下载掌阅APP，畅读海量书库
立即打开
影视产品的用户态度测评，属于心理认知和市场营销的研究范畴，也是传播学受众研究的重要内容。随着消费者主权意识的增强、市场导向作用以及信息网络技术的日益发展，用户满意度受到政府、产业界和消费者前所未有的关注。
本节以用户满意度理论、使用与满足理论的价值模式和电视节目欣赏模式为基础，并结合上节介绍的欣赏指数和PTVQ指标，构建影视产品的用户满意度评估指标模型。
在市场营销领域，“用户满意”的概念在20世纪60年代开始出现，心理学家借用“用户满意”来界定消费者在商品消费过程中需求满足的状态，从而使用户满意度由一个生活概念演变为一个科学概念
。目前业界对用户满意度的研究进行了近70年，大多数学者是基于“期望—差异”范式从不同角度对用户满意度进行研究。“期望—差异”范式的基本内涵是：用户满意作为一种主观的感觉被感知，描述用户某一特定购买期望得到满足的程度，用户期望与满足之间的差异形成了一个可以对产品、服务进行比较、判断的参照点。
1965年，卡多佐（Cardozo） 首次将“用户满意”（customer satisfaction）的概念引入营销领域，提出用户满意会带动用户的购买行为，此后用户满意概念受到业内高度重视。
从20世纪70年代中期开始，消费心理学家、市场营销研究人员和用户行为研究者对用户满意程度进行了更深入的研究。由于制造业和服务业质量在竞争中重要性的不断增加，促使质量工作者和数理统计学家加入了这一课题的研究，尤其是80年代初计量经济学的发展和成熟，不少学者把计量经济模型引入了用户满意程度的研究中。1981年，学者奥利弗（Oliver）认为用户满意是消费者消费购买的先前感觉与情感预期落空之间的总体心理感觉
；1988年，Tse 和 Wilton认为用户满意是用户在购买行为发生前对产品所形成的期望质量与消费后所感知的质量之间所存在差异的评价
。比较经典的定义是1991年库特勒（Kotler）提出的：用户满意是指一个人通过对一个产品可感知的效果（或结果）与他的期望相比较后形成的感觉状态，是可感知的效果和期望之间的差异函数
。
总之，用户满意是用户在消费了相应的产品之后感到满足的一种心理体验。为具体了解用户的要求，就要定量测定用户满意的程度，这样就引出了用户满意度指数 （Customer Satisfaction Index，简称CSI）。1989年，美国密歇根大学商学院质量研究中心费耐尔（Fornell）总结了理论研究的成果，提出了把用户期望、购买后的感知、购买的价格等多方面因素组成了一个计量经济学的逻辑模型，即“费耐尔逻辑模型”。这个模型把用户满意度的数学运算方法和用户购买商品或服务的心理感知结合了起来；以此模型运用偏微分最小二次方求解所得出的指数，就是用户满意度指数
。
费耐尔的研究成果是迄今为止最为成熟和被广泛运用的用户满意度指数理论。模型由六个模型变量构成，在模型图中（见图1-2）箭头线旁的正、负号，表示变量之间的相互关系及相关程度。其中，“+”号表示正相关，“-”号表示负相关。其中，“用户对服务的期望”“用户对服务质量的感知”“用户对服务价值的感知”决定了用户满意程度，是系统的输入变量，被称为前提变量。由于这三个前提变量的作用，产生了“用户对服务的满意度”“用户对服务的抱怨”“用户对品牌的忠诚”等三个结果变量。
图1-2 费耐尔逻辑模型示意
1989年，瑞典统计局在美国密歇根大学质量研究中心的帮助下，首次应用费耐尔的模型和计算方法，设计了“瑞典用户满意度测评标准”（SCSB），成为全球第一个全国性的用户满意度指数。美国从1990年开始进行美国用户满意度指数（ACSI）的调查和研究。1994年，ACSI正式启动，并以此确立了其在用户满意度指数测评理论和实践方面的权威地位。
1995年，清华大学首先开始中国用户满意指数的研究；2000年6月，中国标准化研究院向国家科技部申请了研究课题——中国用户满意指数研究，由中国标准化研究院和清华大学共同承担研究工作。从2002年开始，中国用户满意指数开始推广应用。2005年5月，由中国标准化研究院与清华大学合作组建的中国标准化研究院用户满意度测评中心（简称测评中心）正式成立，开发出中国用户满意指数（China Customer Satisfaction Index，简称CCSI）测量模型。
