基于全媒体的资产价值评估模型及方法与流程

本发明涉及大数据领域，特别是涉及基于全媒体的资产价值评估模型及方法。

背景技术：

在传统的媒体行业，以电信网、计算机网和有线电视网“三网融合”作为背景，随着大数据技术的快速发展，使得广播电视和网络视听节目的数据有了更大的挖掘潜力。但是由于当前拍摄以及分享视频的便捷性，使传统的用户从传媒信息的接受者和使用者过渡到传媒信息的生产者。在大环境下，用户有着更为丰富的渠道去接触媒体信息，包括传统的广播电视，还有日渐流行的互联网电视，以及与日常生活密不可分的互联网平台和手机电视平台。

随着渠道数量的不断增加，用户数据也是不断丰富和积累，在这样的背景下，如何评价视听节目的价值成为媒体行业研究的重点。现有的视听节目价值评估模式存在两方面缺陷，其一，由于节目的属性信息没有统一规范，使不同渠道的节目存在差异，比如信息缺失、广告插入等因素，导致同一节目的相关数据无法匹配统一；其二，视听节目的价值以收视率为主，导致评价结果存在片面性，不够全面。

技术实现要素：

本发明的目的是解决现有技术的不足，提供一种基于全媒体的资产价值评估模型及方法，统计维度丰富，评估准确。

一种基于全媒体的资产价值评估模型，包括操作单元、获取单元、存储单元、处理单元以及展示单元；

所述操作单元根据操作人员的操作向获取单元发送操作指令；

所述获取单元接收操作指令并根据操作指令获取该资产在各媒体平台以及网站的数据；获取单元获取的数据源自存储单元以及互联网；

所述存储单元接收获取单元从互联网获取资产的关联信息，并定时更新；存储单元还能够接收并存储处理单元反馈的价值评估模型；资产的关联信息包括各媒体平台的点播数据、直播数据、客户晴雨表、互联网影片排行；

所述处理单元接收获取单元发送的数据，并根据该数据获得该资产的价值评估模型；

所述展示单元能够根据接收到的价值评估模型在前端设备展示；

所述处理单元通过接收的数据，确定资产的创收价值、收视价值、投资价值、影响价值以及成本价值，进而获得资产的价值评估模型。

一种基于全媒体的资产价值评估方法，包括如下步骤：

步骤s1：根据操作单元接收的信息确定参与资产价值评估的资产c；

步骤s2：源数据接入，所述源数据接入为获取单元从存储模块以及互联网获取资产c的关联信息并将资产c的关联信息发送至处理单元；资产c的关联信息包括各媒体平台的点播数据、直播数据、客户晴雨表、互联网影片排行；

步骤s3：处理单元接收资产c的关联信息并进行数据清洗；

步骤s4：完成数据清洗后处理单元计算各媒体平台的资产价值；资产价值包括五个宏观价值指标，分别为创收价值、收视价值、投资价值、影响价值以及成本价值；

步骤s5：处理单元综合各媒体平台计算得到的资产价值，得到资产c的价值评估模型并发送至展示单元；

步骤s6：展示单元接收资产c的价值评估模型并进行展示；

所述步骤s2中，各媒体平台包括广播电视平台、互动电视平台、互联网电视平台、手机电视平台以及互联网平台；其资产价值分别为广播电视平台资产价值v1、互动电视平台资产价值v2、互联网电视平台资产价值v3、手机电视平台资产价值v4以及互联网平台资产价值v5。

进一步的，所述步骤s3中数据清洗为将资产c的关联信息根据相似度算法进行匹配，其中包括三方面的相似度匹配：

i.网络资产与各媒体平台之间基于资产属性的相似度算法匹配；

ii.各媒体平台资产之间基于资产属性的相似度算法匹配；

iii.直播资产与点播资产之间基于资产属性的相似度算法匹配；

相似度算法匹配包括如下步骤：

步骤i：按照资产类型维度，对每一种类型的资产建立各自的关联度模型；

步骤ii：在同种类型资产中，选取w个具有显著的特征属性，则媒体平台第b个资产的第v个特征属性值表示为：其中特征属性为资产的关联信息；c表示该媒体平台的总资产数；

步骤iii：度量特征属性v的相似度，使用表示，其中c和e分别表示为两个媒体平台对应的总资产数；scub(b＝1,2,…,c)和scud(d＝1,2,…,e)分别表示媒体平台第b个资产和另一媒体平台第d个资产的特征属性集，其中第v个属性的相似度表示为

