大數(shù)據(jù)背景下受眾研究面臨的挑戰(zhàn)及對策

文/曹 剛

受眾研究在傳播學領(lǐng)域占有突出位置。一方面，它連接著媒介功能和效果研究，幾乎每一項重要的效果研究都離不開受眾研究；另一方面，它是媒介產(chǎn)業(yè)運營中不可或缺的一個環(huán)節(jié)，是連接傳媒產(chǎn)業(yè)和廣告產(chǎn)業(yè)的紐帶。進入新世紀以來，面對加速演變的媒介技術(shù)，受眾研究從未止步。與此同時，一個源自計算機界的技術(shù)概念——“大數(shù)據(jù)”，近年來旋風般“橫掃”政治經(jīng)濟社會諸多領(lǐng)域，其能量不容小覷。大數(shù)據(jù)能給受眾研究帶來什么？大數(shù)據(jù)時代受眾研究將面臨哪些挑戰(zhàn)？本文將對這些問題進行深入研究，并探討應對之策。

一、從小樣本到大數(shù)據(jù)：受眾測量技術(shù)的升級換代

傳統(tǒng)的受眾研究在捕捉受眾媒介接觸、使用行為時主要針對隨機樣本或固定樣本（定期更新）進行，調(diào)查方式以入戶面訪、電話訪問、日記卡回收等人工測量為主。即使是20世紀80年代興起的各種主動、被動測量儀，也是以少數(shù)樣本為測量對象。進入21世紀，隨著互聯(lián)網(wǎng)、尤其是移動互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，各類智能化手持電子設(shè)備逐漸推廣普及，報紙、雜志、廣播、電視等傳統(tǒng)媒介紛紛通過互聯(lián)網(wǎng)平臺拓展原有傳播渠道，受眾媒介接觸和使用行為日趨多元化、復合化。新興電子媒體在測量受眾媒介使用行為時具有突出優(yōu)勢。作為交互媒體，互聯(lián)網(wǎng)對于用戶的訪問都會通過log日志的形式進行記錄，而且是以一種旁觀者的身份、不必驚動受眾的方式進行觀察記錄。針對智能設(shè)備的電子訪問記錄成為受眾研究不斷增長的測量數(shù)據(jù)的主要來源。這些數(shù)據(jù)符合大數(shù)據(jù)的主要特征：第一，海量數(shù)據(jù)。傳統(tǒng)受眾調(diào)查1000個樣本就算較大規(guī)模，而現(xiàn)在電子設(shè)備的訪問記錄幾乎是以普查的方式在進行，伴隨移動互聯(lián)設(shè)備和軟件的飛速發(fā)展，某些熱門端點用戶訪問數(shù)量動輒百萬、千萬，甚至過億，而且數(shù)據(jù)量隨時間不斷增長。第二，高維數(shù)據(jù)。數(shù)據(jù)集的維度是數(shù)據(jù)集合中的對象具有的屬性數(shù)目，簡言之，就是記錄單個受眾時可能涉及的屬性有多少。傳統(tǒng)受眾調(diào)查由于訪問成本所限，面向受測樣本的問題數(shù)量往往精簡到最小程度，特別是電話訪問時。而現(xiàn)在電子設(shè)備對于受眾的媒介使用行為可以近乎全方位、無遺漏地詳細記錄下來；不僅如此，由于蘋果、亞馬遜等大型公司構(gòu)建的網(wǎng)上商店系統(tǒng)，受眾往往實名注冊，大量個人信息與受眾媒介使用行為可以進行關(guān)聯(lián)分析，這在過去是難以想象的。第三，數(shù)據(jù)記錄的非目的性。傳統(tǒng)受眾研究在調(diào)查之前有明確的理論框架或商業(yè)用途，根據(jù)這些既定目標設(shè)計相應的需要調(diào)查的受眾屬性。而電子設(shè)備訪問記錄事無巨細地記錄受眾各種信息和媒介使用行為，并非出于事先規(guī)劃好的調(diào)查目標。

二、大數(shù)據(jù)背景下受眾研究面臨的挑戰(zhàn)

1．受眾媒介使用行為的海量數(shù)據(jù)，給數(shù)據(jù)分析帶來困難。由于電子設(shè)備在記錄受眾媒介使用行為時并不進行抽樣，而是全部納入測量范圍，加之日積月累，因此記錄的數(shù)據(jù)量不再是傳統(tǒng)受眾研究的兆字節(jié)，而是以指數(shù)級增長，達到了驚人的吉字節(jié)、太字節(jié)。這樣龐大的數(shù)據(jù)甚至不能放進計算機內(nèi)存中運算，而用非內(nèi)存算法可能相當耗時。而數(shù)據(jù)更新越來越快，時效性也越來越強，等計算機對海量數(shù)據(jù)分析出結(jié)果，有可能已失去應用價值，難以幫助媒介經(jīng)營者及時決策。

2．受眾媒介使用行為的高維數(shù)據(jù)，傳統(tǒng)統(tǒng)計方法難以應對。傳統(tǒng)受眾調(diào)查常見的是由少量受眾屬性集合而成的數(shù)據(jù)，為這些低維數(shù)據(jù)開發(fā)傳統(tǒng)的數(shù)據(jù)分析技術(shù)和軟件通常不能很好地處理高維數(shù)據(jù)?，F(xiàn)在，研究者往往要面對成百上千的受眾屬性，中、高維度數(shù)據(jù)與低維度數(shù)據(jù)有質(zhì)的不同，傳統(tǒng)統(tǒng)計方法和軟件失去用武之地，這就使計算機在分析高維數(shù)據(jù)時會陷入所謂的維災難。

