大数据驱动下广告学研究范式的转换

曾 琼

一、引言

我们身处大数据时代，互联网、物联网以及各类移动设备和传感器等生成并仍在持续不断地生成规模巨大的海量数据。这些海量数据充斥了世界的每一个空间，“渗透到每一个行业和业务职能领域，逐渐成为重要的生产要素”[1]，“变革我们的生活、工作和思维”[2]。大数据也深深嵌入科学研究诸领域，对人类的科学研究产生重大影响。

数据科学家、关系型数据库先驱、图灵奖得主吉姆·格雷(Jim Gray),在2007年1月召开的美国国家研究理事会计算机科学与通讯分会(NRC-CSTB)会议上，发表了题为“e-Science：科学方法的一次革命”的演讲，首次提出“数据密集型”(Data Intensive)的概念。“数据密集型”科学依靠计算机来进行数据获取、处理、存储以及管理与分析的科学研究方法，格雷将其称为人类科学研究继实验、理论与计算机仿真三种范式之后的“第四范式”。随即，许多科学研究领域相继运用已积累下的巨大规模的科学研究数据展开相关研究，并在深入的数据分析中获得诸多有价值的科学发现。

“第四范式”提出一年后的2008年，英国《自然》杂志率先发表《大数据》专刊。2010、2011年，《经济学家》杂志和《科学》杂志又先后推出名为《数据，无处不在的数据》和《数据处理》的专刊。2013年，维克托·迈尔-舍恩伯格和肯尼斯·库克耶出版影响巨大的《大数据时代》一书。“大数据”旋即蓬勃兴起，“大数据范式”作为广泛使用的概念也迅速蹿红，成为科学研究领域的热门应用。所谓“大数据范式”，按学界普遍的认知，即利用大数据与大数据技术，通过对海量数据的计算与分析，来挖掘和发现数据所隐藏的科学知识与科学价值。数据与数据计算分析是其关键词。在此之际，“第四范式”开始汇入大数据的洪流，许多研究者也开始将“第四范式”与“大数据范式”等价[3]，甚至将“第四范式”直接理解为“大数据范式”[4]。

社会科学研究对自然科学研究方法的学习与追随从未止息，从未中断。受自然科学研究“第四范式”与“大数据范式”的启发和影响，也出于内在的发展冲动，社会科学研究开始新的研究方法的探索，并提出“计算范式”的概念。2009年，以大卫·拉泽尔(Lazer David)为代表的来自哈佛大学、麻省理工学院的15位美国学者，在《科学》杂志上联名发表《计算社会科学》一文，正式提出计算社会科学的概念，明确主张将大数据与大数据计算技术应用于社会科学研究，加速社会科学研究的转型。2012年，由意大利学者R.Conte领衔，来自欧美国家的14位学者，又联名在《欧洲物理学刊》上发表《计算社会科学宣言》，从方法创新与范式转换、当下挑战与预期影响等五个方面，全景式说明大数据计算方法对社会科学的影响及其发展前景，宣告计算社会科学的正式确立。2014年，美国社会学界的多位学者在斯坦福大学计算社会科学中心举办学术研讨会，会上提出了“新计算社会学”的概念，更强调大数据，质性定量研究融合、互联网社会实验、仿真建模与其他新型社会计算工具的使用[5]。2016年，R.Michael Alvarez编著的《计算社会科学：探索与预测》，则对2009年以来计算社会科学的发展及其研究状况进行了全面总结与回顾。

科学进步总是伴随研究方法的创新，所以库恩的科学发展理论总是把范式转换与科学革命联系在一起。自然科学研究的“第四范式”“大数据范式”，社会科学研究的“计算范式”，都是科学研究者为谋求大数据时代科学研究新的发展，在方法论上努力探寻的结果。其所使用的概念不一，却一致强调数据驱动作为科学研究的主流形式，主张计算机数据分析与挖掘作为科学研究的新的工具和手段。

2008年，“计算广告”概念在美国被提出。受商业利益的驱使，广告业务领域不断加强大数据计算技术的应用，强力推进计算广告的发展。但广告学研究领域大数据“计算范式”的运用，却显得相对滞后。在此背景下，有必要对广告学研究作出深刻的范式反思与追问：一是传统广告学研究是否遭遇范式的局限与困境？其局限与困境何在？二是大数据计算范式能否实现对广告学研究新质的形构？本文将重点围绕上述两个问题展开研究，试图推动广告学研究计算范式的转换，促进广告学研究在大数据时代顺应潮流的新变与发展。