步骤iv：特征属性集scub(b＝1,2,…,c)和scud(d＝1,2,…,e)的相似度表示为其中kv表示第v个特征属性的权重；

步骤v：步骤iv中获得的相似度值进行排序，形成相似度矩阵sc-1,e-1表示媒体平台第c个资产和另一媒体平台第e个资产的相似度；

步骤vi：选取相似度最高的资产进行数据补充。

进一步的，所述创收价值指标针对资产在关联创收属性数据进行评估，包括该资产在订包、单点业务上的收入指标，分别为x1,x2表示；则资产的创收价值计算公式如下：

hp1＝m1*x1+m2*x2

其中，设置加权系数m1＝m2＝0.5；创收价值的数据为历史周期的数据，选取3个月或6个月时长。

进一步的，所述收视价值包括直播收视价值和点播收视价值；收视价值的计算方式如下：

hp2＝m3*x3+m4*x4

其中x3和x4分别表示点播收视价值和直播收视价值；m3和m4为权重系数，其中m3和m4的和为1，m3和m4的比值大小由直播收视途径和点播收视途径的流量比值决定。

进一步的，所述点播收视价值的计算规则如下所示：

点播收视＝α1*点播近度+α2*点播广度+α3*点播丰富度+α4*点播深度

进一步的，其中α1、α2、α3以及α4是各子项指标的加权系数，由计算公式中各子项的数据丰富度决定；

所述点播近度的计算，需要确定截止计算时间，以截止计算时间为起点往前推算，推算资产被点播x次的时间长度，并计算平均被点播一次的间隔时间长度，根据时间长度的确定分值，时间长度越短，分值越高；

所述点播广度的计算方式如下所示：

其中，history_vodk表示历史第k个月，该月内该资产对应的点播用户数；current_vod表示当月的点播用户总数；εk为各项加权系数，根据时间由远及近，系数逐渐增大；历史第k个月表示到截止时间为止，向前推算k个月；

所述点播丰富度反映点播该资产的用户群体情况，进而评估资产的点播适应群体，包括用户标签；点播丰富度的计算步骤如下所示：

步骤b1：确定用户标签：label_codei(i＝1,2,…,n′)；其中n′仅表示数值；

步骤b2：确定用户标签label_codei下的类别值，包括：label_valueij(j＝1,2,…,m′)；其中m′仅表示数值；

步骤b3：确定类别值label_valueij中的用户数nij，并计算该类别值在该用户标签内的用户占比：

步骤b4：根据各类别值对应的用户占比pij计算该用户标签label_codei的标准差σi；

其中

步骤b5：计算该标签的受众丰富度：

步骤b6：以历史k个月的数据作为统计范围，该资产的点播丰富度计算如下所示：

所述点播深度的计算如下所示：

其中x表示资产的第x集，y表示资产的总集数；若资产为电影或单集的电视剧、综艺，则为1；α仅为计算参数，定义时，得出不同集数资产的α；观看时长指用户点播该资产第x集时的观看时间长度；此片总时长指该资产共y集的总时间长度；vpn表示用户n第一次点播该资产时点播路径类别的权重，点播自由度越高的点播路径对应权重vpn越大；n表示不同的用户。

进一步的，所述直播收视价值的计算规则如下所示：

直播收视＝β1*直播近度+β2*直播广度+β3*直播丰富度+β4*直播深度

其中βi，i∈[1,4]是各子项指标的加权系数，βi由计算公式中各子项的数据丰富度决定；

所述直播近度的计算，首先需要确定截止计算时间，以截止计算时间为起点往前推算，可以推算资产被直播y次的时间长度，并计算平均被直播一次的间隔时间长度，根据时间长度的确定分值，时间长度越短，分值越高；

所述直播广度的计算方式如下所示：

其中，history_livek表示历史第k个月，该月内该资产对应的直播用户数；current_live表示当月的直播用户总数；ε′k为各项加权系数，根据时间由远及近，系数会逐渐增大；

