每月视点 | 郑维东：从线性到非线性

当今互联网技术和应用发展大大促进了媒介融合进程。电视与互联网基于视频的融合传播正在内容、渠道、终端、用户、营销等各个层面快速推进、深度变革。视频重塑媒介，5G重塑视频，这被形容为当今媒介化社会加速演进的一个重要标志。

媒介融合进程推动观众向用户不断转化。如果说看直播电视被界定为观众行为，那么对视频内容的回放、点播、倍速、慢速、多窗口等等操作则应该被界定为用户行为。一定意义上说，观众行为和用户行为相叠加就是媒介融合。

CSM全国网收视调查数据显示，2020年前三季度，电视观众人均每天收看时长为117分钟，其中差不多80%时间是在收看直播电视（其余时间用于电视大屏的回放和点播等），即观众人均每天时长约94分钟。来自CNNIC的最新统计数据则表明，全国网民（规模已相当于全国电视观众数量的约75%）截至2020年6月的人均每天上网时长为240分钟，其中使用网络视频、短视频及网络直播等视频行为的时间占比为28.9%，即人均约70分钟。

基于以上数据可知，当前对于广泛意义的视频内容而言，观众人均（电视）消费时间约每天94分钟，用户人均（视频）消费时间约每天93分钟（70+117-94），两者数字基本相同。观众和用户对视频内容消费的组合性、复合性、此消彼长的特征，恰是对电视媒体融合发展进程的动态反映。

从时间与内容的组合序列分析，观众看直播电视是线性行为，用户使用视频则是非线性行为。传统收视率调查是建立在线性行为数据基础上的，创新的跨屏收视行为监测则重点在于如何解析和统计用户使用视频的非线性行为数据。这是后者必须面对的一个挑战。

传统收视率旨在统计不同时段/节目的观众到达人数和收视时长；创新的跨屏收视率当然也需要统计用户到达人数以及每用户使用时长。电视时代是分钟级数据时代，数据颗粒度较粗，观众到达人数计算以1分钟触达为基数；互联网时代是秒级数据时代，数据颗粒度精细，用户到达人数计算以2秒钟触达为基数（MRC跨屏测量标准定义）。两相比较，变化的是时间尺度，基于非重复触达行为的核心定义并无改变。

传统收视率所监测和计算的收视时长是标准时长（Standard Duration），与节目自身的时间尺度相同步；创新的跨屏收视率监测，在统计和计算使用时长时就复杂很多，因为用户产生大量非线性视频使用行为，形成所谓的“行为矩阵”，这就需要对每一细分行为分别进行持续时长稽核。

在非线性收视行为统计中，时长（Duration）被特别定义为“从暴露于该视频内容的第一刻起直到用户结束在同一内容中的暴露止所持续的时间量”。用户对视频内容的快进或者回退行为不计入收视时长，只作为确认相对时间位置和准确计算时长的行为标签；但基于倍速或者慢速等非线性收看行为，则通过引入绝对时长（Absolute Duration）和相对时长（Relative Duration）等概念进行二次换算。

传统的收视率调查监测主要基于概率抽样产生的固定样本组进行，这种方式基于线性行为在频道和时段组合上的有限性，且成本节约和精度可控，而成为相当长时期的金标准。创新的跨屏收视率监测同样可以基于建立固定样本组的方式推进，但是由于非线性收视行为的碎片化、复杂性、多变性和无限性，若保证精度要求，样本规模就必须大量增加，从而带来巨大的成本压力和实操困难。

现行的创新的跨屏收视监测如果继续采用固定样组方式，则一般局限于仅报告头部内容数据，而对长尾内容的消费行为部分数据不做细分，以降低对大样本量的依赖。当这一方案仍不能满足市场需求时，对非线性收视行为大数据的解析就有必要走到台前。无论IPTV大数据、OTT大数据、还是移动端运营商RPD大数据，如能面向需求，面向市场，合法依规按标准分享和解析其中的非线性收视行为，并与固定样组数据相参照相融合，才能够真正迎来创新跨屏收视调查的春天。