第一季度中国互联网受众媒介接触测量Word下载.docx
《第一季度中国互联网受众媒介接触测量Word下载.docx》由会员分享，可在线阅读，更多相关《第一季度中国互联网受众媒介接触测量Word下载.docx（14页珍藏版）》请在冰点文库上搜索。
2.3消费信息获取媒介收入差异统计
2.4消费信息获取媒介消费差异统计
2.5消费信息获取媒介地域差异统计
3中国互联网用户各主流媒介接触时段分布
3.1中国互联网用户工作日媒介接触时段分布
工作日互联网媒体的接触度领先优势显著
互联网受众工作日在白天对互联网（非视频类）媒体接触度高，并在8点-22点基本保持稳定的态势；
互联网受众在工作日的18点以后对电视的接触度迅速拉高，并在晚间20：
00—22：
00点钟达到峰值，接触度为45.4%，即45.4%的互联网用户在该时段接触过互联网；
互联网受众对报纸的接触主要集中在8：
00-9：
59；
而用户对网络视频的接触度与电视媒体表现类似，均呈现工作忙碌时间的低接触度与晚间突增态势。
3.2中国互联网用户非工作日媒介接触时段分布
非工作日电视白天接触度显著升高
在非工作日，受众对娱乐性更强的电视以及网络视频媒体的接触时度均有明显的增加，但对网络视频媒体的接触度并未受到周末因素较大的影响。
整体上看，网络视频全天接触度较电视媒介更为稳定，而互联网用户对电视媒介接触度呈大幅波动的局面，网络视频对电视媒介的互补性日渐显现。
4中国互联网用户各主流媒介接触时长分布
4.1中国互联网用户工作日媒介接触时长分布
工作日网络视频与电视接触时长不分伯仲
2009年第一季度中国互联网用户工作日接触不同媒介的时长分布中，受众对互联网（非视频类）每天接触2-4小时、4-8小时的比例最高，分别为24.8%、24.6%，而每天8小时或以上高达18.4%；
互联网（非视频类）工作日接触时长均值为4.0小时。
而受众对网络视频的接触时长以每天1-2小时的比例最高，比例为14.4%；
电视媒介接触时长分布也以每天接触1-2小时的受众最为集中，比例为26.0%；
网络视频与电视工作日接触时长均值均为约1.7小时。
由此可见网络视频也成为互联网受众在工作日中不可或缺的一个组成部分，成为与电视重要度相当的媒介。
4.2中国互联网用户非工作日媒介接触时长分布
非工作日电视接触时长增长显著
2009年第一季度中国互联网用户非工作日接触不同媒介的时长统计中发现，互联网用户在非工作日对互联网（非视频类）接触时长（平均值）比较工作日略有下滑，而受众在非工作日对电视接触时长均值（2.3小时）较工作日接触时长均值（1.7小时）多出0.6小时，网络视频在非工作日接触时长均值（2.0小时）较工作日接触时长均值（1.7小时）显著多出0.3小时。
可以看出，受众在非工作日对电视接触时长有显著的增多。
另外，统计数据显示，互联网（视频类）每天接触8小时或以上的比例由工作日的5.2%增长到非工作日的7.9%，每天接触2-4小时和4-8小时比例均有相应的提高；
电视媒介受众每天接触8小时或以上的比例由工作日的1.7%上升到非工作日的4.9%。
受众在非工作日接触电视与互联网（视频类）媒介的时长在比工作日均有显著增长。
5中国互联网用户网络媒介的资讯广告关注度统计
5.1中国互联网用户日常消费信息的网络媒介来源分布
互联网愈发成为日常消费信息的重要获取渠道，口碑的传播影响力不容小觑
在2009年第一季度中国互联网受众日常消费信息获取媒介分布统计中发现，互联网成为主流日常消费信息获取的主要渠道：
互联网是互联网用户获取IT数码产品、招聘求职、旅游等消费信息的主要渠道，其中64%的互联网用户通过互联网获取IT数码产品信息，招聘求职（59%）、旅游（59%）、音乐（57%）、游戏（56%）、家电产品（52%）和教育培训（51%）比例均超过50%，即过半互联网用户把互联网作为获取这些产品或服务的信息渠道。
亲戚、朋友或同事的口碑、推荐信息因其可信度高、针对性强等优势，成为餐饮、健康医疗、娱乐休闲、化妆品等消费信息的重要获取来源。
互联网与口碑作为消费信息获取的重要通道，充分印证了消费者对信息的及时性、互动交流以及信息可信度的需求。
5.2中国互联网用户网络媒介的资讯/广告参与度统计
5.3中国互联网用户网络媒介的资讯/广告关注度统计
5.4中国互联网用户网络媒介的资讯/广告购买行为影响力统计
互联网与口碑成为影响购买行为的最主要渠道
在2009年第一季度最能影响中国互联网受众购买行为的媒介/渠道统计中，互联网与亲戚、朋友和同事的口碑、推荐信息成影响购买行为的最主要媒介和渠道，比例分别为56.8%和54.2%，中央台也有3成以上的比例，报纸、杂志类渠道比例整体要高于电台广播、楼宇电梯平面广告等渠道。
