为挖掘分析用户观看视频的时间模式，选择适合于检测时间模式的家庭至关重要。用于分析视频观看行为的典型每日和每周模式的家庭，需要有长时间的观看行为，并为了进一步分析假日效应，特别是长假（即4周寒假），所选用户观看行为需要有较长的时间跨度。

首先，对于每个家庭i，我们确定日期DF和DL，即家庭i在2018年7月1日至2019年6月30日期间，首次使用直播视频服务的日期和最后一次使用直播视频服务的日期。因为我们的一项分析涉及长假，所以只保留了家庭之间的时间间隔，即DF和DL之间的间隔要覆盖整个寒假（从2019年1月28日到2019年2月24日），符合条件的有99835户家庭，占比大约99.8%。

其次，我们希望选择那些早期采用直播视频服务并且没有过早放弃的家庭。如果时间跨度太短，那么一个家庭每周的行为量是有限的，这不足以检测每周的模式。因此，我们选择那些跨度超过90天（即至少13周）的家庭。99835户家庭中满足条件有94180户，大约94.3%。但是，家庭i从DF到DL的日期范围内的某些天内可能不会观看任何视频。图24显示了样本的时间跨度（即日期DF到DL的天数）。

图24　样本时间跨度(www.daowen.com)

最后，我们要选择那些经常使用视频服务的家庭。如果一个家庭在其活动范围内有一些非活动日，则该家庭可能不适合检测典型的每日和每周模式。对于每个家庭i，我们计算的是家庭i在观看至少一个视频的天数与DF到DL之间的总天数的比率。样本的收视比率如图25所示。我们只保留那些比率大于0.7的家庭，在30%天内不使用视频服务，94180户家庭中满足条件的有18807户，大约19.9%。更高的比例并不意味着大量用户一天内花很多时间观看视频，而表明普通用户在大多数日子里至少会观看一段视频。为了避免对大用户的潜在偏见，我们进一步删除了那些在30%的时间内花费超过6小时观看视频的家庭，最终筛选出15191户。在我们的分析中，选取了15191名智能大屏视频服务的早期使用者和经常使用者，将他们的每日数据点收集在一个集合中，X中的每日数据点总数为4408584。

图25　样本收视比率