大數據下音樂廣播電台內容優化研究【2】

三、音樂廣播電台音樂資源大數據分析

（一）大數據收集

數據分析，必然需要收集對應的數據。本文主要針對音樂的網絡數據分析，將分析結果作用於音樂電台。一方面需要被動獲取電台自身的數據，以及影響電台收聽的相關數據﹔另一方面需要主動收集電台所需音樂的相關數據。因此需要收集兩方面的數據：

1.收集音樂電台的自身數據

不同的音樂電台都有其自身的特征，聽眾定位、節目內容特點、現有電台曲庫、主要覆蓋區域等。隻有了解了每個音樂電台的自身特點，才能將音樂大數據分析的結果與不同音樂電台准確匹配。

2.收集所有音樂的相關網絡數據

確定好數據挖掘的數據源，利用大數據網絡挖掘技術收集每首歌曲的歌手信息、歌曲實時熱度、評論、聽眾信息（年齡、性別、所在地等）、關聯歌曲等，隻要是與該歌曲有關的數據全部收集整理。所有音樂相關數據需要不斷獲取實時數據，隻有實時的、真實的數據才能得出准備的分析預測結果。

（二）大數據統計整理

獲取到的數據都是零散的雜亂的數字或文字，隻有將其通過專業化的數據統計軟件加以整理，才能為數據分析和預測等方案解決工作做前期准備。

1.統計整理音樂廣播電台現有數據。音樂廣播電台從類型化電台中脫穎而出，擁有其獨特風格。通過收集電台的所有相關數據，並將其分析整理成可視化圖表，直觀表現出電台特征。如：電台歌曲的詳細統計、電台特點的詳細統計等。

2.歌曲相關網絡信息統計。歌曲作為音樂廣播的靈魂，其包含的相關數據也是分析工作的重中之重。收集到的歌曲相關信息，將統計出下面內容作為數據分析的前期准備。

（1）每首歌曲實時熱度值

（2）歌手熱度相關數據統計

（3）每首歌曲的聽眾評論

（4）每首歌曲的聽眾屬性特征（年齡、性別、所在地等）

（5）每首歌曲的關聯歌曲

（三）大數據分析

用適當的統計方法對收集來的大量數據進行分析，加以匯總和理解並消化，以求最大化的開發數據的功能，發揮數據的作用。要將收集到的大量的音樂相關數據進行分析，以求獲取其有用的信息和他們所代表的含義，需要建立專門的大數據分析模型，才能將超過現有軟硬件環境計算能力的大數據及時准確處理。

1.分析音樂廣播電台現有數據

針對音樂廣播電台現有數據進行被動分析，對現有資源進行優化。

（1）利用特征分析，結合電台的現有曲庫內容，分析出音樂電台歌曲選擇的特點，並分析出其中的不足，為優化電台曲庫做基礎准備。

（2）利用聚類分析，將音樂廣播電台過去的節目安排內容、節目收聽率和當時對節目內容可能產生影響的相關因素（如天氣、季節、時間等）進行統計分析，找出其中的影響關系模型，為后續節目內容安排做參考依據。

（3）利用回歸分析，結合音樂廣播節目中植入的廣告與節目內容本身特點，分析出節目中植入廣告的合理性，並給出相關合理建議。以求不同時間段、不同節目內植入廣告的轉化率最大化，最終提升音樂廣播電台的影響力與收入。

2.歌曲熱度值融合分析

收集統計每首歌曲在多個不同音樂平台上的相關數據，將這些數據統計出來，利用合適的融合算法，將所有歌曲熱度值融合為新的熱度值，用來表達一首歌曲在時下受大眾關注的真實情況，融合計算結果將做為此次數據分析的數據基礎。本融合算法借鑒了英國統計學家和遺傳學家費希爾（Ronald Aylmer Fisher）的隨機對照實驗，數據源的平台數量越多、差異越大、聽眾越多，其結果越無限接近真實情況。