聚類算法在電視觀眾研究中的應用

李曉萌

【摘? ?要】在當前新媒體平臺發展勢頭強勁、電視媒體競爭加劇、各類節目加速迭代的背景下，觀眾的觀看行為越來越復雜。而市場的競爭歸根結底是對觀眾注意力的競爭，傳統的按性別、年齡、城鄉等來簡單界定觀眾構成的統計方法已經不適應當下的需求。本研究以綜藝類節目為例，嘗試采用“觀眾行為聚類”分析模型，展現不同平臺的綜藝節目觀眾畫像，淺析聚類算法在觀眾行為分析中發揮的作用。

【關鍵詞】聚類算法；觀眾構成；觀眾畫像；綜藝節目

一、背景介紹

（一）新媒體平臺發展概況

隨著信息技術的迅猛發展，新媒體平臺已經成為人們獲取信息、娛樂和社交的主要渠道之一。社交媒體、視頻分享平臺，以及在線直播等數字媒體形式不斷涌現，為觀眾提供了更加豐富和多樣的內容選擇。新媒體的崛起改變了傳統電視媒體的格局，使得觀眾能夠更靈活地定制和獲取內容，從而形成了一個龐大而分散的媒體消費群體。

（二）電視媒體競爭現狀

在新媒體的沖擊下，傳統電視媒體面臨著日益激烈的競爭。觀眾的時間和注意力逐漸從傳統電視節目轉移到了互聯網上的各種內容平臺。這使得電視臺不僅需要與同行競爭，還需要與新媒體平臺爭奪用戶的關注。在競爭白熱化的環境中，了解觀眾行為、精準洞察其需求成為電視臺制勝的關鍵。

（三） 觀眾觀看行為愈加復雜

隨著觀眾多元化的背景和興趣，觀眾觀看行為變得愈加復雜。傳統的基于性別、年齡、城鄉等簡單分類的統計方法已經難以全面把握觀眾的特點和喜好。觀眾的觀看行為不再受限于傳統的電視節目時間表，而是隨時隨地、跨平臺地發生。這種多樣性和復雜性使得電視臺需要更為智能和精準的方法來了解觀眾，以更好地滿足他們的期望。

在這一背景下，通過聚類算法對觀眾行為進行深入分析，可以挖掘觀眾的行為模式、興趣點，為電視臺提供更準確的觀眾畫像和決策支持，成為提升電視節目吸引力和競爭力的有效手段。

二、研究目的和意義

媒介市場的競爭歸根結底是對觀眾注意力的競爭，因此，觀眾研究是推動平臺發展、提高節目制播效益的基礎工程。本研究以綜藝節目為切入點，將電視綜藝和網絡綜藝統一納入研究范疇，采用“觀眾行為聚類”分析模型，展現不同平臺的綜藝節目觀眾畫像，淺析聚類算法在觀眾定位及平臺發展過程中發揮的信息參考和數據支撐等作用。

（一）拓展觀眾研究方法，適應多元化觀眾需求

隨著社會的發展和觀眾需求的多元化，傳統的觀眾研究方法已經難以完全滿足復雜多變的觀眾需求。本研究通過引入“觀眾行為聚類”分析模型，為觀眾研究領域注入了新的思維和方法。通過深入挖掘觀眾行為的差異和共性，以便更全面地理解不同觀眾群體的興趣和喜好，實現對觀眾需求更為精準的洞察。這種方法的引入不僅能夠滿足當前觀眾多元化的需求，同時也為未來觀眾研究方法的拓展提供了有益的經驗和參考。

（二） 優化廣告投放、節目制作和推薦系統

觀眾行為聚類分析為電視臺提供了更為準確的觀眾畫像，為廣告投放、節目制作以及推薦系統等方面的決策提供了有力的支持。通過了解不同觀眾群體的特點，電視臺可以更精準地選擇廣告投放時段和內容，提高廣告的觀看效果。同時，節目制作方能根據不同觀眾群體的喜好調整節目內容，提高收視率和用戶滿意度。對于推薦系統而言，深入了解觀眾的興趣點可以提高推薦算法的準確性，為觀眾提供更個性化的內容推薦，從而提升用戶體驗。

（三）推動電視媒體在數字化時代的可持續發展

隨著數字化時代的到來，電視媒體正面臨著前所未有的挑戰和機遇。觀眾行為聚類分析作為一種前沿的研究方法，為電視媒體在數字化時代的可持續發展提供了戰略性的支持。通過更好地了解觀眾，電視媒體能夠更靈活地調整經營策略，更好地適應數字時代的觀眾需求。通過提高內容的個性化和定制化水平，電視媒體能夠在激烈的競爭中脫穎而出，保持市場競爭力，實現可持續發展。因此，本研究的意義并不局限于觀眾研究領域，或可為整個電視媒體行業在數字化時代的發展提供重要啟示。

