借大數據實現對受眾需求的精準分析

王君

【摘要】實現精準的個性化受眾需求服務的前提條件，就是精準的個性化傳播需求分析。要實現這一目標，必須依靠以大數據為代表的新技術。本文從大數據智能分析系統平臺的建立、大數據分析的步驟和方法以及不斷提高受眾需求分析的準確性和高效性三個方面來論述如何實現對受眾需求的精準分析。

【關鍵詞】 大數據 受眾需求 迭代思維

【中圖分類號】G201 【文獻標識碼】A

大數據之大，可以用三個“之”來概括，一是體量之大，二是維度之多，三是功能之強。體量之大很好理解，就是它的信息已經不是我們日常所提及的GB、TB（1024GB=1TB）量級，需要用PB（1024TB=1PB）、EB（1024PB=1EB）、ZB（1024EB=1ZB）甚至更大量級來計算了；所謂維度之多，是指對一個事物所掌握和記錄的信息是全方位的，這些信息均來自于客觀世界的自然流露和真實狀態；所謂功能之強，是指其強大的對數據信息的分析、處理和應用能力。大數據理念最終實現讓數據說話，一切以數據為基礎，通過數據之間的相互關聯性找到問題的癥結，對事實的真相進行相互佐證。

當今時代，受眾已經牢牢占據信息傳播的中心和主導地位，這一點毋庸置疑。新興傳播更多地表現為小眾化和分眾化傳播，媒介市場和受眾資源已經被細分。作為信息服務提供者的媒體，都在想方設法地為吸引更多的受眾、占據更大的市場份額、獲得更好的信息傳播效果而不懈地努力著。如果把營銷學里提倡的精準營銷的觀點引入到傳媒領域，可以確立這樣一個命題：實現精準的個性化受眾需求服務的前提條件，就是精準的個性化傳播需求分析。要實現這一目標，必須依靠以大數據為代表的新技術。

本文從研究受眾需求出發，審視和探察居于其中的廣播受眾信息需求的規律和特點，最終形成用數據分析、用數據決策、用數據創新的“三用”分析方法。

一、建立大數據智能分析系統平臺

簡單理解，系統平臺就是對數據信息資源實現采集、分析和處理等工作的硬件環境和軟件環境的總稱，是大數據時代彰顯技術魅力的關鍵部分，最終把數據變成有價值的決策信息。系統平臺的建立有兩個辦法：“自己建”或“別人幫著建”。對于傳統媒體來說，自建大數據平臺幾乎沒有可能，也沒有必要，第一是因為投入過高，第二是缺乏相應的人才和機制。

傳統媒體如果能夠利用好各種開放的數據信息和自身掌握的數據信息資源，將分散的信息數據全部集中在大數據中心進行處理，完成個性化設計或訂制自己的大數據系統平臺，就能為實現精準的受眾信息需求分析打下基礎。如圖1所示，“開放的數據資源”和“自有的數據資源”相比，所包括的圖形和樣式都較豐富，這是因為開放的數據資源來源渠道更廣泛、形式更多樣。

那么，具體到基于廣播的大數據系統平臺，在功能模式的建立上應包括如下三點：

（一）關注移動人群

處在移動中的受眾，因為聲音伴隨性強而將廣播作為獲取信息的首選。所以，基于廣播的大數據分析系統在建設之初，就應該把著力點放在對移動人群信息需求的數據采集和分析上。我們可以設想這樣一個場景：2016年1月28日早晨，一上班族在私家車上無意中收聽到了中央人民廣播電臺（以下簡稱中央電臺）中國之聲早間的《新聞縱橫》節目正在播出的《致我們正在消逝的文化印記——歸來兮魯班》，富有畫面感的文字、背景音樂加之播音員充滿磁性的聲音，一下就勾起了聽眾對孩童時期關于木工這一傳統手藝的記憶，讓聽者很溫暖也很有感觸。那么，有關這一期節目的音視頻、文字和圖片等信息都可能成為他之后要了解的相關信息。廣播如何通過大數據平臺感知到并通過相關渠道（比如注冊的手機）讓受眾能夠方便地獲取，這些都是需要我們思考和破解的難題。

（二）聚焦手機客戶

不容置疑，智能手機已經成為獲取信息、溝通世界、娛樂消費等功能集于一身的隨身必備工具。據2016年1月22日發布的第37次《中國互聯網絡發展狀況統計報告》顯示，截至2015年12月，中國手機網民規模達6.2億。那么，手機用戶理所當然成為我們必須要關注和服務的龐大受眾群體，通過大數據分析平臺，運用手機客戶端等方式進行實時采集、分析與準確把握手機用戶的需求，才能更精確地改進節目產品、豐富節目樣態，更好地服務和滿足受眾。