二、广告学的传统研究范式及其困境

按照托马斯·库恩的科学革命理论,在经历常规科学阶段以后，当旧有范式遭遇新事物与新问题而发生动摇，出现范式困境与范式危机，科学研究就会去寻求新的解题方法，建立新范式。在大数据与人类科学研究发生整体转型的宏阔背景下，展开对广告学研究旧范式的反思很有必要。

(一)广告学的传统研究范式

依照格雷的说法，“第四范式”之前的三种范式，为实验的、理论的和计算机仿真的。这种说法主要针对自然科学而言。就社会科学研究来说，有学者将其定义为定量、定性与计算机仿真三种[6]。孔德模仿自然科学实验研究所创立的社会学研究的经典实证主义，除量化研究外，还包含观察与实验等[7]。而定性研究，既包括理论分析，也包括事实与经验分析。定性研究较理论研究涵盖面更宽。也就是说，在大数据研究范式之前，社会科学研究主要经历了定性研究、实证研究与计算机仿真研究三种范式阶段。

具体到广告学研究，无论是西方还是中国，极少发现运用计算机仿真技术从事广告学研究的文献，主要是实证研究与定性研究两大范式。前者以美国为代表，后者则以欧洲为代表。

欧洲的广告学研究，是伴随欧洲传播学研究的兴起而兴起的，从某种意义上讲，甚至可以说就是欧洲传播学研究的一个组成部分。它秉承欧洲“哲学思辨式”的学术传统，又明显具有欧洲传播学研究的理论思辨性特征。其重点研究内容，是广告与社会的关系，尤其是广告对社会消费造成的负面影响，与欧洲传播学研究的批判性取向高度一致。20世纪末至21世纪以来，欧洲学者的广告学研究开始受到美国量化与实证研究的影响，但依然保留着较为浓厚的理论思辨特征。欧洲广告学的理论思辨性研究，尽管也作为广告学的一种研究范式而存在，但从世界范围来看，却非广告学研究的主导范式。世界范围的广告学研究，至今占主导地位的范式，依然是以美国为代表的实证研究范式。

美国的广告学研究始于19世纪末20世纪初。20世纪40年代，传播学在美国兴起，广告作为传播的重要实证领域而被纳入传播学的研究范畴。美国传播学经验学派以传播效果为核心展开的一系列实证研究，给美国广告学研究以重大影响和无穷滋养。美国广告学研究从此走上定量与实证主义道路。1960年，美国第一份属于广告学的独立学术期刊《广告研究》创办。1972年，由美国广告学会主办的又一学术期刊《广告学刊》面世。在这两本学术期刊的引导与推动下，美国广告学研究的定量与实证研究范式逐渐成熟，开始成为美国广告学研究的主导范式。随后，此种范式逐渐风靡，成为世界广告学研究的主导范式[8]。

美国广告学的实证研究范式，集中围绕广告效果而展开，以定量与实证的方式，考量影响广告效果的各种变量因素。这种研究，充斥着美国实用主义的文化特色，其始终追寻的是广告的精准营销传播，范式延续至今都未改变。2019年，《广告研究》《广告学刊》和《国际广告学刊》世界三大广告学术期刊，总发文147篇，其中，定性研究论文30篇，占比约为20.4%；实证研究论文106篇，占比高达72.1%。

(二)广告学传统研究范式的困境

库恩提出的“范式”内涵颇丰，不等于方法，却包含方法，即库恩所说的“解题方法”。这种解题方法一旦为共同体成员普遍使用，即上升为某种范式。社会科学研究面临的根本问题，实际上就是方法论的问题。从最初以神话和虚幻想象的方式来认知世界，到以哲学思辨与逻辑推理的方式来发现社会，一直到以量化与实证的方式来解释社会，人类一直在寻求研究方法的突破以谋求社会科学的发展。自孔德效仿自然科学创立社会学并形成经典实证主义，因其对研究确定性的追求，有力推动了社会科学的发展。但是，社会学研究的量化与实证范式，同样存在研究方法的限制。越发展到后来，这种限制就越发显著，甚至陷入某种方法论的困境。以美国广告学为代表的实证研究范式，同样未能突破方法论的局限与困境。

