考虑直播与时移观看的连续剧观众行为模式建模及异质性分析

本研究针对连续剧观看行为的异质性，创新性地结合多分类概率单位模型(MNP)、潜在增长曲线模型和潜在类别模型，首次在个体层面量化分析了直播观看与时移观看的选择模式。通过对日本2019年六部剧集的实证研究，揭示了观众保留与流失的动态规律，发现剧集流行度显著影响分段结果，不同分段的观看率趋势存在显著差异，为媒体营销策略提供了数据驱动的决策依据。

　　

在流媒体平台蓬勃发展的今天，传统电视媒体依然保持着惊人的生命力。日本最新调查显示，人均每日看电视时间仍高达135.4分钟，仅次于智能手机使用时间。广告市场数据更凸显电视的重要性——2020年美国电视广告支出占媒体总支出的46.8%，日本2022年这一比例也达到25.4%。然而，随着时移观看（time-shift viewing）方式的普及，特别是通过录像设备或流媒体平台延迟观看剧集的行为日益普遍，传统的收视率统计方法面临严峻挑战。

日本法政大学的研究人员敏锐捕捉到这一变革，针对连续剧观看行为的特殊性展开深入研究。不同于新闻或体育节目，连续剧观看具有非紧迫性特征，时移观看比例显著更高。Video Research公司的数据显示，2023年日本时移观看排行榜前十名中，七部都是连续剧。然而现有研究多聚焦于聚合层面的收视率分析，缺乏对个体观看选择异质性的深入探索。

这项发表在《Journal of Choice Modelling》的创新研究，首次将多分类概率单位模型(MNP)应用于连续剧观看行为分析，同时整合潜在增长曲线模型和潜在类别模型，构建了一个能够同时捕捉观看选择（不观看/直播观看/时移观看）和观看动态变化（持续观看或中途弃剧）的综合分析框架。研究团队获得了Video Research公司提供的日本2019年六部热门连续剧的个体层面观看数据，通过贝叶斯估计方法进行模型拟合。

关键技术方法包括：1) 多分类概率单位模型(MNP)处理三类离散选择；2) 潜在增长曲线模型刻画观看行为的纵向变化；3) 潜在类别模型识别异质观众群体；4) 对六部独立剧集和同期播出多部剧集的比较分析；5) 使用日本2019年实际观看数据进行实证验证。

Characteristics of segments
对医疗剧A的分析发现五个显著不同的观众群体。最大的群体占比40.9%(CL3)，最小的仅7.9%(CL1)。CL1群体直播观看率高达47.8%，而CL2群体时移观看率惊人地达到57%，展现出截然不同的观看偏好。所有剧集的分析均显示，剧集流行度显著影响分段结果，不同分段的观看率随剧集进展呈现差异化趋势。

Simultaneous analysis of multiple dramas
对同期播出多部剧集的综合分析揭示了观众在时间约束下的选择机制。研究发现观众在多剧选择时表现出明显的替代效应，这种效应在直播观看和时移观看模式间存在显著差异。研究还验证了模型在预测C7/P+C7等广告交易关键指标方面的有效性。

Conclusion
这项研究通过创新的建模方法，首次在个体层面解构了连续剧观看行为的复杂性。研究证实：1) 观众在直播和时移观看选择上存在显著异质性；2) 潜在增长曲线能有效捕捉观看持续性模式；3) 剧集流行度是影响分段的关键因素；4) 多剧播出时的替代效应具有模式特异性。这些发现不仅丰富了媒体消费行为的理论认识，更为精准营销和广告投放提供了科学依据。

研究团队特别指出，随着视频点播服务的普及，时移观看行为将持续演变。未来研究可进一步整合流媒体平台数据，探索跨平台观看行为的互动关系。这项研究的建模框架也为分析其他序列性媒体内容（如播客、网络连载等）的消费模式提供了重要参考。