在本节中，我们将假日和工作日区分开来，因为用户只有在有空且有意愿才会选择观看电视，那么在智能大屏上观看直播视频的时间在很大程度上取决于用户在家是否有空，接下来将探究假期对用户观看行为是否产生影响。由于本文所用数据时间为2018年7月1日～2019年6月30日，所以节假日包括所有的法定公共假日和周末。此外，我国所有学生在春节前后都有大约4周的寒假（结合全国各地学校放假时间和数据统计的需要，本文将寒假日期定为2019年1月28日～2月24日）。其他所有的日子都被视为工作日。我国的节假日一般只有2～3天时间，首先以每日为基础来探究假日和工作日用户观看视频行为的区别，其次分析长假对用户观看行为的影响。

（一）每日基础

中的所有每日数据点都被分配到与每日模式对应的八个簇中，中的数据点在八种模式中的分布情况如表34的第二列所示。一个显著的结果是，“潜水模式”所占比重是最大的，它包含34.19%的每日数据点。这表明，用户很少（或从来没有）在一定天数内通过智能大屏观看直播视频。这种现象的原因：（1）用户使用智能大屏可能更倾向于观看点播视频，把一些或大部分的时间花在电视点播节目上。（2）除了电视外，还有其他娱乐活动可供选择，例如听音乐、玩游戏和使用智能手机或个人电脑上网。

统计节假日和工作日的数据，探究节假日的视频观看行为是否与工作日有所不同。每日数据点被分成两个子集和，其中数据点集为1632808，数据点集为2775776。表34的最后两列显示了和数据点集在八个集群中的分布情况。从表34可以看出，这两个分布有明显的区别：（1）与在各模式的分布相比，中属于“上午模式”和“下午模式”的数据点集所占的百分比略高。（2）与在各模式的分布相比，中属于“黄金模式Ⅰ”的数据点集所占的百分比要低，但是中属于“黄金模式Ⅱ”的数据点集所占的百分比要高。（3）与在各模式的分布相比，中属于“潜水模式”的数据点集所占的百分比要低，但是中属于“冲浪模式”的数据点集所占的百分比要高。造成上述现象的原因可能是，与工作日相比，智能大屏用户在节假日会有更多时间来安排自己的事情，更喜欢晚睡，他们在节假日的上午或下午可以花更多时间观看直播视频，会弱化黄金时段对用户观看行为的影响，而晚睡则提高了“黄金模式Ⅱ”模式行为的占比。节假日用户空闲时间的增加，会增大不活跃用户的观看电视行为的几率，这也解释了表34中节假日中属于“潜水模式”的数据点集所占的百分比比工作日要低，但是属于“冲浪模式”的数据点集所占的百分比要高。为了验证观察到的差异是否为偶然，我们进行了卡方检验。卡方检验的结果为我们提供了极高的可信度，p＜0.001，即每日数据点所属的聚类与当天是假日还是工作日无关。因此，在智能大屏用户的日常视频观看行为中存在假日效应。

表34　假日与工作日对比

（二）每周基础(www.daowen.com)

为探究长假对用户观看习惯的影响，本文选择了2018年国庆假期、4周寒假（2019年1月28日～2月24日）和工作日进行对比分析，挖掘假期对用户观看时长的影响。

由于中的所有每周数据点都被分配到与每周模式对应的六个集群，因此我们在表35的第二列中列出了中的数据点在六个集群中的分布。“双高模式”“中午模式”和“双低模式”三种模式在白天和晚上都有播放行为，集群大小从7.28%增加到12.20%和38.44%形成了鲜明的对比。可以看出很多用户并不是很活跃，相当一部分的时间基本没有播放行为。

为对比假期及假期长短对用户观看行为的影响，我们把每周数据点分为三个子集分别代表国庆小长假、寒假和工作日的周数据点集合，其中数据点集为8951，数据点集为35556，数据点集为444230。为了进行比较，表35最后三列列出了中六个集群中每周数据点的分布情况。显然如表35所示，这三种分布之间存在差异。首先比较国庆小长假和工作日的用户观看习惯。与相比，中“中午模式”“双高模式”“双低模式”占比基本没有变化，但是“晚上（高）模式”和“周末模式”占比增高，而“晚上（低）模式”占比变低。小长假期间，智能大屏用户更倾向于晚上看电视，与平常时间相比会推迟观看直播视频的高峰期时间；在假期即将结束时，观看视频的时间会大幅增加。其次，比较寒假和工作日的用户观看习惯，分布有明显的区别：（1）与相比，中“中午模式”“双高模式”的数据点集所占的百分比要高，而“双低模式”的数据点集所占的百分比要低。（2）与相比，中“晚上（高）模式”占比增高，而“晚上（低）模式”占比变低。（3）与相比，中“周末模式”的数据点集所占的百分比要高。与正常的周数据相比，智能大屏用户可以在寒假4周内的连续工作日的白天花更多的时间观看直播视频，因此，他们的“中午模式”和“双高模式”数据占比正常周要高。在正常周里，用户在连续工作日的白天更不活跃，只能在周末时间观看视频，所以正常周的“周末模式”数据占比要高于假日。假期不用工作，人们一般比正常周晚睡，因此在表35中体现为用户会推迟观看视频时长的峰值时间。国庆小长假和寒假相比，我们还进行了卡方检验，该检验为我们提供了很高的置信度（p＜0.001），因为观察到的差异不是偶然。因此，每周数据点所属的集群并不独立于该周是正常周或假日周。

表35　平常周与假期周对比

可见，假期确实会影响智能大屏观众每周的视频观看行为：（1）小长假对大屏用户白天视频观看行为的影响很小，但用户会推迟晚上观看视频高峰期的时间，在假期即将结束时，用户会增加观看电视的时间。（2）长假不仅会让用户推迟晚上观看视频高峰期的时间，还会增加用户白天观看视频的时长。