所述直播丰富度反映观看该资产直播的用户群体情况，评估资产的直播适应群体；直播丰富度包括用户标签；直播丰富度的计算步骤如下所示：

步骤c1：确定用户标签：label_codei′(i＝1,2,…,n″)；其中n″仅表示数值；

步骤c2：确定用户标签label_codei′下的类别值，包括：label_valuei′j′(j′＝1,2,…,m″)；其中m″仅表示数值；

步骤c3：确定类别值label_valuei′j′中的用户数ni′j′，并计算该类别值在该用户标签内的用户占比：

步骤c4：根据各类别值对应的用户占比pi′j′计算该用户标签label_codei′的标准差σi′；

其中

步骤c5：计算该标签的受众丰富度：

步骤c6：以历史k个月的数据作为统计范围，资产c直播丰富度计算如下所示：

在步骤c2中用户标签label_codei′下的类别值label_valuei′j′；

所述直播深度用于评估用户观看直播资产的完整度；直播深度的计算如下所示：

其中观看时长以及此时段总时长的数据中包括资产的回放数据；x表示资产的第x集，y表示资产的总集数；α仅为计算参数，定义时，得出不同集数资产的α；观看时长指用户在对应时段内的通过直播观看该资产第x集的时间长度；此时段总时长指该资产第x集在此时段内的直播时间长度，若第x集在此时段内没有播出，则该时段对应的为零；byq，bdq，bcq分别表示播出时段、播出日期及播出频道的影响因子；q表示直播的不同时间段；n表示不同的用户。

进一步的，所述投资价值分析资产在社会的关注度和效应情况，其中投资价值的评价方式如下所示：

hp3＝γ1*热度+γ2*社会口碑+γ3*宣传力度

其中γ1、γ2、γ3分别表示各项的加权系数，数值大小由公式子项与“投资价值”的相关性决定，该加权系数为本领域人员的经验值。

进一步的，所述影响价值由资产数量决定；影响价值计算方式如下：

hp4＝∑θt*nt

其中，nt表示对与资产c存在相同因素的维度t进行评估，得到的资产数量；维度t包括导演、演员、年代；θt是nt的系数，根据维度的数目均匀划分，且∑θt＝1。

进一步的，所述成本价值用于分析资产所属协议的价值；其中协议中内容的协议属性集合用l＝l1,l2,l3,…,ln来表示；协议的内容根据是否完成采购分为已购协议q′部分和待采购协议q部分，协议属性l分布在已购协议和代采购协议中；

首先根据已购协议q′已取得的贡献来计算获得协议价值分s′；然后根据tf-idf统计方法，计算已购协议和待采购协议之间的协议属性的相似度；则协议q的成本价值为：

hp5＝s′t*t％

其中t％为已购协议中的协议属性与待采购协议中的协议属性之间的最大相似度；s′t为最大相似度对应的已购协议q′部分的协议属性的协议价值。

本发明的有益效果为：

本发明通过统筹资产的各个播出途径，并侧重分析直播以及点播的播放形式对应的各类宏观价值指标，构建深层次的资产分析模型，全方面评估资产价值；

本发明在计算直播收视价值以及点播收视价值之前，通过tf-idf算法计算两个播出渠道中资产的显示度，避免出现直播资产和点播资产不对应的情况；

本发明为开放式系统，随着维度的增加，模型的准确度显著提高；

本发明提出的系统评估资产价值，能够有效帮助各平台引进资产，保证平台流量和资产收视率。

附图说明

图1为本发明实施例一的结构框图；

图2为本发明实施例二的价值评估框架图；

图3为本发明实施例二的资产价值评估模型的处理流程。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

实施例一：

如图1所示，一种基于全媒体的资产价值评估模型，包括操作单元、获取单元、存储单元、处理单元以及展示单元，其中资产包括节目。

操作单元能够根据操作人员的操作向获取单元发送操作指令；比如根据操作人员的输入信息确定参与价值评估的资产。

获取单元能够接收操作指令并根据操作指令获取该资产在各媒体平台以及网站的关联数据；获取单元获取的数据源自存储单元以及互联网；获取单元获取资产的关联信息发送至存储单元以及处理单元。资产的关联信息包括各媒体平台的点播数据、直播数据、客户晴雨表、互联网影片排行。

