广播与传播基础 12

党的二十届三中全会提出，应“构建适应全媒体生产传播工作机制和评价体系”从“受众”到“用户”，不仅是称谓的转变，更是传播权力的让渡。本章节将探讨新媒体环境下用户角色的重塑与传播效果的衡量维度。第六章

视听内容的用户与传播效果广播电视与视听传播概论理解用户变迁掌握从传统受众到新媒体用户的角色转变，分析多屏互动环境下的行为变化。掌握传播效果评估了解视听传播效果评估演进，熟悉大数据时代的评估方法与核心指标。洞察新型关系分析效果导向的媒体用户新关系，理解用户驱动的生产模式变革。提升应用能力运用理论分析实际案例，评估传播效果并思考产业发展方向。本章学习目标LearningObjective目录CONTENTS第一节从受众到用户的变迁一、多屏互动环境下用户视听信息接触方式的变化（一）大屏电视端线性播出方式受到挑战（二）中小屏伴随式收看行为大规模增长（三）传统的被动型受众向主动型用户转变二、视听信息在多级传播路径下的效果延伸（一）广场式的陌生人社交（二）基于关系的熟人圈社交（三）基于身份认同的兴趣社交三、视听信息用户特征的变化（一）广播用户特征的变化（二）电视用户特征的变化（三）网络视听用户特征的变化第二节视听传播效果评估方式的发展第三节基于效果导向的媒体与用户新型关系建设一、视听传播效果评估的演变（一）传统电视与收视率调查（二）网络电视与大数据研究二、视听传播效果评估的主要方法（一）人工调查（二）测量仪（三）互联网技术与大数据分析三、视听传播效果评估的主要指标（一）收视率指标（二）质性指标（三）大数据指标一、用户参与的视听内容生产二、用户驱动的视听作品评价三、以用户为中心的生产模式变革第一节从受众到用户的变迁FROMAUDIENCETOUSER:THESHIFTINROLE•多屏互动环境下用户视听行为的变化•多级传播路径下的效果延伸•视听信息用户特征的变化一、多屏互动环境下用户视听行为的变化（一）大屏电视端线性播出方式受到挑战内容生产传播：模拟信号到数字信号信息接收行为：从传统“定时、定频、定内容”的线性传播，转向基于IP的点播（VOD）与回看模式。用户掌握主动权，可随时选择、暂停、快进，实现“想看就看”，彻底打破时间与频道限制。（二）中小屏端：伴随式收看成为主流●用户收看终端多样化智能手机、平板电脑实现随时随地收看。●时间分配碎片化地铁、公交等通勤场景成为核心阵地，用户利用碎片化时间进行伴随式收看。●内容呈现的离散节目从电视播放转化为网络传播，频道的固有形态逐渐被打破，观众选择的不是频道而是节目，可通过搜索引擎直达节目单元。第56次中国互联网络发展状况统计报告（三）用户角色转变：从被动接收者到主动探索者主动搜寻用户从被动接收转变为主动搜索所需内容。我们不再满足于电视台播放什么就看什么，而是主动去寻找自己感兴趣的内容。口碑传播社交媒体提供了便捷的反馈渠道，用户成为信息传播者。看完一个好节目，我们会在朋友圈、微博分享，成为二次传播的节点。影响议程用户的口碑和意见能反过来影响内容生产者的议程设置。一部剧的口碑好坏，直接影响它的后续播放和制作方的决策。（一）广场式的陌生人社交（以微博为例）●核心特点：多对多、裂变式传播，去中心化。●传播路径：官方渠道发布、明星效应、KOL推荐、平台算法助推。●案例分析：热门剧集话题营销某现象级古装剧在播出期间，通过官方、主演、影视大号、营销号矩阵发布片花与剧情解读，利用微博热搜机制将话题推至广场，激发普通用户的跟风讨论与二创传播，最终实现全民追剧的热度效应。二、视听信息在多级传播路径下的效果延伸（二）基于关系的熟人圈社交（以微信为例）●核心特点：强弱关系并存的“半熟人”场域整合了以高频互动、情感联结为主的“强关系”（群聊/私聊）与以“点赞之交”、弱互动为主的“弱关系”（朋友圈），是一个兼具私密性与公开性的独特传播网络。多元内容聚合专业媒体剧评、自媒体观点解读、二创短视频等优质内容通过公众号等渠道，在社交网络中沉淀与分发。社交信任背书关注行为往往建立在对分享者个人品位、价值观或专业能力的信任之上，关系链成为内容的“信用凭证”。社交压力驱动为了融入社交圈、参与朋友间的热门话题讨论，用户往往会产生对特定内容的“被动关注”与“主动补课”需求。💡传播底层逻辑“关系”带来关注，而非“内容”本身（三）基于身份认同的兴趣社交（以豆瓣、贴吧为例）豆瓣模式·Douban“去中心化的精神角落”❖自由松散的联结以“标记、评论、讨论”为核心互动方式，社交关系非强制性。用户间的联结建立在对书籍、影视、音乐等内容的品味与深度认同之上。❖强调表达的同好圈社群进出无门槛约束，鼓励个体自由发声与观点碰撞。用户在小众圈层中，通过高质量的文字表达，寻找文化归属感与自我价值认同。贴吧模式·Tieba“有组织的粉丝部落”❖紧密且仪式化的管理拥有明确的吧主/小吧主等管理层级，以及每日签到、统一发帖格式等社群规范。强仪式感和清晰规则构建了紧密的社群组织形态。❖高度的粉丝集体认同基于特定IP或兴趣点形成极强的集体归属感。社群内部往往会共同创造并演化出一套专属的“黑话”与共享的文本阐释系统。传统广播时期（一对多的大众传播）新中国成立初期，无线电工业落后（1956年约每50户人家有一部收音机）。广播主要作为集体媒介，通过“大喇叭”向社区、公社、村组播放，安放在部队、厂矿、广播室。改革开放以后，广播成为全民媒介，受众从“大众”走向“分众”，不同年龄、地域、趣缘的听众都能找到喜爱内容。20世纪90年代以后，电视机普及，对收音机市场保有率造成较大冲击。三、视听信息用户特征的变化（一）广播用户特征的变化移动互联网时代移动多媒体广播和数字音频广播进入生活。网络广播更专业、灵活、私密，提供全天候专业化细分节目（新闻台、体育台、音乐台、交通台等），支持点播、订阅、回看。收听工具转为车载收音机和智能终端，形成两大听众群体私家车主：稳定听众群体（得益于私家车持续增长）。年轻上班族：借助智能终端在碎片化通勤时间收听。《智慧广播-广播融合创新与数字化转型研究报告》，赛立信数据资讯，2024年11月20日。新媒体阶段趋势2010年，收视群体向中老年集中，但三网融合以来，智能电视正在吸引年轻观众回流，重塑家庭娱乐场景。4.68亿户联网电视覆盖家庭