综合国内外的用户满意度模型和评估指标，针对产品和服务质量的感知和用户期望值的满足是主要的两大指标。
在大众传播领域，用户满意度是受众传播效果研究的重要内容，其中使用与满足理论更是从用户中心的角度进行受众态度的测量与研究。使用与满足理论有一个基本假设：媒体使用向受众提供了他们根据以往与媒体打交道的经验而能够期待（因此能够预测）的回报，这些期待被满足是受众所看重的心理效果。在使用与满足理论模式中，受众受心理、社会以及社会文化之影响而产生“动机”，致以使用大众媒体来完成特定目的，皆被理解为“满足”（见表1-3）。
表1-3 用户满意度测评指标体系
1985年，帕姆格林（Palmgreen）和雷伯恩（Rayburn）将使用与满足的中心重新定位为实际获得，发展出“期待—价值”理论模式（Ex-pectancy-Value Theories） [3] 。他们将“期望”分解为实证性和评估性两类。人们的行为取决于他们对该行为能否获得某些特定结果的估计（实证性）和他们对该结果在不同程度上做的价值判断（评估性）。然而，这两种期望在概念上和逻辑上都不同，他们用如下的模式来解释（见图1-3）。
图1-3 使用与满足之“期望—价值”模式
模式中的满足又因在使用过程的前后，可区分为“满足的追求”（Gratification Sought，GS），“满足的获得”（Gratification Obtained，GO）。该模式的文字可表达为：受众对媒体所提供的益处的认知，以及对这些益处的评价，这两者的结合解释了媒体的使用行为。
“期待─价值”模式区别“期待”（Expectation）和“满意”（Satisfactions）的不同，并认同媒体使用行为会成为个人经验的一种累积，界定了媒体使用行为在时间维度上的增量。当“获得的满足”明显大于“期望（或追求）的满足”时，可以预期高度的注意力（收视率）和满意度。该模式描述一个过程：（对某个特定的报纸、节目、节目类型或其他媒体的）期望和评价影响对满足的寻求，这种寻求转而影响媒体消费。媒体消费引起对某种满足获得的认识，而这种认识反过来强化或改变个体对所消费的某个特定的报纸、节目、节目类型或其他媒体的与满足相关的属性的认识。
多数媒体从业人员都赞同“使用与满足”理论的假设：受众的特定口味、兴趣和偏好影响他们对媒体内容的选择；而影视节目在大众媒体的曝光度、受众对节目是否在播的知晓度，都影响用户欣赏节目的满意度。为此，麦奎尔（Denis McQuail）从媒体和用户两个角度提出了“电视节目的欣赏模式”
（见图1-4）：
图1-4 受众电视节目欣赏模式
模式中的受众欣赏（A）是体验与期望比较的实证结果。每个受众以ES为参照标准而对实际获得的满意（OS）进行心理检验，OS大于ES，欣赏程度高，反之亦然。影响ES的因素是观众方面的社会电视收视习惯、口味和偏好、收看群体等，影响OS的因素来自媒体方面，主要有：节目类型、明星影星、宣传推广、播出环境（同时段其他频道播出的节目）等。
在各国对于影视产品质量的评估中，以英国的“欣赏指数”和美国的PTVQ指数更能让业界接受，尤其是欣赏指数的影响力最为广泛。
欣赏可以解释为观众对节目的兴趣与享受程度，与我国业内“用户满意度”的概念类似。从内涵上，欣赏指数包含了是否达到趣味性（interest）及是否能满足享受需求（enjoy）两方面的内容
。之后，加拿大广播公司参照英国的欣赏指数，发展出“享受指数”的概念；美国也发展出“热情指数”，来衡量观众对节目的感受
。另外还有法国的兴趣指数、荷兰的欣赏指数等。有研究者把节目的“兴趣”、“享受”及“值得收看”作为不同的变量来考察，产生出兴趣指数（Ⅱ）、享受指数（EI）和值得收看指数（WI）。研究发现，整体而言“值得收看指数”与“享受指数”较接近，与“兴趣指数”的距离较远。
[4]
