基于大数据方法的广告效果研究课程创新实践探索

摘要：广告学专业教育与实践目前正面临着计算与大数据转向，这一转向要求在广告学专业课程设计中更强调对学生大数据分析能力与素养的训练，使之能够更好地适应大数据时代的要求。广告效果研究作为广告学专业核心课程，由于其对数据与分析的较高要求，从而天然适合作为大数据方法与广告学专业课程嫁接的桥梁。而网络行为广告、计算广告、搜索引擎广告、社交媒体种草广告、体验式广告、网络游戏植入广告等依赖数字媒体环境的广告新形态，都对广告效果调查与研究提出了新的挑战。为了应对这一挑战，文章尝试从课程目标、教学方式、实践形态、学生练习方式、考核指标、课后延伸、与其他广告学课程的互动七个方面对基于大数据方法的广告效果研究课程设计进行探索，以期能够为更好地实现大数据与广告学专业建设的结合提供相关参考。

关键词：大数据方法；计算转向；广告效果研究；课程建设；实践探索

中图分类号：G641；F713.80-4 文献标志码：A 文章编号：1674-8883（2023）02-0043-04

随着数字媒体技术的不断发展，传统的广告行业和广告教学受到了极大的冲击。尤其是作为广告学的核心课程之一——广告效果研究，由于面临着广告实践的数字化转向，已经产生了与传统媒体时代截然不同的路径与方法。

网络行为广告、计算广告、搜索引擎广告、社交媒体种草广告、体验式广告、网络游戏植入广告等依赖数字媒体环境的广告新形态都对广告效果调查与研究提出了新的挑战。尤其是在面对计算广告、网络行为广告等涉及大规模数据搜索、文本分析、信息获取、统计模型以及机器学习等计算机技术与方法的广告实践时，传统的基于问卷调查、文本分析、受众访谈的广告调查方法明显已经无法有效适应新媒体环境下的广告效果调查实践。同时由于当前广告实践的数字化与平台化转向，消费者接触广告的环境几乎全部依赖网络环境，传统的广告效果调查很难在这一环境下有效触及更广泛的广告目标受众。因此，广告效果调查亟须迎来自身的数字化与大数据转向。

同时，数字媒体环境所催生的各类计算式的大数据调查与分析方法也进一步推动了广告效果调查从“质”向“量”的转变，并为广告效果调查提供了一系列全新的技术与工具[1]。近年来，大量海内外高校均在探索数字媒体时代广告学专业的变革与转向。其中，强化学生的数字营销传播能力，强化学生的大數据技术，建立“广告+大数据”的培养新格局是当前许多高校进行广告学专业建设改革的重要方向[2]。

例如，2022年中国传媒大学建立计算广告专业，华南理工大学广告学专业设立了依托数据分析与信息可视化研究中心、社会计算研究所，锻炼广告学专业学生的大数据计算能力等；美国伊利诺伊大学香槟分校也设立了计算科学与广告本科专业（Computer Science & Advertising，BS）。2022年所举办的智慧传播与计算广告发展论坛更是标志着广告学专业的计算化转向时代的到来。一批计算广告、数字化广告、数字化营销的专业教材也相继出版。

在广告学专业课程设置中，广告效果研究作为与消费者及媒介市场联系最为紧密的广告学核心课程之一，其对数据搜集与分析有着较高的能力要求。大数据方法恰好为其提供了发展并适应时代潮流的可能性。但目前基于大数据方法的广告效果研究课程总体上尚处于探索阶段，还没形成成熟的授课模式。

因此，本文基于大数据时代广告实践与教学的新变化，尝试对基于大数据方法的广告效果研究课程教学进行模式探索，以期更好地推动广告学教学在数字媒体时代的适应与发展。

一、大数据方法

根据维克托·迈尔-舍恩伯格和肯尼思·库克耶编写的《大数据时代》中的定义，大数据（big data），有时亦称为巨量资料，是指不用随机分析法捷径，而对所有数据进行分析处理，是大量、高速以及多变的信息资产[3]。后来用以指所涉及的体量规模巨大而无法通过传统分析方法进行处理的数据类型。比如社交媒体平台上关于某一热点话题的海量公众舆论数据；电子商务平台上的海量用户浏览与交易数据等。

大数据的诞生离不开数字媒体环境的快速发展，因此讨论大数据时，一般默认其产生于数字媒体平台中。目前数字媒体产生的用户数据也是大数据分析的主要类别与对象。大数据的体量规模庞大，完全超出人类在可接受时间与精力的情况下进行收集、分析与处理的限度。因此，随着大数据的出现与应用需求，相对应的大数据方法（又称为大数据分析方法）应运而生。