其一是数据采集方法所造成的数据局限。广告学研究也是一种以数据为基础的社会科学研究。其数据采集通常是以人工的方式通过抽样调查来进行的。受这种数据采集技术的限制，其数据通常以小数据、小样本为特征。这就有一个数据量的限制。还有数据来源的时空限制。在广告学研究中，很少有超大规模、超时空范围的定量与实证研究，常常是在特定的时空范围内针对具体问题而展开。因此，其数据来源往往囿于某一特定时间和特定场域。此外，还存在由于数据采集对象表达时的“偏好”“记忆”“语言”的影响，以及数据采集者与研究者的“理解”与“观察渗透”的影响，而发生的数据质量控制与效度等问题[7]。数据采集方法的限制，必然造成数据的限制，而数据的限制又必然带来研究的限制。基于小数据、小样本展开的定量与实证研究，擅长于微观层面的精准测量，却存在有限数据、有限经验材料与宏大理论论证间的鸿沟[9]，以及小数据与“大定律”发现间的冲突[10]。其有限研究发现，往往只是基于彼时彼地特定情景下考量的结果，而不具有广泛的普适性。数据质量未能有效控制，必然影响到研究结论的准确性[11]。

其二是量化分析方法带来的变量测量的限制。传统的统计模型，突出强调的是单一自变量对因变量的主要作用，而实际情况却通常是多个自变量共同作用于因变量的结果。因而，这种测量显示的是事物发生的可能性而非绝对性。基于多因素共同作用的社会事实，研究需要测量的自变量是多元而复杂的。多项自变量的测量已经是相当困难的了，当自变量设计较多时，就会产生更多数量的交互项。而对于复杂多变量以及更多变量间复杂关系的测量，又大大超出传统研究方法的分析能力[12]。严格地讲，以往广告学研究为测量广告效果所建立的抽象模型和所设计的简单变量，均不足以反映复杂的消费现象，均不足以用来外推广告传播的复杂因果关系，更不足以用来模拟复杂营销传播环境下广告传播的宏观涌现问题，因而其大部分的研究都只能重点着力于影响广告传播效果的主效应分析。复杂变量的系统考量，是传统广告学研究努力实现突破的长久之困。

世界范围的广告学研究，一直以来以美国广告学实证研究范式为主导，努力追求微观层面的精确性，形塑起传统广告学研究的“精细化”特质。此乃其长，亦为其短。加之定性研究的相对匮乏，致使广告学研究基础理论建构的薄弱，更缺少重大理论的宏观涌现。

三、计算范式对广告学研究新质的重构

无论是自然科学领域通行的“第四范式”或“大数据范式”，还是社会科学领域的“计算范式”，都是一种以数据为驱动、以工具为先导、以大数据计算为核心技术手段的科学研究范式。作为社会科学的广告，社会科学的计算范式能否助力广告学突破传统研究困境，实现研究新质的重构？这是我们对广告学研究作范式反思时的又一层深入追问。

(一)新的数据基础与研究的客观性、系统性

早在2009年，哈佛大学定量社会研究中心主任加里·金(Gary King)就曾预言，大数据的出现和使用，将使得整个社会科学研究的实证基础发生重大变化。所谓“实证基础”，最为重要的就是指用于定量与实证研究的数据基础。传统广告学研究的局限，从根本上讲就是数据的局限。大数据的研究范式，将在数据的充分性、客观性、时效性等多方面，重构广告学研究的数据基础。

不管是用3VS还是用4VS来指称大数据的特征，体量巨大都是其最为重要的特征。数据的匮乏，从来都是社会科学面临的最为严峻的问题之一。大数据的出现使社会科学研究数据匮乏的问题得以缓解。当然，“大”并不等于“全”。大数据也在一定程度上存在数据的“缺失”和“代表性误差”。不过，大数据在数据的充分性、整体性和系统性上，却是传统定量与实证研究所使用的有限数据远远不可企及的。此外，传统定量与实证研究所使用的数据，主要是统计学意义上的数值型数据(numerical data)，而大数据范式所使用的数据，除数值型数据外，还包括字符、图形、音频、视频等非数值型数据。这些非数值型数据，不能被传统研究范式所使用，却为广告学研究的消费者洞察和市场洞察提供了充分的数据基础。