欣赏指数采用的测量方式，最初BBC是利用观众对节目的评分，把节目分成九类，制定了一些电视节目评分项目与测量的标准。之后BARB承袭IBA，以“兴趣”与“享受”两个维度发展为“受众反应评估”（Audience Reaction Assessment，AURA），并使用六等评选法（six-point rating scale）。研究者把观众对节目的意见转化为0—100的分数，以便比较不同节目间的表现。研究表明，欣赏指数是一个颇为稳定的工具，它在度量一个常设栏目或电视剧时，不同集数所得的欣赏指数相差不大，显示它有很高的内部效度。 [5]
美国最初是由调查机构以邮寄问卷方式进行TVQ调查，这项调查主要在测量收视者对于节目的认知程度（认知度），并以五等分评选法测量节目评价（节目偏好度），形成TVQ 指数
[6]
。1980年，调查机构将PTVQ指标加入TVQ 调查中，PTVQ的优点是可以显示在看过该节目的人中喜欢该节目的比例。PTVQ的计算方式是将喜欢该节目的人数除以看过该节目人数（接触度）的百分比。其计算方法如下
：
除此之外，后来的调查还包括节目或频道的知名度、用户接触度、涉入度（Involvement）等内容，形成用户认知率的维度。
2010年后，随着互联网、新媒体应用的普及，影视节目在网络上的点击量增速迅猛，从全球范围来看，网络分流和多屏化对传统收视率评估带来冲击。国内外传媒机构纷纷“纳新”，在传统收视率评价体系中纳入新媒体受众视听数据。主要有两种方式：一是新旧结合，旧为主导，在传统的电视综合评估体系内纳入互联网传播效果指标；二是新旧有别，各自为阵，传统的电视评估体系依旧，另在互联网上设立一套综合性评价体系。
美国尼尔森公司（Nielsen）对社交网络的研究起步比较早。2011年尼尔森联合麦肯锡咨询公司进行调研，首次探讨对社交媒体用户的讨论与电视收视率之间的关联，发现在一个新的电视节目初次开播的前几周内，年龄在18—34岁的最活跃的社交媒体用户群中，社交媒体上的评论每增加9%，收视率会相应提高1%
。2012年底，尼尔森宣布与推特公司 （Twitter） 合作，共同开发一个测量和收集社交媒体上电视节目收视率的系统“尼尔森-推特收视率”（Nielsen Twitter TV Ratings）。
2013年10月，“尼尔森-推特收视率”正式投入应用，这不仅是对尼尔森现有收视率指标体系的补充，也被认为是收视率调查技术和方式的一个新突破。尼尔森-推特收视率监测推特贴文的发表数量和阅读数量，分析发现推特读者的规模大约是推特作者规模的50 倍
。2016年，尼尔森将脸书（Facebook）的内容也纳入评估，推出“社交内容收视率”（Social Content Ratings），主要包括四方面的指标：针对节目内容的社交媒体原作（帖子、推文）、参与度（例如评论、喜欢、回复、转推、分享）、到达率（观众和印象）和人口统计（年龄和性别）
。
效仿“尼尔森-推特收视率”，央视索福瑞和新浪微博在2014年1月9日达成战略合作，共同推出“微博收视指数”。作为其首次发声的报告《2013季播型电视综艺节目收视与微博讨论研究白皮书》显示，收视率与微博讨论热度正相关。
微博收视指数重点考察电视节目在微博平台上的口碑影响力和用户覆盖情况，包括相关电视节目在微博平台上的阅读量、提及人数和提及次数，以及讨论该档电视节目的人群的特征
。到2019年年底，微博收视指数停止使用。
2013年7月，中国文化传媒数据咨询服务机构——“泽传媒”将收视样本分为静态电视用户与动态网络新媒体用户分别统计，在传统收视率的基础上加入对新媒体收视行为的统计和分析，最终形成“全媒体收视率”，推出“中国全媒体卫视收视率排行榜（2013年1—6月）”
。全媒体收视率强调全媒体覆盖，使用数据挖掘技术，对数以亿计的互联网页面进行分析。泽传媒之后提出了“全媒体传播指数”，包含两个评价指标：一是“全网收视指数”，二是“社交媒体影响力指数”。前者的数据主要来源于国内11家视频网站对视频节目的转载、播放与下载数量，后者的数据主要来源于新浪微博和微信对某档视频节目的提及次数、转发次数、评论次数与阅读浏览量。2015年2月，泽传媒与人民网联合发布基于大数据统计的“全网收视”“社交媒体影响力”榜单，之后在春晚、“两会”期间连续发布“省级卫视春晚全网收视榜”和“两会全网传播‘省卫新闻’融合力榜”，形成了电视节目融合传播的评价体系。2018年，发布了“2018全国两会省级新闻联播移动传播榜”等
。
