喻國明

【內(nèi)容摘要】本文指出了大數(shù)據(jù)智能算法為移動互聯(lián)場景下的媒體用戶體驗(yàn)的研究與評估帶來的改變，提出了媒體移動客戶端用戶體驗(yàn)效果評價(jià)的大數(shù)據(jù)智能算法框架。

【關(guān)鍵詞】大數(shù)據(jù)；智能算法；移動互聯(lián)；用戶體驗(yàn)

一、大數(shù)據(jù)智能算法為移動互聯(lián)場景下的媒體用戶體驗(yàn)的研究與評估帶來了革命性改變

（一）用戶數(shù)據(jù)類型的變革：從屬性數(shù)據(jù)到多維數(shù)據(jù)

大數(shù)據(jù)的“大”（volume），不少人認(rèn)為這指的是它數(shù)據(jù)規(guī)模的海量——隨著人類在數(shù)據(jù)記錄、獲取及傳輸方面的技術(shù)革命，造成了數(shù)據(jù)獲得的便捷與低成本，這便使原有的以高成本方式獲得的描述人類態(tài)度或行為的、數(shù)據(jù)有限的小數(shù)據(jù)變成了一個(gè)巨大的、海量規(guī)模的數(shù)據(jù)包。這其實(shí)是一種似是而非的認(rèn)識。其實(shí)，前大數(shù)據(jù)時(shí)代也有海量的數(shù)據(jù)集，但由于其維度的單一，以及和人或社會有機(jī)活動狀態(tài)的剝離，而使其分析和認(rèn)識真相的價(jià)值極為有限。因此，大數(shù)據(jù)的真正價(jià)值不在于它的大，而在于它的全——空間維度上的多角度、多層次信息的交叉復(fù)現(xiàn)；時(shí)間維度上的與人或社會有機(jī)體的活動相關(guān)聯(lián)的信息的持續(xù)呈現(xiàn)。

傳統(tǒng)用戶分析數(shù)據(jù)基本上都是屬性數(shù)據(jù)，即所謂人口統(tǒng)計(jì)學(xué)數(shù)據(jù)，諸如性別、年齡、收入、態(tài)度、社會階層等。有學(xué)者說，傳統(tǒng)的抽樣調(diào)查強(qiáng)調(diào)隨機(jī)性，這就像社會科學(xué)研究的一種“絞肉機(jī)”，把個(gè)體從其所在的社會情境中剝離出來，還要確保研究對象之間不存在聯(lián)系。對此，Kenneth Boulding就認(rèn)為，研究不能“見物不見人”，不關(guān)心人的社會行為，只關(guān)心商品的交易行為，無法客觀而真實(shí)地反映社會再生產(chǎn)循環(huán)的全貌。

傳統(tǒng)互聯(lián)網(wǎng)里常說“網(wǎng)絡(luò)上，你永遠(yuǎn)不知道對方是怎樣一個(gè)人?！痹诖髷?shù)據(jù)時(shí)代，這句話可能就會倒過來了：用戶的網(wǎng)絡(luò)行為軌跡數(shù)據(jù)完全可以還原出特征偏好鮮明的人物形象，從“關(guān)系”角度出發(fā)研究社會現(xiàn)象和社會結(jié)構(gòu)，從而捕捉由社會結(jié)構(gòu)形成的態(tài)度和行為。受眾從傳統(tǒng)調(diào)查法之下單個(gè)的原子，變?yōu)槎嗑S的、立體性的形象。

（二）從既有行為模式的挖掘，到未來行為可能性的預(yù)測

一般而言，網(wǎng)絡(luò)痕跡數(shù)據(jù)包括兩類：網(wǎng)絡(luò)行為數(shù)據(jù)和網(wǎng)絡(luò)基本數(shù)據(jù)。網(wǎng)絡(luò)基本數(shù)據(jù)包括位置信息、注冊信息、設(shè)備型號等等；行為數(shù)據(jù)包括瀏覽、點(diǎn)擊、搜索等。大數(shù)據(jù)時(shí)代，這些數(shù)據(jù)可以取得并相互關(guān)聯(lián)，通過對于這些數(shù)據(jù)的分析，社會化媒體時(shí)代結(jié)合大數(shù)據(jù)技術(shù)將傳統(tǒng)注重事件因果的數(shù)據(jù)庫營銷，變?yōu)樽⒅仃P(guān)聯(lián)因子的大數(shù)據(jù)營銷。