所谓大数据方法，是指将描述性的、诊断性的、预测性的和规定性的分析方法应用于大数据中，用以回答特定问题或发现新的见解的过程[4]。常见的大数据方法有面向用户大数据的聚类分析；面向用户文本大数据的情感分析、语义网络分析；面向社交媒体大数据的社会网络分析；以及面向其他数字媒体大数据的因子分析、相关分析等统计学分析；还有面向各类大数据的可视化分析等。不同的大数据方法所针对的大数据类型以及期待所回答的研究问题均有所不同。

但无论哪一种大数据方法，其核心特征都在于超越传统依赖人工编码或人工发放回收问卷等数据搜集与分析方法，而更依赖计算性质的数据搜集与分析流程。这样的方法特质对于操作者有着较高的数据素养与计算能力要求。

不同于传统广告效果调查大多采用的问卷调查、被访者自我报告或者焦点小组访谈的方法，大数据方法更关注用户在互联网上留下的自然数据，即他们关于态度、意见和情绪表达的数字足迹（digital footprints）。相较于传统的调研方法，大数据不依赖标准化问卷的询问和被访者的自我报告，而是意见表达主题日常化、自下而上的表达行为记录[5]。

基于大数据方法所产生的这种数字足迹使得广告效果调查不再拘泥于人为主观设计，可以捕捉和把握更多关于产品、品牌、营销活动和广告文本的多元态度与丰富表达，进而获取更全面的“大众意见”，从而为广告效果研究提供全新的思路。

除此之外，网络大数据的方法也允许研究者获得多个平台上意见表达的“全数据”（Multidomain Data），从而为描绘网络空间中公众或消费者对某一产品或某一支广告的“大众意见”提供更充分与多样的数据。而且，大数据依托数字媒体的快捷性，具有无可替代的“高速”与“多变”的特质，从而允许在进行相关调查时可以及时更新用户相关数据。许多面向公众的舆情监测以及态度调查平台甚至可以做到以分钟为单位预测公众或消费者群体的意见与态度变化。因此可以更快速地追踪到某一时间点上用户或消费者最精准的态度与认知情况，从而为广告效果的测定以及后续广告策划与投放提供更科学的依据。而这些都是传统用户自我反馈数据的广告调查方法难以实现的。

二、面向数字媒体时代的广告效果研究课程定位

广告效果调查是指对广告活动所产生的实际影响和效果，基于实证调查方法的研究[6]，是广告学专业核心课程之一。虽然有的高校会将广告调查与广告效果研究合并为广告调查课程。但随着广告活动的市场导向与效果导向愈发精准，广告效果调查越来越受到广告学专业的重视，并被越来越多的高校设置为单独的广告专业核心课程[7]。

根据调查，目前大多数双一流高校均开设了专门的广告效果研究课程，如中国传媒大学广告学院广告学专业的“广告效果研究”课程、中国人民大学广告学专业的“广告效果评估”课程、厦门大学广告学系的“广告效果评估”课程等。课程学分基本为3～4分，均属于广告学专业的核心课程。这些课程虽然在名称上各有差异，但其核心都是介绍不同媒介环境下的广告传播效果评估的基本理论与实践方法，学习如何调查消费者对于不同媒体平台上所投放的广告的接触情况，以及接触相关广告后消费者所产生的认知与心理反应，以及后续可能进一步产生的宏观社会影响等。

广告效果研究课程旨在培养学生应用各类效果调查方法与分析工具，使广告学专业学生掌握对广告信息在经由广告媒体传播后所产生的社会影响与效应的调查与研判能力。一般广告效果研究课程包括广告效果研究的基本概念、定义、理论；广告效果的分类与特性；广告效果的基本指标和广告效果调查基本方法；不同类型广告的效果测定和广告效果测评报告撰写等方面内容。其中广告效果调查所运用的基本方法及其实践则又是广告效果调查课程的核心内容。

传统广告效果研究课程中，广告效果调查方法會按照定性、定量的划分标准区分为焦点小组访谈法、深度访谈法、投射测试法、问卷调查法以及实验法等方法。这些方法大多依赖面向消费者群体的自我报告，往往存在信度问题。消费者在回想自己的广告接触以及相关认知心理反应与后续购买行为时，往往会产生记忆偏差，从而影响广告效果调查最终的准确性与可信性。而数字媒体时代消费者所产生的海量自然数字足迹则可以有效弥补这一点。因此，采用数字媒体环境下的大数据进行广告效果研究，推断消费者对于广告投放的记忆、情感与态度，成了当前广告效果研究的新方法。同时，当前大量广告实践不再依赖传统的媒体环境，更多地投放在数字媒体环境中，尤其是社交媒体平台。因此，传统的广告效果调查方法也无法很好地适应广告实践的数字化转向，亟须能够适应数字化广告实践的新的大数据取向的广告调查方法。