中央电视台在2014年引进秒针系统的技术，在原有电视直播的基础上，增加网络同步直播收视监测，并启用“全媒体收视率”指标，对春晚全媒体收视传播效果进行监测评估。
但总体来说，全媒体收视率的概念没有得到业界的公认，有学者认为“跨屏收视测量”或者“跨媒体收视测量”的概念相对较好，因为“全媒体收视率”只有收视率之名而无收视率之实。
国际上，尼尔森公司在2014 年底将网络电视视频的收视率测量纳入议程，正式开始对奈飞公司 （Netflix） 和亚马逊公司 （Amazon） 等网络电视的视频收看情况进行测量。2015 年，尼尔森公司和阿杜比公司 （Adobe） 合作开展“数字内容收视率调查” （Digital Content Ratings） 项目，主要针对网站或应用程序播放的视频节目开展收视调查，覆盖了个人电脑、智能手机、平板电脑、游戏机以及其他网络电视播出终端等。2020年底，尼尔森计划将传统收视率与数字化收视率整合，形成跨媒体的统一收视率，这是核心指标的更新升级，其一体化的Nielsen One 平台将于2022 年秋季推出
。
在国内，广视索福瑞于2019年10月推出融合媒体数据云平台——V+Scope系统，集纳了CSM收视率数据和短视频、微信、微博等新媒体数据，并且提供新闻融合传播指数
。V+Scope融合媒体数据云平台分为数据、检索、分析和应用四大模块，可以实现跨平台多渠道的监测，统合各种数据指标，达到最高分钟级监测的标准，建立多样化的标签体系，为市场提供标准化的一手数据。到2021年底，V+Scope系统还处于测试试用阶段。
因为存在不同来源和不同的数据结构，来自不同终端和渠道的用户收视指标很难整合为统一的指标。因此，业内和学界采取较为简单易行的突破方式：通过采集网络公开数据，采用网络口碑和网络舆情的分析方法，基于网络传播影响力来建立指标体系，然后与传统的收视率、票房等指标进行比较。
2009年底，中国传媒大学网络舆情（口碑）研究所联合艾利艾咨询提出中国电视节目网络人气指数（IPI），从100家网站内新闻、论坛、博客、视频、wiki等评论和点击的抓取数据，清洗后计算关注度和评价度，最后得出中国电视节目网络人气指数
。IPI包含关注度、评价度、参与度、波及度四个指标，是对中国电视节目相关主体在网络上传播形成的人气影响力的综合考量，是媒体和网民对相关话题关注和喜好程度的综合反映。
2010年，喻国明、李彪提出电视剧线上全效评估指数，包含“知名度、关注度、收视度、推荐度、满意度、集中度”六个一级指标
，具体内容见表1-4。
2010年底，北京大学视听传播研究中心提出以满意度为核心的“视听节目网络满意度评估体系”，基于网络内容采集与自动语义分析技术，指标包括关注量、市场份额、网民满意度、网络市场满意度，并配以专家经验评估
。此后每年推出中国电视满意度博雅榜。该体系以满意度为核心、以搜索引擎技术和语义分析技术为支撑、以专家评估为辅助，实现了对电视节目多媒介传播效果的综合评估，有“用新媒体评估传统媒体”“用满意度评估传播效果”“兼顾电视节目的收视效果和网络传播效果”三方面的特色
。
表1-4 电视剧全效评估指标体系
浙江传媒学院视频监测与分析系统于2012年8月开始正式运行，2016年6月开始监测国内上星频道19∶30—22∶30时段内播出的电视剧和电视综艺，到2019年已经能够常年监测电影、电视剧、电视综艺、网剧、网综、网络大电影和明星，收集网上新闻、论坛、新浪微博、微信公众号、弹幕、视频网站和豆瓣电影的评论，并使用语义分析技术，计算出-5分到5分的褒贬值。
2013年，美兰德公司美兰德市场调查公司和中央电视台发展研究中心联合推出了“电视节目网络传播影响力评价体系（TNI）” 重点强调了电视节目在电视屏幕之外，特别是互联网平台上的传播效果。“网络传播影响力”指某档电视节目或与之相关的话题，在视频网站、社区、论坛、微博、博客等网络平台上引起的反响与受关注程度。
TNI采用“T3+2”的指标分类：“T3”指的是网媒关注度、网民评议度及视频点击量，“2”指的是将网民评议度细分为网民美誉度及微博提及量两个细分指标。
2017年，中国人民大学视听传播研究中心在之前课题研究的基础上，以媒介系统依赖理论为框架，从认知、行为、态度三个维度，搭建了视听信息传播效果评估指标体系，分为三级指标