自亞里士多德時(shí)代始，人類一直在渴求發(fā)現(xiàn)萬事萬物之間的關(guān)系。但這畢竟只是一個(gè)理想的追求。在大數(shù)據(jù)時(shí)代一個(gè)最大的轉(zhuǎn)變就是，轉(zhuǎn)變對因果關(guān)系的渴求，退而求其次去關(guān)注相關(guān)關(guān)系。也就是說只要知道“是什么”，而不需要知道“為什么”。這就顛覆了千百年來人類的思維慣例，對人類的認(rèn)知和與世界交流的方式提出了全新的挑戰(zhàn)：更多（volume），不再是隨機(jī)樣本，而是全樣本的所有數(shù)據(jù)；更雜（variety），不是精確性，而是混雜性；更好（value），不僅僅注重因果關(guān)系，而且同樣看重相關(guān)關(guān)系所帶來的價(jià)值。

挖掘大數(shù)據(jù)庫中的相關(guān)關(guān)系，要基于更加具有包容性的復(fù)雜算法與分析模型，我們不僅要通過數(shù)據(jù)了解過去發(fā)生過什么，現(xiàn)在發(fā)生了什么，更重要的是預(yù)測未來將要發(fā)生什么，并在此研判的基礎(chǔ)上采取適宜的準(zhǔn)備和主動的行為。

（三）從被動接收關(guān)系數(shù)據(jù)，到主動出擊挖掘非關(guān)系數(shù)據(jù)

數(shù)據(jù)信息中實(shí)際上并不存在著真正意義上的垃圾，垃圾只是被放錯(cuò)位置或是未經(jīng)分類的有用物而已。例如，對于亞馬遜來說，過去近20年間，它追蹤了成千上億網(wǎng)購用戶在亞馬遜網(wǎng)站上的瀏覽、搜索以及購買記錄，在這一過程中不僅積累了大量的用戶數(shù)據(jù)，而且開發(fā)了強(qiáng)大的推薦算法，亞馬遜利用這些算法為消費(fèi)者推薦了很多適合的商品，這是亞馬遜的核心競爭力所在?，F(xiàn)在亞馬遜可以輕易地將這些優(yōu)勢移植到網(wǎng)絡(luò)廣告領(lǐng)域，打造基于海量用戶購物數(shù)據(jù)的強(qiáng)大的實(shí)時(shí)廣告競價(jià)產(chǎn)品，幫助廣告主將廣告在合適的網(wǎng)站、合適的時(shí)間展現(xiàn)給合適的消費(fèi)者。當(dāng)亞馬遜的用戶訪問某個(gè)網(wǎng)站時(shí)，亞馬遜的數(shù)據(jù)可以幫助確認(rèn)此人來自哪里，最近在亞馬遜上購買了什么商品，比如紙尿布。那么針對這種情況，在這個(gè)網(wǎng)站的廣告位上投放母嬰產(chǎn)品的促銷信息或許是最合適的。

相較其他DSP，亞馬遜擁有消費(fèi)者的購買信息，這種信息相比單純的cookies無疑更有價(jià)值。因此，這種基于背后強(qiáng)大數(shù)據(jù)和技術(shù)實(shí)力支撐的實(shí)時(shí)競價(jià)廣告產(chǎn)品，對于廣告主更有吸引力。大數(shù)據(jù)時(shí)代，能夠?qū)⑿畔⒗逊艌鲋械姆莻鹘y(tǒng)、非結(jié)構(gòu)化數(shù)據(jù)重新挖掘、分類，使之前Web2.0時(shí)代被動接受和存儲的僵尸數(shù)據(jù)重新活躍起來，發(fā)揮作用，起到點(diǎn)石成金的效果。例如，在Facebook IPO時(shí)，一個(gè)社交平臺監(jiān)測了Twitter上的情感傾向與臉譜股價(jià)波動的關(guān)聯(lián)。具體來說，在開盤前推特上的情感逐漸轉(zhuǎn)向負(fù)面，25分鐘之后，臉譜的股價(jià)便開始下跌；而當(dāng)推特上的情感轉(zhuǎn)向正面時(shí)，其股價(jià)在8分鐘之后也開始了回彈；當(dāng)股市接近收盤時(shí)，推特上的情感轉(zhuǎn)向負(fù)面，10分鐘后股價(jià)則又開始下跌。這就在情感與股價(jià)這兩類傳統(tǒng)意義上的非關(guān)系數(shù)據(jù)之間建立了新的聯(lián)系。