存储单元能够接收获取单元从互联网获取资产的关联信息，并定时更新，可以为一天或一周更新一次数据；存储单元还能够接收并存储处理单元反馈的价值评估模型。存储单元包括数据库。

处理单元能够接收获取单元发送的该资产的相关数据，并根据该数据获得该资产的价值评估模型，将价值评估模型发送至展示单元并反馈存储单元。价值评估模型可以为表格或者统计图的形式。

展示单元能够根据接收到的价值评估模型在前端设备进行展示，比如电脑、手机等设备。

其中获取单元在接收操作人员的输入信息并确定参与价值评估的资产后，会首先在存储单元中进行检索，检索该资产在是否进行过价值评估，如果进行过价值评估，则在展示单元中提示操作人员最近一次的价值评估时间点，由操作人员判断是否重新进行价值评估。若操作人员没有选择重新进行价值评估，则在展示单元中展示该资产最近一次的价值评估模型；若操作人员选择重新进行价值评估，则获取单元获取该资产在各平台以及网站的相关数据。

实施例二：

如图2-3所示，一种基于全媒体的资产价值评估方法，包括如下步骤：

步骤s1：根据操作单元接收的信息确定参与资产价值评估的资产c；

步骤s2：源数据接入，所述源数据接入为获取单元从存储模块以及互联网获取资产c的关联信息并将资产c的关联信息发送至处理单元，包括各媒体平台的点播数据、直播数据、客户晴雨表、互联网影片排行等；

步骤s3：处理单元接收资产c的关联信息并进行数据清洗；

步骤s4：完成数据清洗后，处理单元根据创收价值、收视价值、投资价值、影响价值以及成本价值的宏观价值指标计算各媒体平台的资产价值；

步骤s5：处理单元综合各媒体平台计算得到的资产价值，得到资产c的价值评估模型并发送至展示单元；

步骤s6：展示单元接收资产c的价值评估模型并进行展示。

所述步骤s2中，各媒体平台包括广播电视平台、互动电视平台、互联网电视平台(包括ott专网和公网)、手机电视平台以及互联网平台。其中参与资产价值评估的媒体平台p设定其资产价值为vp，p∈[1,f]，在本实施例中f为5，,vp包括：

1)广播电视平台资产价值v1；

2)互动电视平台资产价值v2；

3)互联网电视平台资产价值v3，包括ott(专网、公网)的资产数据；

4)手机电视平台资产价值v4；

5)互联网平台资产价值v5；

所述步骤s3中数据清洗为将接收的资产c的关联信息根据相似度算法(tf-idf算法)进行匹配，相似度算法用于计算不同媒体平台之间资产的相似度，其中包括三方面的相似度匹配：

i.网络资产与各媒体平台之间基于资产属性的相似度算法匹配；

ii.各媒体平台资产之间基于资产属性的相似度算法匹配；

iii.直播资产与点播资产之间基于资产属性的相似度算法匹配。

相似度算法匹配包括如下步骤：

步骤i：按照资产类型维度，对每一种类型的资产建立各自的关联度模型；其中资产类型维度为相似度匹配的三个方面；

步骤ii：在同种类型资产中，选取w个具有显著的特征属性，则媒体平台第b个资产的第v个特征属性值表示为：在本实施例中上映时间属性不作为特征属性参与计算；其中特征属性为资产的关联信息；c表示该媒体平台的总资产数；

步骤iii：度量特征属性v的相似度，使用表示，其中c和e分别表示为两个媒体平台对应的总资产数；scub(b＝1,2,…,c)和scud(d＝1,2,…,e)分别表示媒体平台第b个资产和另一媒体平台第d个资产的特征属性集，其中第v个属性的相似度表示为

