益普索:算法时代

算法是计算或其他解决问题操作(特别是由计算机进行)的过程或所遵循的一组规则。算法在数字世界中无处不在,例如,银行是否愿意放贷,雇主是否会录用面试对象。

在网络世界中,谷歌的PageRank 算法决定了其搜索引擎结果中的网站如何排名。同时,Facebook 的信息流(News Feed)算法控制着用户在社交网络中看到的内容。在受众测量领域,算法通常用于进度计划分析软件,该软件由媒体策划人员、购买者和销售者使用,以估算可能看到或听到广告信息的人数。

算法也是越多地用于受众测量的更先进统计技术的核心,包括数据归属、数据融合和受众建模。仅有调查数据本身,已不足以捕捉快速变化的媒体环境的复杂性,因后者拥有更多的内容选择和更多的访问传播平台。在很多人越来越不愿意参加漫长或乏味的调查时,我们却向受访者要求的越来越多。采用统计技术,我们能够从个体收集较少的数据,并允许他们降低回答的精确度。

这些统计方法的设计和执行,需要高水平的专业知识和技能。对于调查数据的用户而言,在跟上不断变化的受众特征和习惯的竞赛中,他们变得越来越关键。
情境
想要确定一个人的血型,我们并不需要抽取他的全部血液。同样,我们可以通过抽样调查,并对人群进行询问或跟踪他们的行为,来获得很多信息。良好的市场调查实践要求,有效样本应尽可能地反映被测量人群的变化性。

在受众测量领域,我们知道性别、年龄、文化程度、职业、家庭人数、收入水平以及人们居住的区域都会影响到他们阅读某些报纸或杂志、观看某些节目或收听广播的可能性。因此,这些特征必须在用来测量媒体使用的任何样本中得到忠实反映。

非人口因素也很重要。例如,当询问数字行为时,正确地反映家庭拥有的媒体接收设备(PC、平板电脑、智能手机等)的数量和范围很重要,这些可能与使用水平有关。然而,虽然对公司和政府而言,这些年来的调查已被证明非常有价值,但它们也有局限性。其中一个局限性在于,除非我们和每个人都进行交谈,并且他们都以完全诚实和完美的回忆来回答,否则他们永远不能完美地代表一个群体。

在市场研究中,经常使用统计加权来纠正这种不平衡。就本文而言,更重要的局限性在于我们如何从受访者获得尽可能多的信息。人们准备花多少时间回答问题,是有自然限制的。考虑到很少有人拥有完美的回忆,我们也必须注意要清楚地问问题,不要问那些不合理的期望人们会记住的信息。当今,我们面临的挑战是客户希望我们能收集越来越多的信息。

统计调整有助于以下方面

  • 他们是谁(人口统计学、地理人口统计学、心理学等方面)
  • 他们对所问及类别的品牌的看法是什么
  • 他们的表现行为如何(购买水平、品牌选择等)
  • 他们将来打算购买什么

 

 

 

 

 

 

推荐文章

沪公网安备 31010702002009号