三、研究方法

當今新媒體平臺的蓬勃發展以及電視媒體競爭的加劇使得觀眾的觀看行為變得愈加復雜。在這種背景下，各類節目不斷迭代，觀眾的選擇也日益多元化。傳統的觀眾構成統計方法，如按性別、年齡、城鄉等進行簡單分類，已經無法滿足當前多變的需求。本研究以綜藝類節目為研究對象，嘗試采用“觀眾行為聚類”分析模型，該模型旨在通過聚類算法揭示觀眾群體內部的行為模式和特征，進而深入理解觀眾的興趣和需求。以此為基礎，我們選擇綜藝節目作為案例，通過對不同平臺上觀眾行為的聚類分析，了解觀眾在觀看綜藝節目時的多元面貌。

在具體實施中，我們使用了先進的聚類算法，如K均值聚類或層次聚類，對觀眾行為數據進行深入挖掘。研究發現，采用聚類算法進行觀眾行為分析具有顯著的優勢。首先，它能夠深入挖掘觀眾群體內部的差異，使我們更好地理解不同觀眾的偏好和行為模式。其次，相較于傳統的統計方法，聚類算法更能適應觀眾行為的多樣性和變化性，為決策者提供更具針對性的信息。通過這些算法，我們成功地將觀眾劃分為若干具有相似觀看行為的群體，形成不同的觀眾聚類。這一分析不僅為電視臺提供了更為細致的觀眾畫像，也為廣告定向、節目制作以及內容推薦等提供了更為精準的指導。

通過對綜藝節目觀眾行為的聚類分析，我們發現不同平臺上的觀眾呈現出明顯的差異，這為電視臺制定差異化策略提供了重要依據。同時，本研究也深化了對聚類算法在電視觀眾研究中的應用，為未來在觀眾分析領域的深入研究提供了有益的經驗。

本研究基于《開門大吉》《你好星期六》《王牌對王牌》等50檔頭部電視綜藝和《明星大偵探》《令人心動的offer》《五十公里桃花塢》等30檔頭部網絡綜藝的相關數據，突破性別、年齡等自然人口屬性的常規分析框架，從觀眾實際觀看行為出發，運用因子分析法，首先對綜藝節目進行了分類（全文數據來源：CSM全媒體視聽同源數據），即基于每個觀眾對80檔節目的日均觀看時長，運用因子分析法將80檔綜藝節目進行分類，被相同觀眾觀看越多的節目越可能會分為一類。

經過多輪嘗試和計算，將80檔節目劃分為12類。在此基礎上，結合節目風格、主要內容、播出方式等定性分析因素，最終將綜藝節目劃分為親民合家歡、文博經典、網感新潮、歡娛生活四大類別。

在綜藝節目分類的基礎上，以節目類型為自變量，對綜藝節目觀眾進行K-Means聚類分析，即經常觀看相同或相似綜藝節目的觀眾被劃分為同一類別。

研究發現，一方面，平臺的使用慣性對觀眾觀看具有重要影響，總臺、衛視、網絡平臺均有一定規模的忠實觀眾；另一方面，相比于綜藝節目的呈現形式，觀眾對綜藝節目的風格偏好和忠誠度（親民合家歡、文博經典、網絡新潮、歡娛生活）更加顯著。此外，還存在一部分較少觀看綜藝節目的觀眾。

據此，結合收視行為中體現出的風格偏好，整體觀眾可大致分為五類。對這五類觀眾進行人口統計學數據分析，綜合其核心特點和對綜藝節目風格的喜好，就可以得出特定平臺或者特定綜藝節目類型的觀眾畫像。

四、研究結果

（一）從節目類型角度進行受眾畫像

以“親民合家歡”類綜藝的目標觀眾為例，結合人口統計學數據和觀眾行為聚類分析，可以對這類節目的觀眾進行畫像，得出以下結論：

親民合家歡的節目觀眾忠誠度高。這類觀眾關注百姓歡樂事，偏好百姓才藝展示類節目，如《越戰越勇》《非常6+1》《開門大吉》等，對這類節目的日均觀看時長（16.49分鐘）遠超網綜（1.64分鐘）和衛視綜藝（3.29分鐘），體現出明顯的高忠誠度，具有相對穩定的收視慣性，觀看綜藝節目的時間高于平均水平。

老齡化問題突出，55歲及以上中老年占主體。在年齡分布上相對老齡化，55歲及以上觀眾占比高于平均水平。未來隨著代際遷移，觀眾老齡化將更加明顯，制約此類節目的長期發展。

職業以退休為主，收入5000元以下占比最多。從職業看，退休無業人員占比最多（41.1%），遠超平均水平（TGI達140.4）。從收入看，月收入5000元以下的觀眾占比遠超平均水平。

除“親民合家歡”類綜藝外，對競技類綜藝和戶外綜藝偏好明顯。這類觀眾經常觀看的節目中，還有多檔是戶外探訪或體驗類綜藝節目，如《山水間的家》《萬里走單騎》等。戶外場景帶來新鮮感，讓觀眾產生身臨其境的感覺，比較符合這類觀眾的收視喜好。此外，競技類綜藝也是他們日常收看的重要節目類型，如《中國詩詞大會》《一站到底》《最強大腦》等，偏好緊張刺激的環節和傳統的競賽方式。