传统广告学研究所使用的数据，都是研究者根据研究的特定需要，经过精心设计和采集而获取的。其数据收集不仅受到抽样技术、调查成本和接触范围的各种限制，而且，其中还免不了研究者的主观介入，也免不了调查者对被调查者的外在干扰[13]，同样免不了研究对象自我报告的偏差，从而严重影响到所采集到的数据的质量，而遭受到多重数据效度的内在困扰与外在质疑。在大数据的环境中，消费者在互联网上留下的各种消费“足迹”，被记录下的数据行为，是自然发生的，反映的是消费者自觉自愿的行为，往往被视为一种“自提供”[14]。而数据的记录与采集，都是由机器来自动完成的，从而又避免了诸多的人为干扰。诚然，量化与实证研究的数据收集中，绝对的“价值中立”与完全“客观”是难以达成的[15]。大数据的生产与数据采集中，数据的“创造”和“形塑”问题同样存在[16]，但是比起传统的数据收集来说，大数据的生成与采集，更具自然性与客观性。大数据的发生，又使得广告学研究在数据收集上的客观性问题得以缓解，在一定程度上保证了数据的质量与效度，为规避过度偏态性研究，提供了客观性的数据基础。

市场与消费，受各种因素的影响，永远处于动态的变化之中。传统广告学的量化与实证研究，不管是市场与消费者洞察也好，还是影响广告效果的各种变量的考量也好，大多是已经发生之事的事后检验。大数据电子踪迹数据挖掘等实时数据采集与分析技术的出现，使传统研究运用调查方法收集数据的时间滞后性问题以及由此所造成的研究的时效性问题得到有效克服。大数据的实时数据流的采集，以及这些数据沿时间线索不断积累所形成的长时间的时间序列数据，更是传统数据收集方法无法收集到的。这将极大提升广告学研究预测性与动态性的分析能力。

传统定量与实证研究范式所使用的数据与大数据范式所使用的数据，有着数据类型的重大差异，综上所述，可以简单表示如表1：

表1 传统范式与大数据范式数据类型差异

尽管大数据研究范式所使用的数据，一般情况下都还是特定领域特定范围的有限数据，非数值型数据的分析与挖掘还受到技术与成本的多重限制，实时数据与动态型数据的追踪也还只是一个比较性的概念，但大数据范式上述新的数据基础，必然形构起广告学的某种研究新质。

(二)新的研究思路与研究的多元汇通

众所周知，库恩所谓的“范式”，有着研究思路的重要内涵，格雷所提出的“第四范式”也包含着格雷对“范式”也是一种科学方法思路的理解[17]。新范式将为广告学研究提供全新的研究思路与方法，促进广告学研究进一步走向多元汇通。

传统广告学的定量与实证研究，其本质性缺陷就是用“小数据”来证明“逻辑”，用“小数据”来演绎“大定律”，即用简单数量关系来解释复杂的消费现象，用“小数据”“小样本”来外推复杂的市场因果关系，用有限数据来阐释复杂市场与消费条件下的宏观涌现等问题。基于小数据的定量与实证研究，可以用来洞察细微，却不能用来通达宏观；可以用来检测已知，却不能用来发现未知；可以用来检测经验，却不能用来预测未来。大数据的计算与分析以超大规模和超大时空跨度的数据，以及全新的相关性涌现，极大提升科学研究的宏观洞察力，为宏大理论的发现提供了可能，在一定程度上“填补了有限的经验材料支持无限的宏大理论论证之间的鸿沟”[9]。此外，社会科学和商业领域的多项研究表明，大数据能够更好地支持预测性研究，如谷歌的流感趋势预测、奥巴马竞选的预测、百度尝试开发的疾病预测地图、亚马逊的图书推荐和娱乐业的电影趋势与音乐榜单，等等。大数据研究范式的应用，将极大提升广告学研究的宏观洞察力、未知理论的发现力和事物发展的预测力，促使广告学调整既往的研究思路，突破既往的研究局限，从洞察细微进一步走向通达宏观，从检测已知进一步走向发现未知，从检测经验进一步走向预测未来。

