文／全國意向顧問股份有限公司顧問 謝邦彥博士、輔仁大學管理學院商學研究所 程美華博士候選人
收視率調查落伍了嗎?
台灣收視率調查長期由一家公司壟斷，調查收視率的方式，是先隨機抽樣選出收視戶，再詢問這些收視戶是否願意在家中裝設「個人收視記錄器」（People-Meter），使用者看電視時，需手動輸入家中哪些成員在收看，於特定時間將資料回傳後進行統計，再推論至全體收視戶，樣本數約1,800戶。
而台灣現有5大有線電視系統業者市占率達75％，擁有約496萬戶的有線電視用戶;1,800戶的樣本涵蓋率是否足夠?另外，收視率公司會贈送禮券、油票作為回饋，是否也意味這些餽贈行為，造成收視戶以中低收入居多，形成樣本代表性的偏差呢?有沒有更好的替代方式來取代傳統的收視率調查方式?
社群竟可以推測電視收視率
根據TWNIC 2014年的調查數據估算全台灣有一半的人口在使用「社群網路」平台，每天「黏」在社群網路上超過1小時，這樣的重度使用，我們除了可以蒐集網民在FB社群的意見外，這些「讚」、「分享」及「留言」跟電視節目的收視率是否有一個依存關係?
我們以某台某綜藝節目(每週播出一次)為例，蒐集了歷史的收視率及FB粉絲團的資料。嘗試找出每集的平均收視率與FB粉絲團相關數據的關聯性，分析模型利用「多元迴歸」，每集的平均收視率與當集的FB粉絲團的「APP登入數」、「按讚數」、「評論數」及「分享數」為變數，分析發現: 「APP登入數」、「按讚數」這兩個變數對於預測每集的收視率的成效，經過檢定是有「顯著性」；， 「評論數」及「分享數」的顯著性就沒有那麼強烈，利用這些分析，我們得到一個模型(見圖一)，模型解釋力R-Square = 90.7%，代表這模型在預測平均收視率時的誤差不高，解釋力強。
▲圖一、收視率預測方程式。
另外，根據模型建立出一個複雜的3D圖(見圖二)，可以看出由FB社群大數據預測電視收視率的複雜性。
▲圖二、收視率模型圖。
節目喜好馬上知道
FB社群大數據除了可以預測「量」收視率外，令人驚奇的是， 可以透過粉絲在社團的留言進行「質」的深化分析，以該節目某一集節目粉絲的留言來說，留言的情感係數為:0.01968，偏向正面(見圖三)。代表這一集觀眾的對於節目的評價偏向正面，而針對這數據，也可以進一步分析負面情感的粉絲發言內容，作為日後節目內容調整的基礎。
▲圖三、節目情感分析。
社群大數據浪潮無法避免
利用社群大數據預測電視的收視率，其好處是:可以同時分析收視的質(喜好)與量(收視率)，提供除了傳統收視率另一個角度的參考依據。不過，仍有其侷限性:如該節目是否有粉絲團、節目類型的差異、建模資料大小及數據的即時性、每15分鐘收視值的預測..等。雖然在利用社群大數據預測電視收視率仍有其限制，但不可諱言的是:社群大數據的浪潮未來對於人們日常生活及各行業的影響是無可避免的，你準備好迎接社群大數據時代了嗎?
讀者迴響