基于大數據技術的廣電用戶收視行為建模

余遠潔

廣東省潮州市廣播電視臺，廣東潮州 521000

摘 要 通過應用大數據技術對廣電用戶進行用戶畫像及收視行為建模，準確刻畫用戶收視行為的特征和路徑，為企業的業務決策和運營提供數據支撐，從根本上解決目前有線電視營銷中存在的產品設計落后、業務銷售與拓展受限、廣告經營和主動運維不足等瓶頸問題。

關鍵詞 用戶畫像；數據建模；數據采集；精準運營；收視行為

中圖分類號 G2 文獻標識碼 A 文章編號 2096-0360（2017）11-0065-02

隨著互聯網發展，網絡電視臺大量興起，內容碎片化，媒體分眾化趨勢日漸顯著，用戶可以根據自己喜好選擇觀看各類節目視頻，傳統廣電媒體的受眾、開機率、廣告份額出現快速下滑，廣電行業受到極大的沖擊，借用新技術進行變革迫在眉睫。

以往傳統媒體播送時代，廣電媒體“不知道用戶在哪里，不知道用戶是誰，也不知道用戶想看什么”，因此，難以精準把握用戶需求，而隨著數字機頂盒等技術的普及，廣電媒體具備了獲取用戶全樣本、實時收視數據的能力，通過海量數據對用戶的收視行為進行建模，準確刻畫用戶收視行為特征和路徑，有針對性地推送電視產品和服務，這將全面提高用戶體驗，并為企業的業務的決策和運營提供數據支撐，是當前“數據驅動業務與運營”的發展方向。

1 建立用戶畫像的四個階段

用戶畫像是指通過各個途徑收集到的與用戶特性和行為有關的屬性標簽，包括個人基本信息、社會活動信息、操作行為習慣等，通過對這些信息的綜合分析，勾勒出該用戶的特征與輪廓。為用戶畫像通常需要經過數據采集、戰略定位、數據模型和業務應用四個階段。

數據采集階段：通過各種途徑如廣電機頂盒、廣電運營支撐系統及外部合作獲得的用戶的海量數據，并對數據進行清洗和入庫。

戰略定位階段：明確用戶畫像建模的戰略目標和意義，如提升產品服務質量、實現產品的精準營銷等，根據戰略目標確定用戶畫像的分析結論，開展有針對性的建設實施工作。

數據建模階段：根據實際需求建立用戶、產品、渠道、服務等數據實體，再以數據實體為中心，對分析對象和維度進行規約，選取和戰略目的相關的數據維度，對次要的數據維度進行分解，在此基礎上對數據進行分析和挖掘。

業務應用階段：針對不同業務場景開發應用，基于用戶家庭特征、消費數據和收看特征數據了解用戶特征和潛在需求挖掘，開展基于用戶中心的產品設計優化，提升產品設計管理的數據決策力，并利用用戶畫像和協同過濾等算法進行主動營銷。

2 數據分類及收視行為建模

2.1 用戶數據分類收集

構建用戶畫像的關鍵就是準確獲取用戶信息，根據用戶數據的變化特征和頻率，我們將用戶數據劃分為靜態數據和動態數據兩大類。靜態數據就是用戶信息中相對穩定、不容易發生變化的信息，如廣電用戶的姓名、性別、年齡、身份證號碼、家庭地址、電話號碼、機頂盒標識碼、訂購套餐類型等人口屬性和商業屬性，此類數據最重要的工作是通過數據清洗，提高數據質量。而動態數據則是跟用戶行為相關的不斷變化的行為信息，包括收視信息、社交信息和節目信息。針對廣電用戶特點，我們從人群、時間、地點、產品和付費方式五個維度進行用戶數據的收集，具體可詳細描述為：什么用戶，在什么時間什么地點觀看了什么電視頻道的什么節目并是否付費。其中：

（1）人群維度，目的是為了區分用戶和進行單點定位，通過機頂盒進行用戶信息綁定及用戶收看節目的偏好來獲得，從而明確用戶年齡特征如少兒、青少年、中年或老年及性別特征等，以及習慣的收視語言是外語、國語、粵語等。

