電視劇收視率在大數據環境下的研究

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Panel Data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對于電視劇收視率影響作用的方式

(一)變量的設置方式

筆者在此決定將每個電視劇的每天收視率視為因變量y，同時將對應的百度指數設置為x1，電視劇類型設置為x2.其間暫且將電視劇類型理解為虛擬變量，那么如若說電視劇類型是情感與古裝時便理解為1，其余類型則統一視為0。

(二)數據的處理方式

因為每個電視劇收視率和每天對應的百度指數不會存在較大差距，為了更加清晰地把握不同因素對于電視劇收視率的影響程度，筆者決定將當下獲得的數據予以標準化處理。對應的公式便是Xit=(XIMin)/(Max-Min)，當中Min表示這部分序列中的最小值，而顧名思義Max則是其中的最大值，基于上述公式我們就可以順利獲取標準化處理好的數據。

(三)回歸結果的解析方式

在正式開展回歸分析之前，需要針對獲得的數據予以單位根和協整檢驗處理，獲得的收視率、百度指數、題材類型等序列，都可以被視為平穩序列。與此同時，收視率、百度指數、題材類型等序列將時刻維持協整關系。為了避免在截面上產生不必要的影響、不會產生強烈的結構變化現象，可以在引入混合類面板數據模型的同時，將其視為橫截面數據堆積的模型，對應的回歸結果將主要表現為：判定系數0.5021、調整后的判定系數0.4826、F統計量25.7172、P值0，以及DW值0.6915，而回歸方程中C、X1、X2等變量的系數則分別為0.03927、0.6413、0.1434。透過對比觀察可以發現，百度指數系數和題材類型系數相比要大出許多，同時兩者都是正數，這表明其會對電視劇收視率產生正影響，且這部分影響會強于電視劇題材類型對收視率的影響。

三、結語

綜上所述，大數據環境之下能夠對我國電視劇收視率產生較為深刻影響的因素便是百度指數，百度指數越大，對應電視劇對觀眾群體的吸引力就越強。希望日后各類電視臺在把握好電視劇題材方向、演繹角色、結構內容的同時，適當地提升自身的網絡口碑，這樣才能令其電視劇收視率不斷飆升，輔助其贏得更多的經濟效益。

[1]羅國楨.國產電視劇的新媒體營銷研究[D].南昌大學，2015.

[2]徐曉楓.融合社交與搜索數據的電視劇點播熱度排名預測方法[D].華東師范大學，2015.

[3]黃夜曉.當今中國電視劇發展面臨的多重挑戰與機遇[D].中國藝術研究院，2016.