王育鸿， 梁满发， 张逸进

(华南理工大学理学院， 广东 广州 510640)

0 引 言

迄今在我国量化评估电视剧市场的文献鲜见报道，用CSM收视调查数据建立模型评估电视剧市场在我国也尚属探索阶段.CSM数据是我国最具权威媒体收视调查数据，运用CSM数据分析电视剧市场是业内急待开发的技术.作者试图运用多元统计理论中的对应分析模型，选取CSM数据中“观众集中度”和“观众构成”指标作为分析指标，揭示电视剧观众群收视偏好的相似性或相关性，以此判断分析播放的电视剧的艺术相似性、观众群收视偏好相似性、电视剧目标观众群定位、市场竞争点或盲点以及新电视剧创作方向等市场问题，并以直观明了的图形表示数据结构和解释市场，可见对应分析技术在电视剧市场评估领域的探索和研究中有重大意义.

在本文的分析中，我们以“非亲姐妹”、“欢天喜地七仙女”、“红罂粟”、“武林外传”4部电视剧为研究对象，以CSM数据中的收视率、观众集中度和观众构成指标数据为数据分析指标，以2010年7月26日青岛电视台新闻综合频道CSM数据为样本数据，运用对应分析技术分析电视剧观众收视偏好相似性或相关性以及4部电视剧的目标观众定位问题，并将结果直观和可视化，就此创造了一种运用对应分析技术进行电视剧市场评估的新案例.

1 CSM数据的相关指标

收视率(%)：是指在某一特定时期中某特定时段内，某一频道或某一节目平均每分钟的收视人数在总体推及人口中所占的比例[1].CSM数据针对的总体是4岁以上的观众.

观众集中度：是指目标观众相对于参照观众的收视集中程度.它说明了“什么人更爱看这个节目”，以此可分析观众对节目的偏好.

观众构成：是指特定频道(或时段或节目)的收视观众结构，它说明了“什么人在收看这个节目”，以此来分析目标观众群.

2 对应分析模型原理

对应分析是从因子分析基础上发展而来的一种多元统计方法,由法国统计学家Beozecri于1970年提出，主要用于分析变量间、样本间以及变量与样本间的对应关系，解决了因子分析和聚类分析等统计方法只能单独研究变量间或者样本间关系的不足.

JP. Beozecri提出对应分析方法之初,该法并未引起学界的关注,直到1974年MO. Hill在《Applied statistics》杂志上发表文章《相应分析——一种被忽视的多元分析方法》,再度介绍了对应分析技术及其优点之后才引起了人们的兴趣.发展到现在，对应分析应用十分广泛，例如在医学方面，早在1988年，Leclerc等将对应分析用于医务人员的职业特点与健康状况关系的分析[2]，取得了较好的效果，但是在电视剧评估市场的应用仍属空白.

第一步，建立数据阵：假设有n个样本，p个变量，则原始资料阵表示为X=(xij)n×p.

第四步，结果分析：最后根据F,G载荷值大小将变量及样本点画到一张坐标图中，得到对应分析图.根据图即可直观地观察变量间、样本间以及变量与样本间的对应关系[3].

3 对应分析技术在电视剧评估市场中的应用

影响电视剧收视率的因素有很多，比如频道因素、时段因素、播放策略因素和节目竞争因素，这些因素最根本的是观众群的收视偏好.观众收视偏好是指观众对媒介和媒介内容的主观评价以及基于这种主观评价而产生的媒介和内容消费倾向及行为.观众收视偏好是由观众属性决定的，即观众的人口统计属性、心理属性、地缘人口属性，其中年龄、性别、收入和文化程度等人口统计属性的特征非常容易被量化，可以较为清晰地描述出观众在社会中所处地位和阶层，因此成为了定量受众研究中最常见的观众属性，是研究观众媒介消费行为的重要属性指标[4].下面就基于CSM数据利用对应分析技术对年龄，收入和文化程度进行收视偏好分析.

3.1 对观众集中度指标的对应分析

在本论文的研究中，采用的是CSM媒介研究2010年7月26日的每天收视追踪数据，利用spss17.0软件做对应分析，结果如表1所示.

表1 对应表

表2 统计量摘要

注：a.18自由度.

第一维主成分惯量值的比例为86%，能够解释总信息量的86%，占信息绝对主要部分；第二维主成分惯量值的比例为8.5%，能够解释总信息量的8.5%，两者累积能够解释总信息量的94.5%，几乎近似了全部信息.

表3 概述行点a

注：a对称标准化.