（2）時間維度：時間包括兩個重要信息，時間點+時間長度。時間點是用戶發生行為的時間點，時間長度則是用戶觀看某一電視節目的停留時間。

（3）地點維度：指用戶的收視常在地。

（4）產品維度，產品包含兩層信息：電視頻道+節目分類，其中，頻道標明收視的來源渠道，節目分類則包括體育、綜合、電視劇、時事、汽車、旅游、時裝、購物、少兒等內容。

（5）付費方式維度則標明用戶是收費用戶還是免費用戶。

2.2 收視行為建模

根據電視業務開展需求，從人群、時間、地點、產品和付費方式這五個維度對用戶的收視行為進行建模，并通過模型分析獲知家庭成員構成、產品相關度、客戶細化、客戶忠誠度、客戶價值等知識。

（1）根據收視行為，推測分析用戶的家庭情況，構建完整用戶畫像，包括家庭人數、年齡、職業、收視忠誠度及用戶收視興趣等。

（2）根據用戶使用產品的情況，找出產品間潛在的關聯關系，發現隱藏規則或知識，如通過數據挖掘發現：“增值產品中關聯最強的四大業務為體育、音樂、氣象和動漫”“看紀實節目的人常看法制類和新聞類節目”“喜好看動作劇場的人很少看歡笑和娛樂類節目”等知識。

（3）通過建立客戶和產品需求矩陣計算實現產品精準營銷。例如，通過矩陣運算發現具有下列標簽“老人、小孩、運動節目、寬帶速率、月均消費額”的用戶與具有標簽的A產品具有高關聯性，從而有針對性地進行產品營銷推送。

（4）根據用戶使用時段上的分布情況，包括收視總時間段及分布、工作日與周末的收視差異、地區和套餐上的時段分布差異，收視偏好、業務占比及增長情況等，對用戶類型和特征進行細化。

（5）計算用戶的價值。通過定義客戶價值中影響變量如“日均點播時長、回看使用天數及次數、收視中直播業務占比”，判斷準則如“使用時間長的用戶比使用時間短的用戶更有價值”，和價值計算公式如“某類用戶總價值=直播業務價值+點播業務價值+回看業務價值”，進行用戶價值的綜合計算，獲得用戶的重要權值。

2.3 技術實現

基于大數據的廣電用戶收視行為分析建模及實現項目包括大數據收集加工平臺和大數據存儲分析平臺兩部分內容。

首先，搭建大數據收集加工平臺，通過ETL等工具對數字電視機頂盒及廣電業務系統產生的數據進行加載管理、服務總線、接口管理、模板編輯、模板下發和采集歸檔，再對采集到的操作型數據、歷史數據進行質量檢測、數據脫敏、數據清洗和數據轉換等清洗處理后，加載至帶有事實表和維度表的數據平臺。

其次，基于HADOOP建立海量存儲、高效計算的廣電大數據存儲分析平臺，利用Spark等在線高速計算分析算法，通過各種數據分析工具，對收集到的各種非結構化文檔數據和結構化業務數據進行深度融合分析，從數據中獲取更準確、更深層次的知識，準確刻畫用戶行為畫像，提升對數據的理解、推理、發現和決策能力，更好地應用到業務營銷及各種管理，全面提升廣電系統的服務能力和效益。

2.4 效果分析

通過對用戶收視行為進行建模，運營商可精確把握對當地廣電用戶群體的特征和收視行為習慣模式，并基于上述分析結果提供個性化、精準化和智能化的服務推廣，從根本上解決目前有線電視營銷中存在產品設計、銷售與業務拓展、廣告經營和主動運維等瓶頸問題。基于大數據技術的用戶收視行為分析將成為各大廣電運營商優化現有商業模式、創造新型商業模式、提高運營效率和服務質量的重要戰略舉措。

參考文獻

[1]李冰，王悅，劉永祥.大數據環境下基于K-means的用戶畫像與智能推薦的應用[J].現代計算機版，2016（24）：11-15.

[2]丁偉.基于大數據技術的手機用戶畫像與征信研究[J].郵電設計技術，2016（3）：64-69.