6中国互联网用户网络媒介总体应用特征
6.1中国互联网用户网络服务/应用使用类别分布
浏览新闻、收发电子邮件以及欣赏或下载音乐成为使用比例最高的服务
2009年第一季度中国互联网应用服务使用分布统计中，浏览新闻、收发电子邮件以及欣赏或下载音乐成为使用比例最高的服务，比例分别为91.3%、82.0%和74.5%。
下载软件、到论坛（社区、BBS）看贴、留言、在线影视收看/下载以及网上购物和玩游戏等娱乐应用服务的使用比例也均超过5成以上。
6.2人均网站访问个数
6.3上网时长与时长分布
6.4上网频率与频率分布
6.5人均页面浏览数与结构
7中国互联网热点应用领域媒介接触特征统计
7.1互联网热点应用领域月受众到达率
7.2互联网热点应用领域总访问时长
7.3互联网热点应用领域总页面浏览数
7.4互联网热点应用领域总访问频次
附录3：
调研方法与模型
3.1调查方法
中国互联网市场年度调查采用统一的样本及持续的跟踪，实现了调查的持续性，实现调查数据的横向及纵向比较。
2008年度调查在问卷调查基础上，加入了调查软件客户端记录上网行为（固定样本组监测），实现了统一样本的持续跟踪，实现了调查的持续性，使得调查具有了连续性对比的意义，实现了统一样本的横向对比。
3.1.1固定样本组监测
中国互联网市场年度调查，从2008年1月开始至今，通过与互联网用户达成许可协议安装调查软件客户端，实现调查软件客户端记录上网行为，更加直接、准确的记录互联网用户的具体上网网址和具体的浏览行为，避免了以往通过问卷调查用户网站上网行为的记忆误差，并实现了固定样本的持续跟踪，使得调查具有了连续性对比的意义，实现了固定样本的调查数据的横向及纵向比较。
3.1.2网上联机问卷调查
中国互联网市场年度调查为了保证国内互联网产业年度最大规模的网上联机调研的科学性和可操作性，调查课题组专门组织了国内互联网业界、市场调研业界以及统计研究界的专家组成网上联机调研系统方法和策略开发小组，针对网上大规模用户调研科学系统的开发网上联机调研体系。
对于每位安装客户端调查软件的互联网用户，都需要填写本次年度调查问卷。
本次年度调查问卷主要调研用户/受众消费与需求、媒介与广告接触、消费态度和喜好、基本特征等。
3.1.3一对一企业电话访问调查
对100多家重点企业的一对一电话采访，针对相关企业的部门高层或领导进行电话调研，第一手获得企业信息、相关领域发展数据、行业发展方面的专业分析判断信息。
3.1.4一对一企业当面访问调查
对100多家企业实施一对一访谈，针对相关企业的部门高层或领导进行调研，充分保证贴近市场，把握中国互联网发展最新动态。
涉及互联网基础领域、应用领域和新领域三个层次的综合研讨分析，确保调研结果的深入、专业和有效性。
3.1.5资料分析法
适度参考相关数据、行业发展资讯，根据有关互联网方面的资料进行整理，充分利用能够得到的有关资料进行互联网各个领域全方位的分析。
3.2数据统计方法
3.2.1描述统计
本中的描述统计方法主要是利用常用的Frequencies、Descriptives对问卷中的各题目进行统计。
3.2.2统计校验
网上调查的误差来源有四方面：
第一是抽样误差，第二是无回复误差，第三是回复误差，第四为数据处理误差。
中国互联网调查课题组在最大程度减少调查误差方面采取了以下方法：
1.通过最新的互联网用户结构数据作为分层抽样的依据，在调查过程中动态调整样本结构，并采集有史以来最大规模的样本量来最大程度的减少抽样误差。
2.通过缓冲样本的方式来减少无回复误差。
3.通过采取严格的技术、人工手段来减少回复误差，包括：
1）
数据前台JS验证+验证码+后台来源、提交方式、数据完整性验证+后期数据分析验证
2）
答题时间过长或过短者都将被剔除
3）
不拥有真实用户名、地址、邮件、电话等完整问卷填写人个人信息的问卷都将被剔除。
4）
企业恶意作弊插件所引起的无效问卷剔除；
5）
根据用户填写完毕问卷时在每道题（包括用户信息11个问题，但不包括姓名、Email、电话）上所花费的平均时间来剔除无效问卷；
6）
将缺项过多（针对选择“没有使用……”和“其它”这两个选项）的问卷剔除；
7）
重复用户信息的问卷剔除；
8）
实施上述方案后，剩余问卷进行逻辑错误检验
例如：
“12岁以下”的“高中（中专）”、“大专”、“本科”问卷剔除
“12岁以下”月均收入500元以上
18岁以下“已婚”问卷剔除
18岁以下“硕士”教育程度问卷剔除
25岁以下“博士及以上”教育程度问卷剔除
……