(截至2024上半年)94.7%联网电视家庭渗透率

(行业高覆盖水平)340分钟用户日均收视时长

(远超其他长视频平台)核心角色转变单向被动“信息播放盒”➔双向互动“智能家庭终端”（二）电视用户特征的变化长视频用户▎画像特征主要为30-50岁的中青年群体，普遍拥有较高学历，职业发展稳定，具备较强的个人及家庭经济基础。▎行为习惯倾向于购买个人或家庭付费会员，注重内容质量。偏好沉浸式、长时段内容消费体验，是优质内容的“深度消费者”。短视频用户群体多元：以18-34岁的年轻群体为核心主力，同时通过生活化、适老化内容吸引大量银发族，实现全年龄段覆盖。行为特征：高频次、碎片化的消费习惯，追求即时的娱乐快感，并热衷于点赞、评论、转发等社交互动。网络直播用户▎圈层分化显著用户画像差异极大，不存在统一的标签，而是根据直播内容类型（如电商带货、游戏竞技、知识分享、生活娱乐等）高度细分化。▎核心诉求追求强互动性和实时参与感，注重主播与观众、观众与观众之间的社交连接和情感陪伴。（三）网络视听用户特征的变化第二节视听传播效果评估方式的发展EVOLUTIONOFAUDIO-VISUALCOMMUNICATIONEFFECTEVALUATIONMETHODS•从收视率调查到大数据研究•视听传播效果评估的主要方法•视听传播效果评估的主要指标一、从收视率调查到大数据研究（一）收视率调查的起源和发展中国：20世纪80年代中期•形式：电视台与统计局合作•方式：观众来信、座谈会、抽样调查•覆盖中国内地12.8亿