此外，广告学学科自身的数字计算转向也对重新思考广告效果研究等专业核心课程的变革提出了要求。培养学生的数字素养与计算能力是提高广告专业学生就业核心竞争力的重要维度。因此，在面向数字时代的广告专业发展与广告实践时，需要重新思考广告效果研究课程的定位，将其从传统媒体时代的定性、定量的二元方法分割过渡至数字媒体时代的大数据取向。至于如何设计基于大数据方法的广告效果研究课程，这正是本文讨论的重点。

三、基于大数据方法的广告效果研究课程实践探索

基于大数据方法的特征以及广告效果研究课程的课程需求，本文结合作者在广告效果研究课程上的教学实践，从课程目标、教学方式、实践形态、学生练习方式、考核指标、课后延伸、与其他广告学课程的互动七个方面对基于大数据方法的广告效果研究课程设计进行探索。

（一）课程目标

应用大数据方法的广告效果研究课程并不是要完全摒弃传统广告效果调查的方法。因此，其课程目标应该是在熟练掌握广告效果调查基本概念、理论以及传统调查方法与统计方法的基础上，进一步掌握面向市场与消费者群体的大数据采集、清洗与分析基础。尤其需要关注面向消费者情感与态度表达以及意见传播路径分析的社会网络分析法、语义网络分析法、情感分析法以及数据挖掘方法等等。掌握大数据采集与上述方法的分析工具以及基本的Python语言，能够结合实际案例将上述方法应用在广告效果调查的实践中。此外，还需要注意，大数据方法在具体应用中往往需要和传统的社会调查方法相结合，比如利用深度访谈或焦点小组访谈法对大数据方法生成的结果进行补充。因此，在课程目标设置上需要在考虑大数据方法的基础上，尽可能覆盖更多元的社会调查方法技能。

（二）教学方式

基于大数据方法的广告效果研究课程可以采用人机混合的教学方法，结合大数据课程“线上+线下”的授课形式与广告学教学中常用的案例教学模式[8]。教师可以在课程之初将学期的主要知识点结合相关案例提前发放给学生，以供其提前学习与了解。在课程中教授具体大数据方法时，可以采用“教师示范+引导”的模式，鼓励学生通过多种渠道自主学习相关方法，如社会网络分析法、语义网络分析法、情感分析法、内容挖掘等，以及Python语言的具体应用。同时给予学生一定的时间进行练习与回顾，并从中发现问题。这一阶段主要是基于教师与学生之间的互动式教学。在应用大数据方法进行广告效果测定的实践教学中，可以鼓励学生选择自己喜欢的广告实践案例，以小组形式进行大数据方法的效果测定研究。教师在其中进行评估与指点。这一阶段则主要是基于学生的自我与小组实践，教师更多充当指导者与引领者的作用。摒弃传统课堂的教师—教授、学生—听讲的授课模式。

（三）实践形态

大数据方法教学的实践形态主要是基于机房教学空间中的大数据分析软件应用联系与Python语言练习。对于大数据方法教学的实践练习，可以采用项目导向制教学方法（project-led education），通过众包性质的任务发布，让学生在完成实践项目的基础上习得相关技能。诸多研究业已表明，项目导向教学在软件及计算机语言等方面具有十分突出的优势[9]。而广告效果研究的实践则更多元化。

大量大学生广告专业赛事为广告效果研究与策划提供了有效的实践渠道，如大学生广告艺术大学、学院奖等。可以利用这些广告赛事，组织学生进行基于广告效果测定的广告策划方案设计，并在其中应用课程所学习的大数据方法，从而实现课堂学习内容的实践应用。鼓励学生利用大数据方法参与专业性广告赛事，也有助于推动学生进一步提高自主学习能力，掌握多样化的大数据方法与应用技术。

（四）学生练习方式

在学习大数据方法以及其在广告效果研究中的应用时，可以鼓励学生组成学习小组或团队，结合项目导向的教学方式，以协作的方式进行学习与练习。在大数据方法学习中，可以鼓励不同学习小组主攻不同领域的大数据方法，如社会网络分析法、语义网络分析法、情感分析法、数据采集方法、数据清洗方法等，然后进行互相教学，从而激发学生的自主学习与同侪教育能力。并结合众包性质的项目导向教学，使不同小组共同完成一项较为复杂的课程练习项目，从而进一步增强学生的自我效能感。

在应用大数据方法进行广告效果研究的学习中，可以鼓勵小组内部进行以项目为导向的学习，并开展有效的内部分工与协同作业，比如鼓励某一同学负责广告效果测定的数据挖掘，某一同学负责数据清洗与分析，某一同学负责效果测定的分析与策划案的撰写，从而建立起课程小组与小组之间，以及小组内部成员之间的多元协作格局。