步骤iv：特征属性集scub(b＝1,2,…,c)和scud(d＝1,2,…,e)的相似度表示为其中kv表示第v个特征属性的权重；

步骤v：步骤iv中获得的相似度值进行排序，形成相似度矩阵sc-1,e-1表示媒体平台第c个资产和另一媒体平台第e个资产的相似度；

步骤vi：选取相似度最高的资产进行数据补充。

所述步骤s4中，创收价值用于反映用户因收看行为支付的金额数据，创收价值用hp1表示；收视价值用于反映用户通过直播、点播等行为收看资产的行为数据，收视价值用hp2表示；投资价值用于反映宣传力度、资产热度、资产口碑等数据，投资价值用hp3表示；影响价值用于反映资产所带来的影响力，影响价值以拉动公司收益为最终目的，可以通过显性因素考虑，显性因素就是指与资产相关的属性所带来的拉动其他资产收视和收益的效果，显性因素包括主题、演员以及导演等因素，影响价值用hp4表示；成本价值用于反映各平台、公司购片协议所体现出的价值，成本价值用hp5。

在本实施例中由以上五个宏观价值指标联合判断一个媒体平台的资产价值。媒体平台上的资产c的价值评估计算公式如下：

在上式中，hps(s∈[1,5])表示媒体平台p的价值模型中的5个宏观价值指标；wps(s∈[1,5])表示媒体平台p的各宏观价值指标的权重系数，权重系数由以下两个因素决定：1)宏观价值指标计算的基础数据饱和度；2)该宏观价值指标与资产价值的相关性。其中第2)点，指标与资产价值的相关性由专业人员给定。

在五个宏观价值指标中，创收价值、收视价值是对应媒体平台所收集的数据，数据完整度和丰富度较高；投资价值、影响价值时间资产在互联网其他渠道的评价等关联数据作为计算的基础，此数据在完整度和衡量标准上并不统一；创收数据是依据资产购片等数据获得，因此数据的丰富度单一。

综合考虑以上两个因素，在本实施例中采用层次分析法确定各宏观价值指标的权重系数。首先，将现有的广播电视和网络视听资产数据从媒体平台分散的下游数据源整合，完成资产数据的匹配统一问题，此数据的基础上，围绕资产价值的指标构成，设计每一类宏观价值指标的计算规则如下：

a)创收价值

该宏观价值指标针对资产c在关联创收属性数据进行评估，包括该资产在订包、单点业务上的收入指标分别为x1,x2，则资产的创收价值计算公式如下：

hp1＝m1*x1+m2*x2

其中，设置加权系数m1＝m2＝0.5，创收价值的数据为历史周期的数据，可以选取3个月、6个月等时长，在本实施例中选取6个月时长。

b)收视价值

传统的媒体行业通过视听资产的形式触达用户，包括两种播出方式，分别为直播和点播。对于这两部分的数据，首先基于用户的基础信息，分析用户的点播或直播时长以及内容等。在此基础上，针对行业最关心的收视数据，本发明中的资产价值评估模型设计了“收视价值”指标，其中将收视数据分两个维度：点播收视和直播收视。其中收视价值的计算方式如下：

hp2＝m3*x3+m4*x4

其中x3和x4分别表示点播收视价值和直播收视价值；m3和m4为权重系数，其中m3和m4的和为1，m3和m4的比值大小由直播收视途径和点播收视途径的流量比值决定，在本实施例中m3＝0.8，表示点播收视的权重，m4＝0.2，表示直播收视的权重。

其中收视价值的计算包括两个步骤，分别为点播收视价值计算以及直播收视价值计算。

a、所述点播收视价值的计算规则如下所示：

点播收视＝α1*点播近度+α2*点播广度+α3*点播丰富度+α4*点播深度

其中α1、α2、α3以及α4是各子项指标的加权系数，由计算公式中各子项的数据丰富度决定，点播深度的计算数据的丰富度最高。

计算点播近度，首先需要截止计算时间，以截止计算时间为起点往前推算，可以推算资产被点播x次的时间长度，并计算平均被点播一次的间隔时间长度，根据时间长度的确定分值，时间长度越短，分值越高，也反应资产的实际点播情况更好。

所述点播广度的计算方式如下所示：

其中，history_vodk表示历史第k个月，该月内该资产对应的点播用户数；current_vod表示当月的点播用户总数；εk为各项加权系数，根据时间由远及近，系数会逐渐增大；在本实施例中观察过去半年的用户数据，因此取∈[1,6]。其中历史第k个月表示到截止时间为止，向前推算k个月点播广度的计算中数值“100”是为了将点播广度转换为百分制数值，为了实现点播近度、点播广度、点播丰富度以及点播深度的数值统一。