（三）挖掘聲音魅力

中央電臺臺長閻曉明在2016年中央電臺戰略資源推介會上表示：“在一個用眼過度、視覺疲勞的時代，人們希望重新開發和利用耳朵，通過聲音獲得信息與雅致。”的確，聲音不僅能夠傳遞信息，還可以讓人們得到享受。閉上眼睛、進入聲音的世界，讓眼睛得到休息、重新品味聲音的魅力已成為越來越多人自我休息、調整的方式。在聲音的領域里，廣播能夠深耕和挖掘的東西還有很多，這是廣播的優勢，也是廣播的特色。大數據系統平臺，應該給廣播人提供更多有價值的參考數據，為采編策劃人員的計劃和決策提供依據。同時，我們也應該認識到，聲音已經被越來越多地拓展到人機交互領域，聲音與文字之間的互譯（機器人自動播報、微信里的“語音輸入”）也已經成為現實。通過大數據挖掘聲音的魅力并匹配受眾的個性化需求，就能使廣播未來的發展空間得到無限的延展。

二、對受眾需求進行大數據分析的步驟和方法

大數據分析的步驟，大致包括數據采集、數據整理、數據分析和結果呈現四個環節，本文重點討論前三個環節。

（一）對數據進行采集

1.數據來源渠道的多樣性

必須認識到，通過收音機收聽廣播來參與廣播節目，是無法實時感知的，因為數據沒有被數據化和網絡化，我們無法采集。大數據平臺通過互聯網可認知的終端設備（比如手機、互聯網PC等智能設備）上的不同應用系統（比如手機客戶端、微信公眾號、微博、交互論壇等），可以獲取來自不同渠道的受眾多維度信息。

2.數據分析參數的多重性

橫看成嶺側成峰，這句詩揭示了一個自然界的普遍規律，人們觀察和分析事物的角度不同，會得到不同的結果。不難理解，大數據平臺數據信息來源的渠道越廣泛、數據參數越多樣（統稱為維度越多），那么對受眾信息需求的分析和判斷也就越全面、理性和客觀。在大數據技術研究領域有一種非常形象的說法叫“給用戶畫像”，你用一筆畫一個人物和用十筆畫一個人物，哪個更清楚、更容易辨認，結果不言而喻。

就傳統廣播來說，需要采集的、感知的受眾信息需求的分析參數包括但不限于：參與的時間、時長，關注的節目類別、內容，受眾的年齡、文化程度，體現出來的聲音、視頻、圖片甚至是地理位置等諸多信息。這里既包括可以用數量度量的結構數據，也包括不能被數量關系衡量的半結構或非結構數據。

如圖2所示，以目前的中國之聲為例，把參與界面、分析參數、中國之聲的所有節目作為研究的三個坐標軸，便可以立體和直觀地勾畫出一個關于受眾參與中國之聲所有節目的具體情況。在分析參數中，受眾的身份信息包括性別、年齡、學歷，甚至是地理位置等情況，參與的情況包括參與的時間、參與的時長和關注的細節等情況，交互的信息包括文字留言、圖片、聲音和視頻等信息。

（二）大數據平臺對數據進行分析

對廣播來說，在進行節目設計和節目產品的制作之前，如果能夠通過對自身系統平臺采集到的海量受眾信息進行特定的推算和分析，實現受眾需求的精準定位，就可以使節目設計和產品制作更加貼近受眾。目前，美國好萊塢已經開發并使用了類似的分析系統，能夠準確地預測出一部電影的票房，可見廣播要實現上述目標在技術上已經不存在多大的障礙。

分析指的是數據整理和數據分析兩部分之和的簡稱。首先是關于數據整理，在大數據的存儲階段就要完成對數據的基本整理工作，整理工作的主要任務就是兩個：“去重”和“標注”。要達到低成本、低能耗、高可靠性目標，通常要用到冗余配置、分布化和云計算技術，在存儲時按照一定規則對數據進行分類，進行多元、立體化的標簽標注，通過信息噪音過濾和去重，減少存儲量，同時加入便于日后檢索的標簽。

其次是關于數據分析。目前，各行業、各領域都在進行基于大數據的技術創新和實踐活動。鑒于當前情況，我認為數據分析和處理可以設想的重點和核心問題主要有以下四點：

1.大數據平臺的獨立運算單元：基于一個最基礎的需求

因為是基于自有數據信息的分析，所以對受眾信息需求的分析結論是最直接和準確的，而得出結論的這個系統可能就是由一個或幾個小系統平臺組成的。那么，基于一個最基本的任務和目的的小系統平臺，就成為了未來系統走向智能化、架構大數據平臺的獨立運算單元。在現階段，絕大部分的分析、預測系統平臺也都是基于某一特定的需求而設立的，具有明確的目的和意義，是理想化的大數據平臺的雛形。