（五）考核指标

基于大数据方法的广告效果研究课程的考核也需要同时考虑面向大数据方法技术层面以及该技术在广告效果研究中的应用层面两个方面的考核。因此，考核指标与方式也需要做出区分。面向大数据方法技术层面，可以要求学生提交关于某项技术的呈现结果与方法流程，或者相关的Python语句、社会网络分析结果图、情感分析图谱等，以考查学生对于相关方法是否已经充分掌握。面向大数据方法在广告效果研究中的应用，则可以采用项目作业的形式，提供一系列备选的广告实践案例，让学生从中选择某一案例进行基于大数据方法的效果测定实践，最后以成熟的广告效果调查报告形式上交，从而对学生将大数据技术用于广告效果研究的情况进行科学评估。

（六）课后延伸

课程结束后，教师可以组织学生利用学到的相关技术与方法参加相应的大学生广告专业赛事，如大学生广告艺术大赛、中国大学生广告艺术节学院奖比赛等，以及其他相关领域专业赛事，如数据新闻大赛等，从而强化学生对课程所学习的知识点与内容的应用。此外，大数据方法本身是一门内容多样且随着时间不断演进的领域，各种新的方法与工具层出不穷。因此教师可以鼓励学生自主学习更多元的大数据方法。有效利用CSDN等专业开发者社区以及各大线上课程平台进行自主学习与能力提升[10]。

（七）与其他广告学课程的互动

广告学专业内部课程之间具有较强的互动性与连续性，其课程的最终目的都是服务于整体的广告实践活动。因此，在广告效果研究课程中所习得的大数据方法不仅仅可以用在这一门课程上，同时还可以服务于其他广告学专业课程，如消费者市场研究、广告策划、广告媒体研究等等。利用广告学专业课程之间的互动关系，将大数据方法作为链接不同专业课程的方法工具，可以有效激励学生在不同广告学专业课程上更充分地使用大数据方法，从而巩固习得的专业知识与技能。这也需要不同课程教师之间建立合作关系，将大数据方法作为协同教学的桥梁工具，共同构建大数据时代广告学专业教育的技术方法导向。

四、结语

大数据与计算转向是当前广告学专业与实践领域所面临的重要趋势，同样也是广告学教育需要关注的重点发展方向。大数据素养与相应分析能力也成了当前广告学专业学子进入职场后必须具备的专业技能。目前，我国部分高校已经开始尝试在广告学专业课程中增加大数据相关内容，并将其与传统的广告学教育相融合。其中，广告效果调查作为广告学专业的核心课程之一，其对于数据调研与相关分析能力有着较高的要求。随着广告投放实践的不断数字化转向，传统的基于问卷调查、文本分析、受众访谈的广告效果调查方法越来越无法适应当前的数字化环境。因此，当前广告效果调查无论作为广告实践还是广告教学课程，都亟须进行数字化与大数据方法转向。

因此，这一门课程天然适合作为大数据方法与广告学专业课程嫁接的桥梁。为了更好地完成这一转向，本文从课程目标、教学方式、实践形态、学生练习方式、考核指标、课后延伸、与其他广告学课程的互动等七个方面入手，对基于大数据方法的广告效果研究课程设计进行了探索，以期能够为更好地实现大数据与广告学专业建设的结合提供相关参考。

参考文献：

[1] 陈培爱，覃胜南.广告媒体教程[M].北京：北京大学出版社，2005：344-345.

[2] 廖秉宜.数字时代的广告教育变革[J].新闻春秋，2016（1）：73-77.

[3] 维克托·迈尔-舍恩伯格，肯尼斯·库克耶.大数据时代[M].周涛，译.杭州：浙江人民出版社，2013：2-3.

[4] 曾忠禄.大数据分析：方向、方法与工具[J].情报理论与实践，2017，40（1）：1-5.

[5] 周葆华，梁海.大数据时代的计算舆论学：理论、方法与案例[M].上海：复旦大学出版社，2022：6-7.

[6] 张华.基于网络调查的广告效果研究[D].上海：华东师范大学，2012.

[7]孙平.《广告调查与效果研究》的课程实践教学[J].新闻爱好者，2009（24）：97-98.

[8] 罗茜.面向传媒专业大学生的大数据分析课程实践探索：基于混合学习理论[J].今传媒，2021，29（10）：36-38.

[9] 农湘媛.基于超星专业教学移动平台下项目导向+翻转课堂教学模式研究与实践：以“广告策划”课程为例[J].中国多媒体与网络教学学报，2019（8）：122-123.

[10] 李胜利，钟滢.中外技术问答社区的实证对比研究与启示：以CSDN和Stack Overflow为例[J].情报学报，2020，39（9）：989-1000.

作者简介 杨正，讲师，研究方向：科学传播、广告传播、数字媒体与社会。