4.通过多位不同的数据分析师对同一数据进行多次重复处理及分析，以减少数据处理中的误差。
3.2.3交叉分析
交叉分析是研究两个特征A,B之间的相互依赖性问题。
交叉分析是利用统计学中的列联表分析来实现，并利用卡方检验来检验两个变量间相互依赖性。
经过一致性或独立性的卡方检验后,在得到差异是否显著或是否独立的同时,已经分析出两个特征（变量）是否相关了。
比如差异显著或不独立,则说明两变量相关显著,反之则相关不显著。
本利用交叉分析可分析不同互联网消费心理因素与互联网用户行为的相关性。
3.2.4多选项统计
多选项分析是针对问卷调查中的多选问题的。
多选项问题在问卷调查中普遍存在。
它是根据实际调查需要，要求被调查者从问卷给出的若干个可选答案中选择一个以上的答案。
通常对多选项问题分析的一般步骤为以下两大步：
第一，将多选项问题分解；
第二，利用频次分析或交叉分组下的频次分析等方法进行分析。
3.2.5因子分析
因子分析是构造几个的随机变量（称为因子）去描述原有的众多指标变量之间的相关关系，达到降维、简化、综合研究的目的。
在对观测数据阵标准化处理后，从指标变量的相关矩阵出发，研究因子Fj与变量Xi相关结构的因子分析，称为R型因子分析。
3.2.6聚类分析
聚类分析是一种探索性的统计分析方法，聚类分析能够根据多个不同变量的观察值对调查样本进行分类。
本将利用聚类分析首次对中国互联网用户进行市场细分，同时也对互联网的各细分市场的用户进行市场细分。
本中的市场细分的根据是用户的17个价值观进行聚类，根据因子分析的得分作为输入，而细分结果作为输出。
在中国的互联网研究中，本将首次利用价值观并使用聚类分析的统计学方法，对中国互联网用户以及互联网的各细分市场进行市场细分，描述个市场细分的比例，并利用交叉分析刻画每种细分市场的用户特征及其典型行为。
3.3行业研究方法
3.3.1行业环境研究方法
3.3.1.1宏观环境分析
宏观环境采用PEST分析：
政治法律环境分析λ
经济环境分析λ
社会文化环境分析λ
技术环境分析λ
3.3.1.2微观环境分析
波特五力分析属于外部环境分析中的微观环境分析，主要用来分析本行业的企业竞争格局以及本行业与其他行业之间的关系。
一个行业中的竞争，不止是在原有竞争对手中进行，而是存在着五种基本的竞争力量：
潜在的行业新进入者、替代品的竞争、买方讨价还价的能力、供应商讨价还价的能力以及现有竞争者之间的竞争。
3.3.2竞争分析方法
3.3.2.1竞争格局分析方法
通过两个维度进行竞争格局分析：
厂商执行能力，指厂商的市场综合表现，包括市场份额、用户份额及品牌认知等。
厂商创新能力，为厂商的创新能力综合表现，包括产品研发创新、盈利模式创新及业务服务创新。
3.3.2.2行业进入与退出壁垒分析
行业进入与退出壁垒分析应用户互联网行业，有助于分析每个行业的投资可行性。
从行业利润的角度来看，最好的情况是进入壁垒较高而退出壁垒低，在这种情况下，新进入者将受到抵制，而在本行业经营不成功的企业会离开本行业。
反之，进入壁垒低而退出壁垒高是最不利的情况，在这种情况下，当某行业的吸引力较大时，众多企业纷纷进入该行业；
当该行业不景气时，过剩的生产能力仍然留在该行业内，企业之间竞争激烈，相当多的企业会因竞争不利而陷入困境。
3.3.3行业预测方法
3.3.3.1行业预测流程
3.3.3.2相关分析
相关分析是检验两个变量之间的相关性。
本报告在行业预测中，利用将利用相关分析对影响因素进行分析，找出关键影响因素，用于预测模型中。
相关分析的计算公式如下：
3.3.3.3时间序列模型
本报告根据行业的实际情况，通过历史数据采取时间序列预测的方法，被采用的方法有移动平均法、加权移动平均法、指数平滑法以及AR、MA、ARMA和ARIMA模型。
3.3.3.4回归分析模型
本报告根据行业的实际情况，根据行业历史数据以及相关影响因素的数据进行回归分析，建立预测模型。
分析模型包括：
Linear：
拟合直线方程（Y=b0+b1X）；
λ
Quadratic：
拟合二次方程（Y=b0+b1X+b2X2）；
Compound：
拟合复合曲线模型（Y=b0*b1X）；
Growth：
拟合等比级数曲线模型（Y=e（b0+b1X））；
Logarithmic：
拟合对数方程（Y=b0+b1lnX）λ
Cubic：
拟合三次方程（Y=b0+b1X+b2X2+b3X3）；
S：
拟合S形曲线（Y=e（b0+b1/X））；
Exponential：
拟合指数方程（Y=b0*eb1X）；
λ
Inverse：
数据按Y=b0+b1/X进行变换；
Power：
拟合乘幂曲线模型（Y=b0Xb1）。
升级会员 