网络和电子设备的出现使人们的娱乐生活方式变得丰富多样,近年来除了电影和电视剧,许多优秀的综艺节目出现在大众的视野中,综艺行业也得到迅速发展。海外的综艺模式对国内综艺节目的制作产生了启发,不仅出现了制作优良的电视综艺节目,网络综艺在2014年之后大量涌现,用移动设备观看综艺节目的观众越来越多,视频网站中的点播量在衡量一部综艺节目是否成功以及受欢迎程度方面变得越来越重要。因此,对综艺节目点播量进行预测不仅可以反映观众的观看偏好,还可以反映一部综艺节目的商业价值,为视频网站的版权购买、广告投放定价和广告商的投资决策等提供依据和参考。本文选取了腾讯视频中首播时间在2017-2020年的293部综艺节目,构建其点播量的影响因素指标体系和预测模型,并从中选取测试样本进行点播量预测。首先,本文对文献进行阅读和梳理,从节目自身相关因素和网络数据两个角度出发共选取了19个因素构建了综艺节目点播量的影响因素指标体系。其次,对收集到的数据进行缺失值填充、哑变量处理和归一化处理,并对其做了简单的描述统计,了解样本数据特征,为实证分析做好数据准备。然后通过多元逐步加权回归的方法筛选出了8个主要影响因素,并构建了多元逐步加权回归模型,进而对10部综艺节目的点播量进行预测。同时,使用随机森林算法,对样本数据进行训练并计算出各个变量的重要性分数,选取排名前6的变量构建随机森林模型对10部综艺节目的点播量进行预测。最后用三种权重系数构建组合模型进行节目点播量预测,分别是MAPE权重系数、最小二乘法权重系数和二者的组合权重系数,并用平均绝对百分比误差（MAPE）指标评估各个模型预测的准确度。实证分析结果表明,各个模型预测结果的准确度从高到低依次为组合权重系数的组合模型、MAPE权重系数组合模型、最小二乘法权重系数组合模型、随机森林模型、多元逐步加权回归模型。其中,采用组合权重系数的组合模型的预测结果准确度最高,平均绝对百分比误差仅为0.0858。多元逐步加权回归模型的预测结果误差最大,平均绝对百分比误差达到了0.2442,比组合模型高出了184.62%。随机森林模型的预测结果平均绝对百分比误差为0.0967。可以看出,在单一模型中随机森林模型的预测效果比多元逐步加权回归模型好,而组合模型的预测效果比单一模型要好。