和香港地区超653万电视观众美国：20世纪30年代•形式：电话调查、家庭日记卡（纸质）•方式：人工填写收视时间与频道•核心：基于统计学的抽样调查•局限：数据滞后、依赖人工记录（二）网络电视与大数据研究01/跨屏收视调查针对电视收视样本采集收视数据的同时，对其电脑、智能手机等其他屏的收视行为进行数据采集。02/社交媒体监测通过监测社交媒体平台中节目或剧集的话题热度、讨论量、分享次数、好评率等指标来衡量其受关注程度。（一）人工调查-20世纪30年代▌邮寄调查

通过向家庭信箱邮寄问卷询问家庭对特定节目的观看情况覆盖样本大，问题量大。缺点是回收率低、反馈慢，而且反馈者多是那些愿意花时间填答问卷并寄回的偏差性样本，因而代表性略低。▌电话调查

通过同步电话法测量，即询问接电话的人是否正在收看节目。优点是响应速度快、回收率高，能区域性精准抽样，但缺点是成本高。由于响应时间短，难免出现偏差。二、视听传播效果评估的主要方法（二）测量仪-1973年▌即时存储测量仪

AC尼尔森公司推出，能自动记录用户的频道切换动作与具体观看时长，在夜间可自动将收集到的收视数据汇总并上传至服务器。▌人员测量仪

实现了收视数据从“户”到“人”的跨越，极大提升了数据的分析颗粒度。支持对不同年龄、性别、职业的细分受众群体进行收视行为画像，为精细化广告投放和内容编排提供了科学依据。二、视听传播效果评估的主要方法机顶盒数据采集▍核心原理

通过智能机顶盒实时回传所有经过网络交换的视听行为数据。▍评估优势

覆盖样本基数巨大，数据获取效率高且精准，能够客观反映用户真实的视频点播(VOD)与回看行为。跨屏同源数据分析▍关键技术手段

基于用户账号体系与设备唯一标识(ID)进行多源数据集成，结合行为追踪技术与机器学习算法，实现同源数据深度分析。▍商业与研究目的

整合手机、电视、平板等多端行为，构建全链路用户画像，洞察跨屏消费模式，以此优化内容分发策略与广告投放模型。AI与机器学习应用▍核心应用场景

处理并自动分析PB级大规模视听行为数据，利用聚类与关联规则算法，识别用户群体的观看偏好与潜在消费模式。▍价值产出

实现内容与服务的个性化精准推送，预测用户行为趋势，最终推动从流量获取到商业价值转化的完整闭环。（三）互联网技术与大数据分析收视率(Rating)计算公式：观看人数/总人数衡量特定时间点内，节目在整体人群中受欢迎的程度，是衡量频道竞争力的基础指标。到达率(ReachRate)计算公式：观看人数/目标人群总人数衡量在一段时间（如一天或一周）内，有多少不同的观众看过该节目，反映节目的市场渗透力与覆盖广度。人均收视时长(AVD)计算公式：总收视时长/观众人数反映观众与节目内容的互动深度，衡量内容本身对观众的吸引力强弱及可看性高低。收视总量和留存率关注观众总人数，以及从节目开始到结束的“持续观看比例”。高留存率代表节目内容的情节紧凑、节奏得当，具有极强的“粘性”。观众流动和观众重叠

