大數據下音樂廣播電台內容優化研究【3】

3.歌手熱度分析

音樂電台在選歌時，歌手的受歡迎程度也是重點參考項。聽眾在聽廣播的同時也希望能從廣播中獲取一些時下流行趨勢的信息，哪個歌手最近比較火等。從大數據分析技術層面，收集歌手以及其歌曲的大量相關信息，將其作用於分析模型，得出最終結果用以解決這一問題。

4.歌曲熱度值分析

將多個網絡音樂平台的數據通過融合統計，獲取一個更廣泛、更接近全部人群的熱度排行分析。將歷史熱度排行，某一月、某一周或者某一天的熱度統計分析排行，可以知道哪些歌曲歷史收聽量最大，流傳最廣，哪些歌曲不易流傳，哪些歌曲在最近比較流行。這些分析結果都能夠很好的作用於音樂廣播電台，使其和時下流行趨勢相吻合。

5.歌曲關聯性分析

聽眾在收聽一首歌曲的時候，還會對另外一首或者幾首歌曲感興趣。這樣的類似，類似這樣的網絡。定義歌曲的關聯網絡為G（V，E），其中V為節點的集合，每個節點對應一首歌曲，E為關聯網絡的邊的集合，如果兩首歌曲相互關聯，則在它們之間有一條相互連接的邊。根據收集到的關聯歌曲列表可以得到歌曲之間的相關性，從而構建歌曲的關聯網絡G（V，E）。根據構建的關聯網絡的定義可知，度（相關的曲目數）越大的節點與越多的歌相關聯，即這些歌曲能夠與其他更多的歌曲相互搭配。通過分析可以得出，這些關聯越大的歌曲，越是一些膾炙人口的金曲，關聯度越小的歌曲，越是受眾比較小，不適合大眾傳唱的歌曲。關聯度的建立，結合歌曲的實時熱度值，可以為音樂廣播的歌曲編排起到很大的參考作用。

6.歌曲聽眾評論分析

將大量的歌曲聽眾評論文本整理分析，提煉出其中的精華，以“詞雲圖”的方式，將最終結果直觀呈現，表達一首歌曲在聽眾人群中的意見反饋。這種從聽眾中獲取的對每首歌曲的意見反饋，可以大大提高音樂廣播電台歌曲播放安排的准確性，更能與聽眾產生共鳴。隨著網絡文本大數據挖掘技術的不斷完善，最終結果將越來越准確直觀。

7.聽眾特征分析

每家音樂廣播電台都有自己的聽眾特征與節目風格，針對的聽眾從年齡、職業、地域等方面都會有自己的重點把握，因此其節目中播放歌曲的內容肯定需要與之吻合，才能提高收聽率。本文嘗試著從網絡大數據挖掘分析出發，獲取歌曲的大量聽眾特征，利用大數據算法，分析出其特點，將結果作用於音樂廣播電台的節目編排。利用這種分析結果，不同的音樂電台會挑選其自己對應人群的歌曲，降低了音樂電台內容的重復率，將好聽的節目推送給適合它的聽眾。

（四）大數據預測

大數據的預測功能是其技術發展最主要的一個目的。一個准確的預測可以幫助你做出英明的決策，避免災難的發生。

1.歌曲流行度的預測

將融合分析得出的歌曲熱度值作出進一步分析，我們會發現有些歌曲的收聽量正在不知不覺中呈現上升趨勢，有些表面挺熱的歌曲收聽量正在急速下滑，通過大數據預測分析算法，我們將會得出哪些歌曲會在未來一段時間成為熱門歌曲，哪些歌曲會在未來一段時間慢慢淡出人們的視線。流行音樂廣播電台可以根據預測結果，更多地使用時下人氣旺盛的歌曲，傳統音樂廣播電台可以更多地使用一些收聽量穩定，最近或者將來一段時間熱度不會有大起大落的歌曲，將好的音樂全面展示給聽眾。

2.音樂廣播中廣告植入的預測

Pandora（美國流行的在線音樂電台）的首席研究師 Eric Bieschke 的觀點也很有啟發性，“為全球人民播放最適合他們的音樂”和“為全球人民插播最適合他們的廣告”是一件很相似的事情。在這號稱“大數據”的年代，Pandora 的思路對於其他流媒體服務商們來說也是一種創收變現的啟發。

使用協同過濾算法利用獲取的大量網絡數據，分析出聽眾聽某一首歌的同時還會喜歡聽哪些歌曲，同時聽這些歌曲的聽眾還會有什麼樣的共同愛好，找到類似口味和風格的廣告將其投放。讓聽眾喜歡的歌曲和他喜歡的廣告同時出現，這樣才會充分利用廣播的廣告推廣價值。

四、大數據分析技術作用於音樂廣播電台應注意的問題

數據是分析預測的基礎。大數據分析所需的數據通常來自於內部積累產生的數據，以及根據實際情況而補充外部數據源，如行業數據、相關網絡數據和其他統計數據。這些外部數據未必全部都是“大數據”，數據中的變量是否有助於有效分析預測出結果才是關鍵所在。再者該研究模型用於未知變量需要時間來驗証，因此大數據預測的使用還是一項挑戰，需要一定時間的機器學習過程以及磨合調試，才能真正作用於相關行業領域。此外，大數據分析師必須理解業務需求和業務目標，審視數據，並圍繞業務目標建立預測分析規則。

五、結 語

新廣播所面臨的已然不是傳統意義上的聽眾，而是有著多元化需求的用戶。在當前信息社會（大數據時代），人類第一次有機會和條件在非常多的領域和非常深入的層次獲得和使用全面數據、完整數據和系統數據，獲取過去不可能獲取的知識，獲得過去無法企及的商機。數據的爆炸式增長、廣泛可用和巨大數量使得我們急需功能強大和通用的工具，以便從這些海量數據中發現有價值的信息，把這些數據轉化成有組織的知識。時代的發展，媒介競爭的激烈環境，對音樂廣播的發展是挑戰也是機遇。展望未來，競爭越加激烈，受眾的多元分化、科技的迅猛發展，是音樂廣播發展的趨勢。要認清現狀、總結經驗、合理地利用大數據技術手段，發現並預計未來走向，為音樂廣播的生存發展做出合理的規劃。

參考文獻：

[1] 田龍.淺談類型化電台音樂節目主持人的突破性創新[J].中國廣播雜志,2014(7).

[2] 呂岩梅.移動互聯時代中國城市廣電新媒體發展探索之路[J].中國廣播雜志,2014(10).

[3] 王星.大數據分析:方法與應用[M].北京:清華大學出版社,2013.

[4] (英)維克托·邁爾-舍恩伯格,(英)肯尼思·庫克耶著.盛楊燕,周濤譯.大數據時代:生活、工作與思維的大變革[M].杭州:浙江人民出版社,2013.

[5] (日)西內啟著.朱悅瑋譯.看穿一切數字的統計學[M].北京:中信出版社,2013.