所述点播丰富度用于侧重分析点播该资产的用户群体情况，进而评估资产的点播适应群体，其中包括用户标签，用户标签包括用户的年龄层、性别、订购套餐等数据维度，点播丰富度的计算步骤如下所示：

步骤a1：确定用户标签：label_codei(i＝1,2,…,n′)；其中n′仅表示一个数值；

步骤a2：确定用户标签label_codei下的类别值，包括：label_valueij(j＝1,2,…,m′)；其中m′仅表示一个数值；

步骤a3：确定类别值label_valueij中的用户数nij，并计算该类别值在该用户标签内的用户占比：

步骤a4：根据各类别值对应的用户占比pij计算该用户标签label_codei的标准差σi；

其中

步骤a5：计算该标签的受众丰富度：

步骤a6：以历史k个月的数据作为统计范围，资产c点播丰富度计算如下所示：

在步骤a2中用户标签label_codei下的类别值label_valueij，比如年龄层的用户标之下的类别值可以为1～10岁、11～20岁、21～30岁、…。

所述点播深度的计算如下所示：

其中x表示资产的第x集，y表示资产的总集数；若资产为电影或单集的电视剧、综艺等，则为1；α仅为计算参数，定义时，可以得出不同集数资产的α；观看时长指用户点播该资产第x集时的观看时间长度；此片总时长指该资产共y集的总时间长度；vpn表示第一次点播该资产时点播路径类别的权重，点播自由度越高的点播路径对应权重vpn越大；点播路径包括搜索点播、首页推荐点播、排行榜点播、划分标签点播等，其中搜索点播的权重设为最大，划分标签点播为根据资产的年份标签、类别标签等进行点播；n表示不同的用户。

b、所述直播收视价值的计算规则如下所示：

直播收视＝β1*直播近度+β2*直播广度+β3*直播丰富度+β4*直播深度

其中βi，i∈[1,4]是各子项指标的加权系数，βi由计算公式中各子项的数据丰富度决定，其中直播深度的计算数据的丰富度最高。

计算直播近度，首先需要确定截止计算时间，以截止计算时间为起点往前推算，可以推算资产被直播y次的时间长度，并计算平均被直播一次的间隔时间长度，根据时间长度的确定分值，时间长度越短，分值越高，也反应资产的实际直播情况更好。

所述直播广度的计算方式如下所示：

其中，history_livek表示历史第k个月，该月内该资产对应的直播用户数；current_live表示当月的直播用户总数；ε′k为各项加权系数，根据时间由远及近，系数会逐渐增大；在本实施例中观察过去半年的用户数据，因此取∈[1,6]；直播广度的计算中数值“100”是为了将直播广度转换为百分制数值，为了实现直播近度、直播广度、直播丰富度以及直播深度的数值统一。

所述直播丰富度用于侧重分析观看该资产直播的用户群体情况，进而评估资产的直播适应群体，其中包括用户标签，用户标签包括用户的年龄层、性别、订购套餐等数据维度，直播丰富度的计算步骤如下所示：

步骤b1：确定用户标签：label_codei′(i′＝1,2,…,n″)；其中n″仅表示一个数值；

步骤b2：确定用户标签label_codei′下的类别值，包括：label_valuei′j′(j′＝1,2,…,m″)；其中m″仅表示一个数值；

步骤b3：确定类别值label_valuei′j′中的用户数ni′j′，并计算该类别值在该用户标签内的用户占比：

步骤b4：根据各类别值对应的用户占比pi′j′计算该用户标签label_codei′的标准差σi′；

其中

步骤b5：计算该标签的受众丰富度：

步骤b6：以历史k个月的数据作为统计范围，资产c直播丰富度计算如下所示：

在步骤b2中用户标签label_codei′下的类别值label_valuei′j′。

所述直播深度用于评估用户观看直播资产的完整度，具体从观看时长、资产总时长等角度体现，直播深度的计算如下所示：

其中在统计观看时长、总时长等数据时，包括资产的回放数据；x表示资产的第x集，y表示资产的总集数；α仅为计算参数，定义时，可以得出不同集数资产的α；观看时长指用户在对应时段内的通过直播观看该资产第x集的时间长度；此时段总时长指的是该资产第x集在此时段内的直播时间长度，如果第x集在此时段内没有播出，则该时段对应的为零；若资产为电影或单集的电视剧、综艺等，则为1；btq，bdq，bcq分别表示播出时段、播出日期及播出频道的影响因子；q表示直播的不同时间段；n表示不同的用户。