（见表1-5）：
表1-5 视听信息传播效果评估指标体系
2019年，中国传媒大学传播研究院受众研究中心提出“电视节目跨屏传播效果评估体系”，从内容品质、视听反应、参与互动三个维度出发，构建评估体系。分别设置内容力、传播力、互动力三个一级指标，各指标乘以各自的权重，相加后得出节目传播效果的综合性得分。数据来源分为四类，分别是观众调查、专家评审、视听测量和网络监测。采用层次分析法进行细分指标的权重分配
（见表1-6）。
表1-6 跨屏电视节目传播效果评估体系指标权重
在之前的研究中，业界和学者已经开始重视满意度指标，认为“满意度”作为衡量受众对节目的喜好程度和深度评价的态度指标可以弥补收视率等行为指标的不足，并逐步把满意度引入作为评估的核心指标。其原因有二：一是影视文化类产品传播的效果取决于受众的满意度。影视文化产品的价值必须经过平台传播和用户“消费”才能产生，这是由文化商品的使用价值特性决定的。满意度是影视产品发挥影响力的重要基础。
二是已成为国家层面文化类企业考评的指导性意见。2015年9月中共中央办公厅、国务院办公厅印发了《关于推动国有文化企业把社会效益放在首位、实现社会效益和经济效益相统一的指导意见》，明确提出：社会效益指标考核权重应占50%以上；科学合理设置反映市场接受程度的经济考核指标，坚决反对唯票房、唯收视率、唯发行量、唯点击率。
2017年5月7日，中共中央办公厅、国务院办公厅印发《国家“十三五”时期文化发展改革规划纲要》，再次明确构建确保把社会效益放在首位、社会效益和经济效益相统一的体制机制
。综合以前的评估指标，满意度已经成为指标之一，但具体的可操作化细分指标还需要完善。
尽管随着技术的进步，以满意度为代表的态度测量体系逐渐被推广和接受，但不可否认的是，以收视率、点击率为代表的行为指标依然在当前的影视节目评价体系之中占据主导地位。从历史发展来看，行为指标是态度指标的基础和前提，从报纸对发行量的看重、电影之间票房的比拼，到收视率成为了电视产业的核心指标，这些都是行为指标在媒体产业体系中重要性的具体体现。互联网成为社会的主导媒介之后，点击率、流量、播放量又成为了内容制作方和媒介平台关注的重中之重。在未来要打造的影视节目综合评价体系之中，行为指标依然要占据着主要的比重。
综合来看，影视产品评价应以行为指标为主，态度指标为辅。团队提出行为指标60%—80%的权重，态度指标20%—40%的权重。行为指标权重大的原因是两个：一是目前行为指标测量精度高于态度指标，如精确到秒的电视收视率、网站点击记录；二是目前态度指标的权重为20%，随着态度指标测量精度的提高，其权重可以提高到40%。
以用户满意度理论为框架，借鉴业内影视行业的评估指标体系，团队从行为指标和态度指标两个维度建构了“AS影视产品评估指标体系”。整体来看，“AS影视产品评估指标体系”将影视产品的评估指标归纳为两个维度：一是行为指标 “关注度”（Attention），二是态度指标 “满意度”（Satisfaction）。之所以没有采取“认知—态度—行为”三维度的架构，是因为用户的认知维度只有通过针对性调查等方法才能清楚衡量，有些评估体系用于衡量认知维度的网络指标如“曝光度”“扩散度”等其实还是行为指标（见表1-7）。
表1-7 AS影视产品评估指标体系
整个评估指标体系的一级指标分行为指标和态度指标，分别占60%和40%。行为指标的二级指标中，媒体曝光度是媒体对影视产品的报道，主要是新闻报道量；受众关注度是用户在社交媒体和论坛社区的讨论，包括微信报道量、微博提及量、评论数（细分为贴吧和豆瓣）。行为指标的三级指标采取等权重法，5个子指标各占12%。
态度指标分媒体满意度和受众满意度两个二级指标，媒体满意度是新闻报道内容的满意度，而受众满意度包括微信、微博、评论（细分为贴吧和豆瓣）、弹幕等方面的满意度。态度指标的三级指标同样采取等权重法，5个子指标各占8%。
“AS影视产品评估指标体系”对影视产品评估的影响因素进行了简化，具有“易得性”和“易操作”的特点，细分出的测量指标容易获得，便于大数据方法的使用和评估测量的持续性。该指标的合理性和解释力，需要与其他指标进行相关分析进行比较和验证。