認為克林頓不必下臺，換言之認為克林頓應該下臺的只有三分之一。那么這兩個結果，到底哪個代表全美公眾的意見？一定是后面那個。因為它是概率抽樣調查，結果可以有效推斷到總體，且抽樣誤差很小，數據具有穩定性。2000人的抽樣調查，它的抽樣誤差率大概在2%左右，這是最大可能的誤差，可見以其所得到的結果推斷總體即全美民意，是相當可靠的。相反，那20萬網絡調查參與者，由于屬于自愿投票，他們可能只是MSNBC網站愿意發表意見的部分用戶，完全不能代表全美民眾的人口結構，因此，這20萬人反映的只是特殊的一部分人的意見，無法有效推斷整個美國公眾的意見。

記者：收視率/收聽率調查中存在一些諸如數據篡改、數據尋租和數據濫用等問題，您認為這些問題應該如何解決？

金兼斌：調查行業中的數據質量問題，說來說去萬變不離其宗，一取決于樣本的質量，二取決于測量的指標體系是否合理，這兩項決定了后面的數據，最后就是對數據的解讀。哲學家尼采說過，世界上本沒有事實，有的只是解讀。我們不能靜態、孤立地來看一個數據，而要把它放在某一個參照系里面解讀才有意義，不同的參照系可以解讀出不同的結果。比如收視率0.2%，如果從歷史的角度來說它可能是比以前高了，但如橫向跟其他節目比，它可能又很低。

調查中存在的數據篡改等問題涉及第三方的數據公信力。我們都知道尼爾森在日本的市場上曾經被揭發出數據有問題，之后被迫退出日本市場，所以數據的公信力是調查行業的生命線。比如要和樣本戶簽訂保密協議，避免他們受到各種因素的干擾，確保樣本質量，這是支撐數據有效性的基本前提。同時在指標設計上要注意合理性，指標定義要明確合理，具有測量的可操作性。通常，要想較為完整地評價一個節目，需要多個指標，簡單化的單一指標有時會掩蓋問題或者誤導相關利益方。

通過樣本的數量大概能判斷調查結果的可靠性和誤差率，樣本越小，得出來的結果越不穩定。媒體在委托第三方來進行數據收集的時候，最好要了解甚至參與抽樣過程的設計把控，確保抽樣的質量，在原則問題上（如是否概率抽樣等）不能妥協和簡單化，這對數據結果的影響是很大的。

記者：受眾調查時在考慮社交媒體的收聽/收視情況時，如何避免您提到的類似克林頓與萊溫斯基事件中的網絡調查數據偏差？

金兼斌：我認為網絡調查、受眾在網絡上的態度反饋等數據不應作為唯一的媒介效果衡量指標，它只能作為一種補充。另外，社會化媒體本身的數據類型也很多，需要注意區別。比如瀏覽量PV①，用戶每1次對網站中的每個網頁訪問均被記錄1次，同一個人如果在計算時間周期里反復訪問同一個網頁，瀏覽量數據都會增加。與此相對的一個指標則是瀏覽人數或UV②，這個指標中，計算周期里一個人多次訪問，都不會重復計算，即其統計和反映的是相關網頁內容到達的用戶數。對瀏覽人數的分布進行分析，可以揭示用戶的集中度。因此，我們在考量這些數據的時候要注意指標含義的區別。

獲取網上用戶的媒介消費數據有多種途徑。但是基于數據挖掘獲得的用戶媒介消費數據只能作為了解部分用戶的部分媒介消費行為，而不是全部用戶的完整媒介消費行為勾勒。就數據挖掘得出的結果而言，不同的渠道、不同的參照系，結果會有很大差異，每種結果都不能保證一定是客觀、全面的。正因如此，在我看來，大數據時代的受眾調查，至少在邏輯和思路上，還沒到可以拋棄傳統抽樣調查方法的時候。至少，基于合理抽樣的用戶調查結果，可以有效推及總體，為其他方法的調查提供進行比較的參考基準。

記者：受眾調查最直接和最主要的目的是為了檢驗傳播效果。現在，從受眾角度來看，主流媒體的輿情引導效果如何？有哪些新的特點和趨勢？

金兼斌：有些人對主流媒體和主流媒體的傳播效果存在刻板印象，認為其收視率不高，這個結論或許是不準確的，至少是不全面的。比如，從央視-索福瑞和AC尼爾森提供的收視率來看，中央電視臺《新聞聯播》的收視率仍是很高的。

受眾喜歡的節目首先跟受眾的生活要有相關性，這一點特別重要。其次在于報道的形式，有時候大家對主流媒體的節目編排和表述方式會產生某種反感，其中一個原因可能就是受眾對說教報道的排斥。所以報道的形式應該不斷有所創新。實際上這些年我們也做了很多的努力，采用不同的視角報道各類社會熱點事件，比如老百姓現身說法、專家講解等，但報道形式的創新總體上仍顯不足。實際上，我們的主流媒體的報道、政策的傳達跟老百姓的生活息息相關，但有時候受眾下意識地把這些內容給忽略了。在實際生活中，經濟地位越高、生活質量越高的人，對時政類信息的興趣也越高。

這就是傳播學中知識溝的概念。不同的人的受教育程度和媒介素養不一樣，其媒介消費內容會有差別，久而久之，媒介消費帶來的影響也會有很大差別：對有些人而言，媒介是賦權工具；對有些人而言，媒介則成為無所作為、生活沉淪的漩渦。傳播學者早就發現，受教育程度高的人，或者社會經濟地位高的人越傾向于關注時政類新聞。社會經濟地位較低的人，越有可能以娛樂性內容的消費為主。