将资产c的点播收视价值和直播收视价值汇总，得到收视价值。

c)投资价值

投资价值主要分析资产在社会的关注度和效应情况，其中投资价值的评价方式如下所示：

hp3＝γ1*热度+γ2*社会口碑+γ3*宣传力度

其中γ1、γ2、γ3分别表示各项的加权系数，数值大小由公式子项与“投资价值”的相关性决定，该加权系数为本领域人员的经验值。

所述热度包括资产主创团队和ip两个维度，其中主创团队又能够分为导演、演员、编剧以及主题四个方面，热度的计算方式如下所示：

热度＝δ1*导演热度+δ2*演员热度+δ3*编剧热度+δ4*主题热度+δ5*ip热度

其中δi表示各项的加权系数，由各子项与热度之间的相关性决定，在本实施例中，将各项的系数均设定为0.2。各子项对应的热度值根据浏览器的相关词条的搜索次数获得，搜索次数越高，说明用户对该子项的关注度越高，对应的热度值也越高。

所述社会口碑表示资产在开放式的评分渠道中的评分表现，包括网络平台评分、手机投票以及线下问卷等；社会口碑反映了观众对于资产的满意程度，是最直接的反馈方式。

所述宣传力度主要包括播出渠道数量以及播出时期的评分两方面，其中播出时期的评分是指资产在各个渠道播出的时间段评分的均值，其中该时间段内观众总数越多、流量越大，则该时间段评分越高。宣传力度的的计算方式如下所示：

宣传力度＝ω1*播出渠道+ω2*播出时期

其中ω1以及ω2分别表示播出渠道以及播出时期的加权系数，由对应子项与宣传力度的相关性决定；在本实施例中ω1和ω2均为0.5。

d)影响价值

所述影响价值由资产数量决定，其中资产数量表示资产，也就是资产数量。在本实施例中资产的资产数量包括相同导演资产数量1，相同演员的资产数量n2，相同年代的资产数量n3…，得到资产c的影响价值计算方式如下：

hp4＝∑θt*nt

其中，nt表示对与资产c存在相同因素的维度t进行评估，得到的资产数量；θt是nt的系数，根据维度的数目均匀划分，且∑θt＝1。

e)成本价值

所述成本价值用于分析资产所属协议的价值。其中协议中内容的协议属性集合用l＝l1,l2,l3,…,ln来表示；协议的内容根据是否完成采购又能够分为已购协议q′部分和待采购协议q部分，协议属性l分布在已购协议和代采购协议中。首先根据已购协议q′已取得的贡献来计算获得协议价值分s′；然后根据tf-idf统计方法，计算已购协议和待采购协议之间的协议属性的相似度；则协议q的成本价值为：

hp5＝s′t*t％

其中t％为已购协议中的协议属性与待采购协议中的协议属性之间的最大相似度,根据tf-idf统计方法获得；s′t为最大相似度对应的已购协议q′部分的协议属性的协议价值。

所述步骤s5中，资产价值评估模型包括资产综合价值和五个宏观价值指标，五个宏观价值指标为创收价值、收视价值、投资价值、影响价值以及成本价值，以及按照每个宏观价值指标下基础指标实际数据。在计算资产综合价值时，将各媒体平台的资产价值确定权重，得到体现资产价值的总评估值v。总资产价值能够通过下式表达：

v＝∑权重系数*vp

其中，各媒体平台的资产价值权重系数根据各平台的用户总数、用户活跃度等因素获得，在其他的实施例中也能够通过数据分布、因变量相关性的层次分析法、经验值或者固定值等形式确定。

需要说明的是，本实施例为一个开放式系统，能够通过插入新的宏观价值指标数据，使得资产的价值评估模型更为准确。

以上描述仅是本发明的一个具体实例，不构成对本发明的任何限制。显然对于本领域的专业人员来说，在了解了本发明内容和原理后，都可能在不背离本发明原理、结构的情况下，进行形式和细节上的各种修改和改变，但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。