定量研究与定性研究，作为社会科学研究的两大基本研究方法，各有优长与局限。社会科学诸多领域的研究，一直尝试通过混合研究弥合二者之间的对立，但并未取得良好的效果。在广告学研究领域，这两种研究方法一直是两股道上跑的车。大数据研究范式的出现，将极大促进二者的综合集成。“数据”有“数值型数据”与“非数值型数据”之分[18]。大数据的分析方法，既能对传统定量分析所使用的统计学意义上的数值型数据展开定性分析，又能对传统研究方法中只能用于定性分析的字符、图形、音频、视频等非数值型数据进行定量分析，从而创造出定性与定量分析的数据混合地带。大数据的研究方法，不仅促使整个社会科学研究的实证基础发生重大变化，更加速着定性与定量两种研究方法的大融合。

人类的科学知识生产方式，一直存在两种逻辑，演绎式逻辑与归纳式逻辑。前者主要是依据已经被前人证明了的理论、规律和命题来检验新的事实材料，或者是以新的经验材料验证已有理论，寻求的是一般与个别的自洽。后者则是在大量经验事实与经验材料中，抽象概括出普遍性命题与结论。传统广告学的知识生产中，最为常见的是前者，即依据已有理论或被前人验证了的经验事实，提出相关研究假设，然后以新的经验材料来加以新的验证。另外也尝试使用以归纳的方式来寻求新的发现，即前文所提到的以“小数据”“小样本”来证明“大定律”。然而，由于受样本量和抽样逻辑的限制，其归纳也只能定义为不完全归纳。据此所得出的相关研究结论也饱受质疑。大数据发现的研究方法，是一个总结归纳与演绎推理双向同时进行的研究过程。它可以用新的数据与经验材料来验证已有理论与规律，所谓大数据发现，说明它更是一种归纳式的新的探索性研究，即从新的经验事实中总结归纳出新的理论与定律。由于数据规模的庞大和经验材料的无比丰富，其据以归纳出的理论的准确概率就更大。从某种意义上讲，大数据发现的研究方法，不仅实现科学研究中演绎式逻辑与归纳式逻辑的结合，更是以其数据资源的广泛性弥合了归纳式研究方法在抽样数据时代应用的不足。

(三)新的研究手段与研究的技术化、工具化

大数据技术，是我们这个时代通用技术体系中的核心技术，被广泛应用于各个领域。在广告实务领域，大数据技术已被普遍应用，并根据广告传播的需求，开发形成以人群定向技术、个性化推荐技术以及程序化交易技术等组合而成的计算广告应用技术体系，用以解决情境、用户与广告三者的最佳匹配以及广告的自动化交易与自动化投放的问题[19]。

大数据研究是一种以工具为先导为引领、以大数据计算为核心技术手段的科学范式。其最大的特点就在其研究的技术化与工具化。大数据采集、数据传输、数据清洗、数据存储技术的发展，使广告学研究对大规模数据源的集结和利用成为可能。基于云计算与人工智能技术的各种大数据挖掘技术，如关键词搜索技术、自动内容分析技术，以及各种可视化工具，为广告学研究对大数据的分析处理与可视化呈现提供了科学的技术手段。尤其是大数据“流处理”技术的发展，更极大提升了广告学研究实时数据的采集与挖掘的能力。研究的技术化与工具化，以及基于此的知识生产的自动化与智能化，是人类科学研究的总体发展趋势，也是社会科学研究与广告学研究发展的未来。先进的复杂性技术的开发，将为复杂性科学与复杂性问题的解决提供技术保障[20]。在广告实务领域，“人工智能甚至将会代替人类去处理广告业务中几乎全部的复杂运算和自动化程序”[19]，广告研究领域，从数据采集到数据集成与存储，再到数据挖掘与分析，直至研究发现，我们也都将交由机器来完成。这将极大提升广告研究的精确性以及对复杂性问题的解决能力。

大数据研究范式，为广告学研究提供新的数据基础、新的思路与方法、新的研究手段和工具，在研究的客观性与系统性上，以及宏观通达与微观洞察、检测经验与预测未来、定量与定性、演绎与归纳多元汇通上，研究的技术手段上等诸多层面实现对传统广告学研究的突破，并形构起广告学研究的某种新质。