從節目的傳播效果來說，主要取決于受眾媒介消費的時間和狀態。有時人們需要嚴肅的、信息量大的節目比如《新聞聯播》，同時人們也需要輕松的娛樂性內容。因此，需要媒體認真研究受眾本身的特征和需求，根據不同渠道反饋的報道效果，分析節目的類型、時間段安排、編排方式等問題，進行合理的定位。不同的選擇會導致收聽率或者收視率的數據產生巨大的差別。

主流媒體有其獨特優勢，特別是其內容的提供能力強、可信度和公信力較高等，但是傳播形式比較單一常常被認為是其短板，如果在這方面做出改變、有所創新和突破，相信受眾的接受度也會上升。比如@新華視點、@人民日報，不僅在微博上的受關注度很高，而且還成為社會媒體話題的主要議程設置者，通過多級傳播影響更多的人。因此，對主流媒體來說，一方面要在內容上、傳播方式上貼近普通群眾，甚至可以草根化一點，讓民眾產生親近感；另一方面，不僅要提高粉絲的數量，更要注意多級傳播的影響力，注意對有影響力的人即意見領袖的定向傳播和雙向互動，和意見領袖建立比較好的信任關系、合作關系，有效提升傳播的效果和力度。

記者：網絡的出現使媒體的形式越來越多樣化，比如通過微信、微博傳播、通過客戶端推送消息等。在互聯網環境下，如何通過調查全面了解受眾的情況呢？

金兼斌：這個問題涉及如何判斷一檔節目的綜合影響力，不能簡單依靠任何單一指標的數據，也不能通過不同渠道測得的數據而進行簡單相加。從理論上講，在調查之前，要考慮很多因素，比如節目的不同傳播平臺和傳播方式等。

這里面主要有兩種思路。第一種思路就是把各種可能的因素和指標，都納入到綜合效果評估模型中。其中有一個指標合成的規則問題：不同的數據不能簡單地相加。比如一檔直播節目，可以看電視，也可能通過網上圖文直播，兩者對受眾的沖擊和影響可能不一樣，那么是否圖文瀏覽量要乘以一個小于1的系數？這里涉及到每一個指標在總體效果評估模型中的權重設計。操控數據有兩個基本途徑，一個是對數據本身的操控，另外一個就是對數據合成算法的操控。兩者都會對結果產生很大影響。

如果涉及的因素十分復雜，真的考慮不過來，就可以參考第二種思路，就是對目標受眾做抽樣調查，然后進行訪談，這個是最直接的。當然理論上也有問題，因為訪談的結果和被訪者當時的狀態有很大關系，他可能想不起來了或者不一定說實話等，或者他對節目的評價取決于一些不可控的因素，如當時的心情。但是匯總上來的數據，理論上來說仍是比較可靠的。我們現在有時候盲目崇拜大數據，但是，大數據的規模大并不必然保證數據反映真正的總體的有效性。在很多情況下，也許小數據的調查結果更加可信，當然前提是抽樣要合理、指標設計得當。

記者：您剛才提到的不要盲目崇拜大數據，大數據不一定有效的原因是什么呢？您認為，大數據對廣電受眾調查研究有什么作用？

金兼斌：大數據如果真的是大而全是沒問題的。抽樣調查的方式是以少推多，即希望基于小樣本能夠推斷出更大規模的總體的情況，因此抽樣時必須基于對總體情況的清晰認識和了解。大數據最大的問題在于，撇開數據的規模，我們是否說得清楚它實際的邊界是什么，它理論上應該反映的邊界是什么，兩者有沒有差異，差異有多大。

就像前面提到的克林頓與萊溫斯基的例子，20萬人比基于概率抽樣的2000人要多得多，但是20萬人不能代表美國民眾，而基于概率抽樣的2000人則可以。大數據所挖掘到的數據，是針對媒介消費行為痕跡的，通常有技術門檻要求，比如手機移動終端的相關數據，只有智能手機的使用者，他的數據才能被挖掘到，一定程度上就排除了一部分使用普通手機的用戶的媒介消費數據。網絡也是如此，有些信息開放的社交媒體平臺，我們可以挖掘到用戶的使用數據，有些平臺其API（應用程序界面）不對外開放，要想完整地挖掘和獲取用戶使用行為數據，就會有很大問題。

進一步考慮，大數據還有一個問題：它挖掘到的數據能否進行有效處理。比如網絡上大量的文本是否含有網絡水軍或者推手的攪局文本？一個人有多個不同的賬號時如何區分等。網絡上有很多不發表意見的沉默大多數，因此一條網絡意見的背后可能代表著很多人的意見，數據分析如何加權以體現這種差別？網絡上的反饋雖然很直觀，但是也可能迷霧重重。

當然，大數據分析的確能揭示很多東西，能夠敏銳地反映大家對某一事件、社會熱點或者議題的群體性意見傾向。受眾調查需要利用這種新的手段和思路。我覺得在現階段，可以把大數據分析和傳統的受眾調查結合起來，相互補充，或者對大數據的分析結果和抽樣調查結果做一些交叉驗證和比對。簡而言之，大數據有它的優勢，但也有使用上的較高要求，因此不能盲目相信基于大數據挖掘的結果，因為有時候“大”不一定有效。