二、移動互聯(lián)對于用戶媒體接觸與使用的深刻改變

（一）智能化界面與人性化趨勢

人類媒介傳播史就是一部媒介界面不斷優(yōu)化以使受眾需求得到更好滿足，從而使媒介的傳播能力不斷提升的歷史，傳播媒介界面的進(jìn)化邏輯，可以用美國后麥克盧漢主義學(xué)者保羅·萊文森的媒介演化“人性化趨勢”（anthropotropic）和“補(bǔ)償性媒介”（remedial medium）理論來解釋。在萊文森看來，人類技術(shù)開發(fā)的歷史說明，技術(shù)發(fā)展的趨勢是越來越人性化，技術(shù)在模仿甚至是復(fù)制人體的某些功能，是在模仿或復(fù)制人的感知模式和認(rèn)知模式?！把a(bǔ)償性媒介”用以說明人在媒介演化中進(jìn)行的理性選擇。簡單地說，任何一種后繼的媒介，都是一種補(bǔ)救措施，都是對過去的某一種媒介或某一種先天不足的功能的補(bǔ)救和補(bǔ)償。

換言之，人類的技術(shù)越來越完美，越來越“人性化”。界面在滿足人類感官需求上，從單純訴諸視覺（書籍、報(bào)紙、雜志等平面媒介界面）、聽覺（廣播媒介界面）到訴諸視聽覺（電視媒介界面），直到訴諸多種感覺器官（互聯(lián)網(wǎng)、手機(jī)媒介界面），經(jīng)歷了從感知失衡到感知平衡的過程，印證了麥克盧漢描述的人類傳播媒介所經(jīng)歷的“整合化—分割化—重新整合化”過程。也就是說，當(dāng)媒介發(fā)展到擁有可以讓多種感官參與的互動界面階段后，媒介越來越適應(yīng)人類的需求，越來越符合人類通過媒介以促進(jìn)自身發(fā)展的要求，越來越優(yōu)化受眾的媒介消費(fèi)體驗(yàn)，這是因?yàn)榛ヂ?lián)網(wǎng)和手機(jī)等數(shù)字互動媒介始終將受眾作為界面設(shè)計(jì)的出發(fā)點(diǎn)和歸宿。

因此，在用戶體驗(yàn)的視域下，對于界面的要求大致包括其舒適度、方便性、美觀度、可控性、干擾度等因素。這些因素的優(yōu)化能夠適應(yīng)用戶的使用習(xí)慣，利于受眾對媒介信息的接收，最大限度地降低大眾傳播媒介作為“插入傳播過程”的中介物帶來的阻隔和延滯，從而帶給受眾更大的便利性和舒適性，讓用戶獲得對于界面的友好感覺。因此，大數(shù)據(jù)時(shí)代，把握了智能化、人性化的趨勢，才能真正把握界面的發(fā)展之于用戶體驗(yàn)的價(jià)值與感受。

（二）大數(shù)據(jù)范式下媒體營銷的關(guān)聯(lián)與開發(fā)

大數(shù)據(jù)時(shí)代，互聯(lián)網(wǎng)已經(jīng)成為社會基礎(chǔ)性的底層設(shè)施，就像一臺計(jì)算機(jī)的操作系統(tǒng)一樣，規(guī)定著你的運(yùn)作方式、決定著你的價(jià)值評估、劃定著你的運(yùn)營空間。不依循它的規(guī)則和邏輯，就無法真正有效利用今天互聯(lián)網(wǎng)所帶來的種種機(jī)會、便利和資源。因此，大數(shù)據(jù)作為生產(chǎn)力，正在逐漸改變著各行各業(yè)的行為邏輯，改變著我們?nèi)粘Ｉ詈凸ぷ鞯男螒B(tài)。