3．受眾測量數(shù)據(jù)量非常大，而其中有價值的信息卻很少。傳統(tǒng)受眾調(diào)查與統(tǒng)計分析是在有明確研究假設(shè)條件或媒介運營指標指導下，精心設(shè)計問題收集相應數(shù)據(jù)，以達到檢驗假設(shè)真假或判斷媒介運營成敗的目的。因此，數(shù)據(jù)分析的方法基本上在數(shù)據(jù)收集之前已確定?，F(xiàn)在，研究者事先并不知道在海量多維數(shù)據(jù)中隱含著哪些有用的信息，就像從礦石中淘金一樣，需要應用各種算法探索和揭示隱藏的、未知的規(guī)律性，這無疑加大了數(shù)據(jù)挖掘的難度。

三、受眾研究在處理“大數(shù)據(jù)”時的對策

1．利用抽樣技術(shù)有效壓縮受眾測量數(shù)據(jù)量。抽樣是一種選擇數(shù)據(jù)對象子集進行分析的常用方法。在調(diào)查研究中，抽樣常常用于縮小調(diào)查對象或不宜做普查的情形。傳統(tǒng)受眾研究正是建立在對受眾進行抽樣調(diào)查的基礎(chǔ)上。在大數(shù)據(jù)時代的數(shù)據(jù)挖掘中，抽樣也非常有用。與傳統(tǒng)受眾調(diào)查不同的是，大數(shù)據(jù)背景下數(shù)據(jù)挖掘的抽樣對象不是受眾，而是海量數(shù)據(jù)集。當直接處理所有海量數(shù)據(jù)的費用太高、太費時間時，只好退而求其次對龐大數(shù)據(jù)集合進行抽樣。在合理選擇抽樣方案的基礎(chǔ)上，使用抽樣的算法可以有效壓縮數(shù)據(jù)量。除了傳統(tǒng)的抽樣方法，面對大數(shù)據(jù)，研究者還可以采用漸進式抽樣。這種抽樣方法的優(yōu)點是可以不用事先確定樣本規(guī)模（事先往往不知道合適的樣本規(guī)模），先從一個小樣本開始，然后逐漸增加樣本容量，當預測模型準確率的增加趨于穩(wěn)定時，就可以停止增加樣本容量。

2．利用維歸約技術(shù)降低受眾的數(shù)據(jù)維度。電子設(shè)備自動記錄的受眾數(shù)據(jù)集可能包含大量屬性。數(shù)據(jù)預處理的一個重要方面就是減少維度，稱為維歸約。相比高維數(shù)據(jù)，經(jīng)過維歸約處理后的低維數(shù)據(jù)在后續(xù)分析中具有明顯優(yōu)勢：第一，目前開發(fā)的數(shù)據(jù)挖掘算法通常對低維數(shù)據(jù)的計算結(jié)果更具實際意義；第二，基于低維數(shù)據(jù)建立的數(shù)據(jù)模型可視化效果更好，更易于非專業(yè)人士理解。

維歸約技術(shù)常常通過創(chuàng)建新屬性，將一些舊屬性合并在一起來降低數(shù)集的維度。

3．充分利用受眾研究的背景知識增加數(shù)據(jù)挖掘的預判性。傳統(tǒng)受眾研究方法較為成熟，研究者在計算機輔助下，可以完成調(diào)查設(shè)計、數(shù)據(jù)分析、結(jié)果詮釋等一系列受眾研究環(huán)節(jié)。但是，在大數(shù)據(jù)時代，面對復雜的海量數(shù)據(jù)，需要有不同專長的人員密切配合來完成數(shù)據(jù)挖掘任務。首先，由對傳播理論感興趣或有深厚媒介運營背景的專門人才，盡可能清晰地定義出數(shù)據(jù)挖掘的問題。盡管沒有人能事先預測數(shù)據(jù)挖掘的最后結(jié)構(gòu)，但是從概率論角度看，經(jīng)過傳媒專業(yè)人士界定數(shù)據(jù)挖掘的問題之后，在實踐中挖掘出有價值信息的幾率更高，而盲目地運用各種數(shù)據(jù)挖掘算法去處理數(shù)據(jù)，得到的數(shù)據(jù)結(jié)構(gòu)往往沒有很大現(xiàn)實意義。接著，由精通數(shù)據(jù)庫技術(shù)和統(tǒng)計分析技術(shù)的數(shù)據(jù)分析人才，將受眾研究目標轉(zhuǎn)換成數(shù)據(jù)挖掘的具體任務，并為每步操作選擇合適的技術(shù)。由此可見，在大數(shù)據(jù)預處理和數(shù)據(jù)挖掘算法尚存“門檻”之際，受眾研究將是一個多學科專家交互協(xié)作的知識探索過程。

面對“大數(shù)據(jù)”熱，受眾研究有可能陷入過分擬合的數(shù)據(jù)“陷阱”之中，這并非危言聳聽。這是因為大數(shù)據(jù)條件下，受眾數(shù)據(jù)的記錄項目并非在事先規(guī)劃嚴密的框架下設(shè)定，從而導致海量數(shù)據(jù)中存在一些不相關(guān)的變量，如果這時完全遵循計算機對數(shù)據(jù)建立的模型，很可能該模型本身對于所有數(shù)據(jù)的擬合度非常好，但是這一模型的實際含義與現(xiàn)實不符合，這就要求研究者對計算機自動生成的數(shù)據(jù)模型保持謹慎態(tài)度。

[1]丹尼斯·麥奎爾著．劉燕南，李穎，楊振榮譯．受眾分析[M]．北京：中國人民大學出版社，2006．

[2]謝邦昌等．從數(shù)據(jù)采集到數(shù)據(jù)挖掘[M]．北京：中國統(tǒng)計出版社，2009．

[3]張余．裂變與交互——數(shù)字電視時代的受眾研究[M]．北京：中國傳媒大學出版社，2011．