此外，還能從收視行為分析中得知，此類觀眾收視習慣穩定、對情感婚戀類節目表現出一定興趣、喜歡傳統文化等諸多特質。

（二）從平臺角度進行受眾畫像

除了以節目類型為基準，進行目標觀眾畫像之外，采用行為聚類分析方法，還可以基于平臺進行用戶畫像。例如，以新媒體平臺為切入點，分析網絡綜藝節目的用戶畫像，可以得出以下結論：

網綜用戶樂于接受新鮮事物，平臺忠誠度較低。網綜用戶喜歡嘗試題材新穎、更具時尚感的綜藝節目，對網綜的日均觀看時長遠超其他平臺的綜藝節目。但此類觀眾注意力轉移速度快，即便對最愛看的網綜，日均觀看時長也只有10分鐘左右，跟隨節目、明星遷移，平臺忠誠度較低。

年齡構成上，網綜用戶更加年輕，25-54歲觀眾占比高于平均水平。

職業分布較為廣泛，收入5000元及以上觀眾占比明顯高于平均水平。

此外，還能從收視行為分析中得知此類用戶對節目明星、表現手法、小眾題材等維度的特征，有助于平臺明確內容創作方向，從而更好地吸引這部分用戶。

五、結果分析

（一）探索觀眾行為聚類在電視媒體中的應用

在電視媒體中，觀眾行為聚類作為一種新興的研究方法，旨在深入挖掘觀眾的行為模式、喜好和觀看習慣。通過對觀眾進行細致的聚類分析，我們可以揭示觀眾群體內部的異質性，發現潛在的觀眾細分市場。這不僅有助于電視臺更全面地了解觀眾的多樣性，還為制定個性化、精準的節目策略提供了有力支持。研究的首要目的是通過深度探索觀眾行為聚類的應用，為電視媒體提供更為靈活、精準的觀眾管理手段。

（二）分析聚類算法在綜藝節目觀眾研究中的作用

特定于綜藝節目觀眾的是本研究的一個重點。通過聚類算法，我們能夠在綜藝節目領域中深入挖掘觀眾的特殊行為模式和興趣點。這有助于電視臺更好地了解觀眾在觀看綜藝節目時的特定偏好，從而能夠更有針對性地設計和推出符合觀眾口味的節目。通過對不同觀眾群體的綜藝節目喜好進行分析，電視臺可以更靈活地調整節目內容，提高收視率，進而在激烈的節目競爭中脫穎而出。

（三）為電視臺提供更精準的觀眾畫像和決策支持

本研究的最終目的是為電視臺提供更為精準的觀眾畫像和決策支持。通過深入研究觀眾行為，我們能夠為電視臺呈現出觀眾的細致輪廓，包括他們的喜好、觀看時間、觀看頻率等方面信息。這些信息將為電視臺的廣告投放、節目制作以及推薦系統等提供有力的支持，幫助電視臺更好地滿足觀眾需求，提高用戶黏性，進而在激烈的媒體競爭中占據優勢地位。通過提供精準的觀眾畫像和決策支持，電視臺能夠更有效地制定戰略，實現可持續發展。

六、結語

在新媒體蓬勃發展的背景下，信息的流動日趨依賴數據驅動，算法技術成為電視等媒體平臺、節目內容生產者用來把握目標受眾和用戶偏好的重要手段。算法收集用戶數據，進行分析處理后，能夠指導、反作用于電視節目的生產、傳播、宣推、營收等各個環節。

在觀眾研究方面，聚類算法可以精準捕捉觀眾的收視行為變化，與當下電視節目市場的熱點內容、審美取向、觀看反饋等相結合，進而為電視節目生產指明方向，在滿足觀眾收視期待的同時，穩固用戶，并生產出具有多樣性的、契合時代命題的高質量作品。

不過，聚類算法也有自身的局限性，利用算法塑造觀眾喜好、凝聚具有同一傾向的收視群體，雖然可以形成基于平臺的粉絲群，但也會形成觀眾群體割裂、長期發展受阻、引發觀眾的“信息繭房”和節目生產的同質化競爭等問題。因此，如何合理運用算法，正視算法的雙刃劍效應，是今后要繼續深入探討的課題。

參考文獻：

[1]羅賀，趙培.面向電視觀眾的用戶興趣偏好建模方法[J].中國管理科學，2016（S1）：43-48.

[2]沈萌萌.媒介融合視域下文化類電視綜藝節目的傳播與接受探析[J].當代電視，2023（10）：72-76.

[3]賀夢萍，許夢槿.智能算法對電視劇類型化發展的影響探析[J].新聞研究導刊，2023（22）：254-256.

（作者單位：中央廣播電視總臺）

責編：周蕾