大數(shù)據(jù)范式下媒體營銷的關(guān)鍵因素在于，第一，媒體現(xiàn)在可以橫跨各業(yè)務(wù)單位收集數(shù)據(jù)，而且越來越多的大媒體甚至可以通過復(fù)雜運(yùn)作從合作伙伴和用戶中間收集數(shù)據(jù)；第二，一個(gè)靈活的基礎(chǔ)設(shè)施建設(shè)，可以整合信息和有效地?cái)U(kuò)大以滿足數(shù)據(jù)激增的情況；第三，實(shí)驗(yàn)分析和復(fù)雜算法，可以使所有這些信息有意義。①其關(guān)鍵在于將數(shù)據(jù)轉(zhuǎn)化為見解，然后據(jù)此推動傳媒業(yè)務(wù)的發(fā)展。

大數(shù)據(jù)范式下，媒體營銷的操作流程可以簡化為：

首先，傳媒生產(chǎn)經(jīng)營活動不斷產(chǎn)生數(shù)據(jù)。其次，數(shù)據(jù)分析匯總，反過來為傳媒生產(chǎn)運(yùn)營提供決策支撐。這其中蘊(yùn)含兩個(gè)環(huán)節(jié)的運(yùn)作：在內(nèi)容生產(chǎn)環(huán)節(jié)，洞察用戶特征與需求，針對需求生產(chǎn)（核心產(chǎn)品、形式產(chǎn)品、延伸產(chǎn)品）；在渠道環(huán)節(jié)，精確信息推送，精準(zhǔn)內(nèi)容營銷。再次，數(shù)據(jù)聚集關(guān)聯(lián)，形成大數(shù)據(jù)平臺。然后，運(yùn)營數(shù)據(jù)，從數(shù)據(jù)中挖掘價(jià)值。最后，在用戶多維數(shù)據(jù)與監(jiān)測市場動態(tài)的基礎(chǔ)上，預(yù)測媒介市場的走向，發(fā)掘新的傳播市場，如下圖所示。

三、媒體移動客戶端用戶體驗(yàn)效果評價(jià)的大數(shù)據(jù)智能算法框架

采用大數(shù)據(jù)挖掘網(wǎng)絡(luò)相關(guān)數(shù)據(jù)指標(biāo)來進(jìn)行相關(guān)測評，通過對社交平臺相關(guān)數(shù)據(jù)的挖掘，基于大數(shù)據(jù)分析特定情境下媒體移動客戶端用戶體驗(yàn)效果及其影響因素，可以實(shí)現(xiàn)對于用戶群體、類型和社會結(jié)構(gòu)方面的評測，挖掘分析用戶在社交媒體平臺的評價(jià)、口碑及行為數(shù)據(jù)，據(jù)此形成用戶體驗(yàn)效果評估的大數(shù)據(jù)智能算法框架。

具體來說，其一是空間結(jié)構(gòu)研究，探索用戶口碑評價(jià)在社交媒體中的傳播擴(kuò)散路徑與結(jié)構(gòu)；其二是時(shí)間序列分析，一方面探索用戶持續(xù)試用期間效果評價(jià)的變化動態(tài)；另一方面是在社交媒體中開展傳播動力機(jī)制研究，第一是“分類”，即用戶效果評價(jià)類別的甄別；第二是“分層”，即傳播節(jié)點(diǎn)與用戶中意見領(lǐng)袖的分析；第三是“分級”，即用戶效果評價(jià)的情感判別。

媒體移動客戶端用戶體驗(yàn)效果評價(jià)的大數(shù)據(jù)智能算法框架的基本設(shè)計(jì)如下：

借助這個(gè)算法框架可以更好地對媒體移動客戶端用戶體驗(yàn)效果進(jìn)行評估。