突破与重构：大数据时代的计算广告学研究(3)

(一)市场与消费者洞察

市场与消费者洞察，是广告学研究的基础，也是广告实务运作的前提。传统广告学研究中的市场与消费者洞察，都是以抽样调查的方式进行的。受数据采集技术与成本的多重限制，其数据采集通常是以特定时空范围的小数据、小样本为特征的。这就不仅存在数据量的限制，也存在数据空间范围与时间范围的限制。其数据采集，免不了调查者的“观察渗透”，免不了调查者对被调查者的外在干扰[11]，甚至免不了被调查对象因个人偏好、记忆误差或者语言使用习惯等因素所导致的自我报告的偏差[12][13]，从而严重影响到其数据的客观真实性。并且，市场与消费永远处于动态的变化之中，而传统广告学对市场与消费的分析却往往限于静态的考量，或者只是已经发生之事的事后检验，实时数据的收集与实时问题的研究，动态数据采集与动态跟踪研究，一直是传统广告学研究的长久之困。在传统的广告学研究中，市场与消费者的真正洞察，也许只是广告人与广告研究者一种持续追寻却又一直未能真正实现的美好愿景。

大数据发现的研究范式，使广告学研究中真正意义上的市场与消费者洞察成为可能。首先，大数据为广告学研究中的市场与消费者洞察提供了海量数据基础。不管我们如何解读大数据，体量之巨大无疑是其最典型的特征。互联网与物联网上的各种平台，以及各类传感器与移动终端，已经留下并正在持续记录数以十亿计的消费者的消费“足迹”，成为我们洞察市场与消费者的数据基础。尽管在市场与消费者洞察中所使用的数据，很难称为“全样本”与“总体数据”，也同样或多或少存在某种数据的“缺失”和“代表性误差”[14]，但其在数据的充分性、整体性和系统性上，却是传统广告学研究所使用的有限数据不可比拟的。这就为克服传统广告学研究因数据匮乏与数据局限所造成的孤立化、碎片化与片面化的认知局限，为形构系统化、整体化的研究新质，提供了必要的数据基础与前提。其次，大数据为广告学研究中的市场与消费者洞察提供了客观性的数据基础。互联网上留下的各种消费“足迹”，被记录下的各类消费“数据”，反映的是消费者的自在行为，往往被视为一种“自提供”和“自然数据”[15]，其数据采集的自动化程序，又避免了诸多外在的人为干扰。诚然，大数据的数据生成与采集，也很难保证做到绝对的“价值中立”[16]，其间也同样存在数据的“形塑”问题[17]，但其自然性却使得广告学研究中数据采集的主观性介入问题得以缓解，从而大大提高了数据的客观性质量与效度，使得过度的偏态性研究得以有效规避。再次，基于大数据电子踪迹技术的实时数据采集，以及这些数据沿时间线不断积累所形成的长时间序列，为广告学研究的市场与消费者洞察，提供了即时与动态的数据基础，使传统研究中的时效性问题、静态性问题得以有效解决，从而极大提升广告学研究的预测性与动态性分析能力。

(二)影响广告效果各种复杂变量的综合考察

广告效果以及影响广告效果的各种变量因素的研究与考量，一直是广告学研究的核心问题。以美国为代表的定量与实证的广告学研究的主流范式，一直以来都是集中围绕此问题展开。然而，这一传统的广告学研究范式，同样未能摆脱方法论的困境。严格地讲，在这一主导范式下所建立的各种测量模型，所设计的各种变量，均不足以反映复杂的市场现象和复杂的消费现象，不足以用来外推广告传播的复杂因果关系。因为它突出强调的往往只是单一自变量对因变量的主要作用，重点着力的往往只是影响广告效果的主效应分析，其所测量的因果关系，条件往往只是必需的却是非充分的，其结果往往只是可能的而非绝对的。基于复杂变量共同作用的社会事实，研究需要测量的应当是复杂多变量以及复杂多变量间的复杂关系，而这却大大超出传统定量研究方法测量与分析的能力范围[10]。

而大数据的数据挖掘技术，则可以系统综合分析作用于因变量的复杂自变量，以及这些复杂变量之间的交互关系。在对变量之间关系进行检测时，数据挖掘技术还可以对所有变量间的交互关系进行自动测量，然后报告其中需要特别注意的交互关系。传统统计模型，更多关注的是变量之间的线性关系，数据挖掘则能更多解读自变量与因变量之间的非线性关系，并通过可视化工具，来描述和呈现变量之间的这种复杂的非线性关系[10]。这在社会学与经济学的相关研究中已经得到越来越多的使用。尽管在广告学的科学研究中，至今尚未见相应的尝试，但在广告实际运作中所谋求实现的情境、用户与广告三者的最优匹配，就是基于这种数据挖掘技术对各种复杂变量及其相互间复杂关系综合分析考量的结果。应该说，大数据发现的研究范式，使得广告学研究中综合性整体性考察复杂变量以及复杂变量间的复杂关系，不仅成为一种可能，并且正逐步成为一种现实。

文章来源：《计算技术与自动化》 网址: http://www.jsjsyzdhzz.cn/qikandaodu/2020/1005/486.html