表3的左侧为变量名称数的4个取值类别在两个维度中的分值，实际上就是坐标值，其中质量这一列为每一类别所占的百分比；随后的两列则为坐标值.右侧给出了每个类别对各个维度的贡献量，包括点对维度惯量的贡献和维度对点惯量的贡献.

表3 概述列点a

注： a对称标准化.

表4中个统计量的含义与表3中的相同.

图1 年龄与电视剧收视偏好关系图

图1为对应分析输出的二维可视图，依据图中电视剧点和观众群点之间的距离分析电视剧收视偏好相似性[5].分析结果如下：

3.1.1 对应分析图

由于第一维主成分能够解释总信息量的86%，因此用该维就能够较好近似全部变量信息.通过分析图中代表电视剧点间的距离，我们能够得出如下结论：

(1)若将电视剧分为两类，由于“非亲姐妹”与“红罂粟”两电视剧点在横轴距离较近，说明这两部电视剧观众收视偏好相似.相反，由于“欢天喜地七仙女”与“武林外传”两部电视剧点在横轴距离较近，说明这两部电视剧观众收视偏好相似.

由于“红罂粟”电视剧点与45～54岁观众群点在横轴距离最近，说明45～54岁观众群最喜欢此电视剧.由于“非亲姐妹”电视剧点与55～64岁观众群点在横轴距离最近，说明55～64岁观众群最喜欢此电视剧.如此分析，4～14岁观众群最喜欢“欢天喜地七仙女”电视剧，15～24岁观众群最喜欢“武林外传”.

3.1.2 市场竞争方面

非亲姐妹，红罂粟与55～64岁的观众群在横轴上的距离很接近，说明这类观众群是这两部电视剧的争夺目标，也即这两部电视剧在市场上有竞争.

3.1.3 市场开发方面

15～34的观众群似乎没有特别喜欢哪部电视剧，这说明这类人群是商家开发的新目标，同时非亲姐妹这类电视剧可以选择把55～64岁的人群定为自己的目标，也可以选择开发新的人群目标，比如在横轴上距离较近的35～44岁的人群.65岁以上的观众群是一个空白市场，也是新电视剧创作可发展的新目标.

3.1.4 主成分

从电视剧艺术元素方面看，第一维主成分可以说是电视剧的逻辑推理和贴近生活的一个度量，而第二维主成分则是电视剧情节的连续性的一个度量，这个结果也与事实相符合.红罂粟和非亲姐妹在第一维主成分上的得分比较高，而欢天喜地七仙女和武林外传在第一维主成分上面的得分相对较低，前两部电视机在电视情节上逻辑性更强，与现实生活更贴近，欢天喜地七仙女和非亲姐妹在第二维主成分上的得分相对较高，而武林外传相对较低，红罂粟次之，在电视剧情节上前两部是连续的，而武林外传则是一个一个的小故事，为间断性的.

3.1.5 假设检验

为了验证我们的结论是否可靠，我们可以针对上述结果提出假设，然后使用更多的数据去分析检验，得出更加可靠的结论，为电视剧市场评估模型提供一个切实可行的方法模型.

3.2 对观众构成度指标的对应分析

分析结果如表5所示.

表5 对应表

表6 摘要

注：a.18自由度.

图2 年龄与电视剧收视偏好关系图

从对应分析图(图2)输出结果可以看出，与集中度数据分析很相似，没有太大差别.

总之，利用对应分析模型我们可以从目标收视群、市场竞争和市场开发方面得出很直观和很有用的结论，为电视剧的定位和挖掘新的目标群提供有效的方法.

4 结束语

本研究为量化评估电视剧市场提供了很好的思路，基于这种技术方法，通过大量数据调查与分析，可以深入了解电视剧艺术元素影响收视率的作用机理，提出艺术元素与收视率或观众收视偏好的假设性关系，并对此设计专题补充调查方案，细化观众群和电视剧艺术元素，提出观众对艺术元素偏好的猜想，建立合理的电视剧市场评估模式.

参考文献

[1] 王兰柱.中国电视节目评估:理论与实践[M].北京：中国传媒大学出版社，2007:41-48.

[2] Leclerc A. Correspondence analysis and logistic modeling: complementary using the analysis of a health survey among nurse[J].Statistics in Medicine, 1988, 7: 983-995.

[3] 于秀林，任雪松.多元统计分析[M].北京：中国统计出版社，1999：206-208.

[4] 王兰柱.中国电视节目评估: 理论与实践[M]. 北京：中国传媒大学出版社，2007：6-8.

[5] 张文彤.spss11统计分析教程(高级篇)[M].北京：北京希望电子出版社，2002：205-207.

[6] 数据来源：CSM媒介研究[EB/OL]http://www.csm.com.cn.