分析观众在不同节目之间的流入与流出情况，用于评估频道的“节目编排”效果及各时段节目的衔接协同能力。以及不同节目之间观众群体的交集情况。三、视听传播效果的主要指标（一）收视率指标（二）质性指标早期收集方法是在定量采集收视率相关数据时嵌入主观性指标，如在测量仪器上增设特殊按键：非常好的(excellent)、有信息量的(informative)、可信的(credible)……等。此外也会采用电视质量分级指标，通过定性和定量相结合的方法评估节目效果。以建立多元化的评估体系为目标方向，我国的电视节目评估综合了收视率调查、观众满意度调查和专家评议三种方式，从传播力、引导力、影响力和专业性等多个维度进行全方位的评价。核心目的：弥补定量局限，挖掘主观价值突破收视率等客观数据的单一维度，深入衡量观众对内容的主观感受、情感连接与价值认同，全方位评估节目的社会影响力与艺术感染力。视频完播率(CompletionRate)/观看转化率(ConversionRate)衡量观看完整度，可直接用于指导优化内容的节奏和时长。以及从“观看”到“购买”、“订阅”等最终目标行为的转化比例，直接体现内容的商业价值。。社交媒体提及量

(SocialMediaMentions)衡量全网范围内的讨论热度，结合情感分析还能评估受众的情感倾向。互动率(EngagementRate)点击、评论、分享、点赞等行为的频次和深度，反映用户参与度。（三）大数据指标留存率(RetentionRate)评估观众持续关注的意愿，是衡量内容粘性的关键指标。多屏互动率(Multi-screenengagementRate)/广告点击率(Click-throughRate)前者反映了观众在不同设备上互动的频率。后者是衡量广告吸引力的关键指标，反映了观众在看到广告后，点击广告链接的比例。第三节基于效果导向的媒体与用户新型关系建设CONSTRUCTIONOFNEWRELATIONSHIPBETWEENMEDIAANDUSERS•用户参与的视听内容生产(UGC)•用户驱动的视听作品评价•以用户为中心的生产模式变革两类UGC主要特征产生影响一、用户参与的视听内容生产•原创性内容：完全独立由用户独立创作的内容•二次创作内容：用户在其他媒体、机构或个人原创内容基础上加入自己的想法或风格，通过修改、拼接、重组等方式进行再次创作•制作成本低廉，创作门槛低•非专业主体创作，强调参与感与表达权，内容多元碎片化，贴近生活与个人视角•传播依赖社交关系链裂变，生命周期较短•第一，原创性UGC极大提高了内容生产的数量和质量，极大丰富了内容产品的类型、谱系和视角。•第二，用户二次创作内容有助于提升原作品的传播效果，丰富原作品的内涵和外延。•第三，直接向其他用户传播UGC，构成从用户到用户的新型传播格局。核心逻辑：打破“单向观看”模式，以实时评论构建沉浸式参与感，成为青年亚文化表达与互动的新场域。二、用户驱动的视听作品评价弹幕互动1.用户与作品的互动：随时暂停、回溯，并结合其他用户在不同时间节点留下的弹幕进行思考，从而将原本连贯的情节拆解为多个可互动的片段，重新构建用户对作品的理解逻辑。2.虚拟共时在场：打破时空隔离，让不同时间观看的用户形成群体情绪共振。2.促进多元解读：弹幕汇聚多元视角，推动对作品的深度解构与二次创作。“边看边聊”的同步体验衡量维度·KeyMetrics搜索指数|话题讨论热度|社交互动指数(点赞/评论/转发)|跨平台裂变能力正向赋能·PositiveImpacts扩大传播范围，突破圈层壁垒将单纯的“节目观众”转化为积极的“社交话题参与者”，借由社交网络实现内容在不同人群中的破圈传播。增强情感认同，构建社群联结通过公共讨论和观点碰撞，在用户间形成情感共鸣与社群归属，强化对IP或内容的忠诚度与粘性。潜在挑战·PotentialRisks信息过载与失真真假信息混杂，导致公众认知偏差与分辨困难。极端粉丝逻辑绑架非理性的“饭圈化”讨论，挤压正常公共表达空间。数据泡沫干扰评估刷量、买粉等虚假流量行为，扭曲了对内容价值的真实判断。网络暴力与伤害匿名性放大了负面情绪，对创作者和用户造成精神与名誉伤害