2.由繁到簡：大數據平臺分析處理數據的前奏

再繁雜的數據信息，都需要完善的分析結構和有效的算法來進行剝離，最終得到一個相對準確、清晰的判斷或結果，以指導實踐并成為我們創新發展的依據。在分析處理數據時有一個常用概念：降維，即降低數據的維度。三維的變二維，二維的變一維，目的就是為了壓縮數據量，找出其中蘊含的規律。簡單理解，比如一張紙是兩維的，你從它的側面去看，就是一條線，自然就降低了一個維度。降維從數學角度來看，是一種機器算法，是數據預處理的一部分，通過降維，可以減少冗余信息所造成的誤差，來提高認識的精度，尋找出數據內部的本質結構特征，提高后續計算的速度。

3.衡量智能化水平的標準：關聯數據量的大小和運算能力的強弱

機器智能是通過模仿“人腦”來實現的，即“事件關聯”。所有的決策都是在有了記憶、有了關聯之后自然發生的事情。人的認識規律是這樣的：碰到開水，燙到了手下次就不會碰，因為記憶了“開水”和“燙手的痛苦”，并將這兩個記憶關聯在了一起，自然就有了下次不去碰開水的決策。那么，如果把“開水”“燙手的痛苦”和“杯子”，這三個記憶關聯在一起，就會增加一種新的決策結果，就是可以用“杯子”去打“開水”，就不會發生“燙手的痛苦”。當然，前種判斷基于的數據信息量自然要小于后種判斷的信息量，但后種判斷比前種判斷更加復雜和智能。

4.從龐雜的數據中挖掘規律：從“已知”推導出“未知”

每一個數據信息的產生都是真實世界的反映，都能夠反映一定問題，這就是數據存在的意義和價值。而且，同一個事物不同維度的數據信息之間，必然存在著內部因果聯系。

假設發生在每個人身上的事情都能夠被數據化，并且這些數據信息除去涉及國家安全、個人隱私等法律法規明令禁止的之外，都是公開的、可檢索的，那么，基于這個人的信息的全部組合就能無比清晰、準確地勾勒出這個人的“全貌”。他的行為習慣、工作環境、飲食特點和健康狀況等，就能夠成為媒體為其提供信息服務的重要參考依據。

未來，無論大數據平臺如何發達、網絡化程度如何高，世界上的所有事件我們永遠也無法百分之百地全部被數據化之后完成記錄和采集，但是，從另外一個角度來說，只要我們能夠收集重要的、足夠多的信息，就能對某些我們無法感知的事物或將要發生的事件進行準確的推斷和預測。由已知推斷未知，這也是人類認識世界、探索前行的普遍規律。

三、迭代思維：不斷提高受眾需求分析的準確性和高效性

迭代思維簡單說來就是快和重復，快是迭代的必然要求，重復不過是迭代的表現形式，而迭代的真正內涵是升華、是積累、是總結、是量變到質變再到量變的無限的過程，每一次迭代都是站在新的起點上的再開始。對反饋信息的總結是迭代過程中的重點，沒有反饋，沒有總結，迭代出來的結果跟迭代前沒什么本質的區別。

在對數據進行分析和處理的過程中，人的因素始終處于主導地位。數據不能代替判斷，相關性也不能取代理論。大數據歸根到底還是數據，是精華與糟粕并存的。相關性更多的是兩個或兩個以上的變量之間的簡單線性關系，不像理論具有多變量、變量與變量之間的結構性與多變性，兩者不是簡單的對等關系。

首先，要通過不斷地去迭代實現數據的去蕪存菁，去偽存真。沒有誰可以一次性地解決問題，也沒有誰可以一步走到完美，對大數據這樣一種在當下聽起來“很美”，但還處于探索和實踐當中的新事物來說尤其如此。其次，根據反饋信息，通過迭代，實現實時跟蹤和準確把握受眾信息需求變化的功能。也因如此，對大數據平臺的系統性能提出了更高的要求。

眼下熱度極高的大數據、算法、可視化等都只是工具與手段而已，最根本的還是對人性的領悟，對人的需求的尊重，以及媒體人自身的知識、智慧、勇氣和品德。受眾既依賴媒體，又對媒體有要求和選擇；媒體既為受眾服務，又要有自己的風格和品行。大數據時代，作為媒體人，需要很好地理解和把握開發受眾需求、滿足受眾需求、引領受眾需求之間的關系和媒體在其中的角色及職責使命。

注釋

喻國明 李彪 楊雅 李慧娟 《新聞傳播的大數據時代》，中國人民大學出版社，2014年10月第1版，第165頁。

李光斗 《移動互聯網時代的迭代思維》，《福建質量管理》，2014年第3期。

蔡雯 《“端”的探索與“心”的聯通》，《新聞與寫作》，2015年第8期。

（作者單位：中央人民廣播電臺辦公室）

（本文編輯：饒雷）