四、问题与挑战

大数据时代，广告学研究的传统范式遭遇困境与危机，而以数据与算法为基础的大数据计算范式却又为广告学研究新质的重构带来新的历史机遇。

尽管国内大数据计算范式的广告学研究文献至今尚付阙如，但西方学界已开始尝试运用大数据计算范式来展开广告学相关问题的研究。仍以《广告研究》《广告学刊》和《国际广告学刊》世界三大广告学术期刊为例，在2019年147篇文章中，大数据计算范式的文章达10篇。具体情况如表2所示。

表2中的10篇论文运用多种数据采集软件，从多个渠道获取相关数据。从表2显示的情况看，其数据体量之大、类型之丰富，显然不是单纯依靠传统研究工具和方法能够计算和分析的。这些数据也许还不是我们想象中的大数据样况，但其在各自研究领域，几乎都是一种“全样本”的概念。这其中包含有历史数据，也有实时数据；有数值型数据，也有非数值型数据。这10篇文章，在数据获取和使用方面已经建立起了“大”数据的思维，虽受专业边界的某种局限和技术性限制，大多还仅止于有限变量的相关性分析，所使用的数据也以网络评论性文本居多，在数据挖掘和分析处理方面也还存在欠深入等多种不足，但从某种意义上讲，这些研究文献已开始构筑广告学研究新的“实证基础”，发展着新的经验主义方法论[17]，形构着某种广告学研究新质，显示出广告学研究新的范式趋向。

表2 大数据驱动下广告学研究范式的转换

在此，有几点需作补充说明：第一，大数据计算范式不仅仅只是作为一种研究范式而存在，实际上，它已经成为我们这个社会信息处理的通用范式。这必将成为未来社会科学也包括广告学研究范式中的主导角色，而不可能再退回到依靠人工搜索处理数据，或者用其他低级工具搜集处理数据的传统计量与传统计算范式去[21]。第二，从人类科学研究的发展来看，大数据范式的确是一个巨大的历史进步，但它不是万能的，依然存在某种方法论的局限，并不是我们想象中的那么美好和完美无缺。广告学研究范式转换，具有某种必然，但其发展却是一个过程，甚至是一个艰难的过程。数据挖掘中的重大科学发现，多见于自然科学领域的研究，社会科学研究尤其是广告学研究，却仅止运用于实证。从理论逻辑讲，大数据范式的未来发展，必然作用于多重变量的系统考量，但从上述世界三大广告学术期刊的大数据应用研究的10篇文章来看，却还仍然止于有限变量的研究。大数据范式本身的方法论局限及其发展过程中未曾克服的局限，是我们应该建立的又一点认知。第三，作为多元研究范式并存的社会科学来说，所谓范式转换或范式重构，只是多元范式下主导范式的更替，绝不是整体研究范式的转移[22]，更不是其他研究范式的搁置与废弃。就大数据研究范式而言，它只是对实验的、理论的与计算机仿真三种范式的优化与补充，而不是对三者的完全取代，这是大数据范式研究者的共识。因此，广告学研究大数据计算范式转换后，仍将多元研究范式并存。

广告学研究范式的大数据转换，的确是一个艰难的过程，它将面临许许多多的问题与挑战。它将面临由于大数据计算自身所具有的技术性面向，以及现行学科体制与教育体制的限制所造成的跨学科合作研究的障碍、研究者技术可及性障碍。它还将面临由数据霸权、数据垄断与数据孤岛所造成的数据连通、数据共享与数据可及性障碍。当我们将所有问题交由计算技术来处理，我们该如何唤起计算技术下研究者的主体性与能动性？研究者是否只是被动接受计算技术的支配，还是应该成为能动的计算技术的适应者和使用者？当计算技术代替人类来处理所有问题，我们是否应该对其价值风险作出合理评估与反思？它果真只是价值中立者吗？它将以何种方式强力介入并影响科学研究中的价值发现与价值创造？我们是否不应该低估计算技术所造成的隐私侵犯等伦理风险与冲突？在计算技术的创设与使用中，我们是否能既追求科学发现的精准，又谋求道德伦理的无缺呢？凡此种种，问题与挑战不一而足。

任何事物的发展，都有其自身的规律，也通常会遭遇内在的与外在的多重发展障碍。大数据范式的发展与转换同样如此。挑战与回应是历史演进的基本逻辑。我们总是在不断遭遇问题和解决问题中前行。