最近国家层面对大数据的定性有两个实质提升：一是与土地、劳动力、资本、技术并列，升格成为新型生产要素；二是纳入新基建范畴，成为大力推进的融合基础设施建设的重要部分。抓纲治国，纲举目张。无论如何，收视率也亟需走上大数据之路，才能顺应形势，获得新生。
对收视行为进行科学监测和统计是报告收视率数据的基础。收视行为是观众或者用户收看、使用电视/视频节目的行为，其中主体是人，客体是视频内容，行为是主体作用于客体的方式和结果。
在传统电视时代，收视行为按照“你播我看”的时间序列线性展开，监测统计起来相对简单；在当今融合传播时代，收视行为则需要区分直播收视、时移收视、点播收视，甚至还包括倍速收视、弹幕收视等等比较复杂的行为，这对收视行为监测统计构成新挑战。
另外一个正在急剧变化的背景因素是视频内容集成和分发方式已大不相同。除传统的电视频道集成和播出方式外，虚拟频道、智能搜索、自动聚合、按需推送、社交分享等等所形成的新型内容集成与分发方式，让收视行为的碎片化模式和长尾效应日益彰显，头部与长尾之间或区隔或共振，形成十分复杂的视频内容传播景观。
在传统电视时代，基于有限样本的抽样调查统计对于收视率监测与报告来说，是准确和高效的；这种收视率数据报告方法自上世纪中期以来一直被电视传播行业所沿用。在融合传播时代，无论为更好应对上述收视行为两大变化（非线化、长尾化）中的哪一种，传统收视率调查方法都显得多少有些左支右绌、捉襟见肘。
传统收视率调查方法将监测重点置于行为主体即人，由实际的样本人出发完成对收视行为的统计和报告。融合传播时代的收视率调查，在上述两种变化挑战之下，则有必要改变思路，把监测重点调整为行为客体即视频内容，通过在内容中嵌入可识别的带有时间戳的各种指针标签，来追踪记录内容在不同终端露出的频次和时长，进而把终端对应到人（通过实名或算法），最终完成全面科学的收视行为统计。
从行为客体即视频内容出发实现收视率统计，首先需要建设一个质量非常好的节目元数据库，其次要有所有（至少绝大多数）播出平台配合完成的高效的内容标签嵌入和标签数据采集系统，第三还要实现从端到人的准确转换和有关人的各种属性指标赋值。这就是理想的收视率大数据化之路。但是，当前阻碍收视率大数据化的难点主要存在于两种标签（内容标签和人标签）的嵌入/赋值及数据采集规范与实施层面；其中既有技术和算法的挑战，更有市场机制的原因。
融合传播市场上并不欠缺大数据：有来自数字有线电视机顶盒的大数据，有来自IPTV机顶盒的大数据，有来自各种OTT盒子和智能电视的大数据，也有来自各种与视频内容集成/分发有关的APP移动端应用大数据。这些大数据广泛分散于各级广电、电信、网络运营商和中间商平台，互为孤岛，敝帚自珍。尽管这些与各种端相连接的大数据中分布着多种维度的收视行为信息，但是由于缺少上述两种标签数据的有效、准确及统一介入，事实上很难直接将其中的收视行为信息提取出来并按照市场实际结构整合成真正符合标准的收视率统计数据。
所以，在转进上述理想的收视率大数据化道路之前，通过将现有的带有普遍意义的抽样调查收视率数据与局部收视行为回路大数据进行结构化规模化连接，以同源样本为核心搭桥建模，是实现收视率大数据化的当下可行之路，也是当前国际视野范围内视频内容及广告营销业界普遍采纳和践行的收视率大数据统计报告新范式。CSM推陈出新，正致力于为国内业界提供这种可行的收视率大数据化阶段性解决方案。
请原文转载或不加修改地引用文中数据、结论及数据说明，注明来源。除此之外的任何自行加工与解读均不代表CSM观点，对由此产生的不良影响，CSM保留诉诸法律的权力。
