由IT向DT轉變，實現精細化運營

1 背景

近年來，以互聯網為基礎的信息化、全球化趨勢，已經深入地改變了人們的生活模式、生產模式、競爭模式。大數據作為互聯網業務的衍生物已經滲透于各行業，數據應用也隨之更加深入。隨著傳統電信業務收入和利潤增幅的下滑，智慧家庭成為通信運營商的重要戰略市場，為搶占智慧家庭市場，三大運營商都在積極布局寬帶、IPTV以及數字家庭產品。在IPTV業務快速發展的行業背景下，與產業上下游企業激烈競爭與合作，面臨著產業格局重塑和突破的新需求。

當前，在IPTV業務上，各類數據資源分散在業務運營平臺、網絡管理平臺、運營商BOSS系統，未實現一點集中。從技術層面看，各系統間通過打通接口實現數據共享，這種方式不僅效率低，資源投入較大；從業務層面看，各業務系統的數據資源涵蓋了人、產品、營銷、事件、地域、資源和財務七大類信息，目前尚未將數據集中管理，不能高效地對業務提供數據支持。因此，迫切需要構建大數據運營分析及存儲服務系統，實現數據的匯聚和管理，并能夠關聯各類數據資源，實現數據價值是必要的，對以上七大類數據進行加工處理、分析挖掘及脫敏應用，加速并優化大數據系統的建設，能夠形成大數據基礎支撐能力，以保障大數據對內應用和對外產品及時、正常開展。

針對IPTV數據全生命周期，推出系統的解決方案，為IPTV數據的采集存儲管控、精準分析、靈活頁面展示、推送策略制定提供全方位的支撐。建設大數據基礎能力平臺，滿足用戶規模和數據持久化需要，實現IPTV數據的統一管理、統一存儲，是采集數據、匯聚數據、處理數據、數據對接的中心。

2 大數據平臺架構

通過搭建大數據集群，對接其他現有平臺數據，匯總形成大數據倉庫，為后續的數據分析形成堅實基礎。

同時提供數據采集擴展的接口，支持（智能推薦平臺）注入新的探針數據或外部離線數據導入，接口使用Hadoop標準接口。提供大數據查詢和計算能力調用接口，滿足（智能推薦平臺）的智能推薦算法調用。提供數據交互能力，包括文本、kv、Web等多種形式的數據接口能力。

構建大數據系統主要實現數據的歸集管理和分析挖掘，提供基礎數據應用支撐。如何更好地將數據價值發揮出來，做好數據分析挖掘，數據應用不僅滿足對內經營的支撐，將數據封裝成產品，采用標準接口，對第三方提供數據應用將成為未來的發展方向。

3 標簽體系

采取爬取主流網站媒體標簽及時同步最新影視資源及標簽；配合自有標簽模型算法、分詞算法，組成自己獨有的媒資標簽體系。依據用戶對影片的觀看行為，構造用戶行為標簽體系，為后續做用戶畫像及精準營銷形成基礎。

為需求多變的個性化報表分析，提供自助式報表分析功能，減少了開發環節，可以根據需要通過拖拽操作完成數據查詢和分析，快速形成直觀的圖表分析報表，快速響應決策者的需求，提升業務管理能力。

利用算法建模，將數據聯系實際用戶行為，形成獨特的數據統計體系，并針對用戶進行標簽用戶分組及用戶畫像。

基于用戶行為分析建立用戶偏好模型，將用戶的行為轉為用戶的偏好，采用效能矩陣運算的方法來構造用戶標簽：按照K-Means聚類算法，通過把數據對象劃分為不同的簇，簇內對象彼此相似，不同簇的對象彼此不同。可以快速有效地發現電視用戶的興趣特征，從而有效地發現網絡用戶的興趣特征，有效地進行用戶興趣預測和內容推薦。

系統自動記錄用戶在使用IPTV業務過程中的每一個行為動作，原始數據最大程度地保障了用戶產生數據的完整性、客觀性，避免了人工干預的不確定性。

通過這些客觀真實的數據準確地分析出用戶收視行為趨勢，而且數據越大，統計結果與真實值的偏離將越低，統計整體收視情況將更加準確，趨近于事實。

4 營銷推送體系

4.1 建立用戶畫像

根據用戶收視行為及標簽體系，建立關聯，形成用戶畫像。

4.2 標簽可視化關聯

將現有標簽維度以可視化頁面供運營人員篩選標簽用戶群體，直觀判斷策略合理性：點擊生成報告直觀了解用戶群體分布情況。

4.3 生成推送策略

根據活動需求制定最終活動策略并通過標準接口進行策略推送下發。

4.4 效果反饋及實時調優

通過接口反饋推送后的回執數據，進而跟進和分析投放效果，并進行實時調優策略。

5 數據的全生命周期流轉體系

采用類PPT交互方式易學易用，只需簡單拖拽，即可輕松定制出兼具敏捷分析與精美展示的報告。支持實時預警、定時郵件，支持下鉆、聯動、表計算等分析功能。

5.1 應用展示

基礎統計數據查詢：將數據庫數據與報表系統對接，通過配置報表系統的“數據集”，靈活提取統計字段，并可以靈活定制統計SQL，實現統計數據靈活展示。

5.2 數據分析

將對點播、直播、回看、EPG頁面及廣告等海量收視數據進行深入挖掘分析，對各地區不同欄目（節目）收視情況獲取收視率以及收視時長、收視用戶數等的變化趨勢，從而掌握不同業務收視趨勢，更好地提高全網IPTV節目質量、優化引入節目、廣告資源，并為用戶標簽化管理、精準營銷提供可靠數據支撐。

5.3 行為統計

根據用戶使用行為習慣，例如開機使用頻率、用戶粘性、用戶活躍度進行深入分析，發現長期沉默客戶和客戶喜好變化，有指向性地進行客戶關懷以及活動推廣，激活沉默客戶。

6 結語

通過大數據的全生命周期的流轉支撐，將大數據挖掘工作與實際生產運營相結合，實現以下幾點。

①基本指標統計，提供決策依據：如收視率、在線時長、用戶粘性分析等指標，既反映IPTV節目的質量和水平，也反映IPTV用戶的收看需求。及時準確全面地監控分析收視數據，不僅可以動態掌握用戶的收視動向，發現節目編排問題，為領導決策提供依據，優化節目編導，改進節目提供方向，為廣告時段和廣告價位確定、廣告商選擇提供了重要參考。

②收視偏好分析，客戶分群關懷：從客戶收視行為角度出發，對IPTV數據進行統計分析，可以得到開機率、占有率、活躍度等多項指標，以及對收視內容的偏好等。根據用戶的業務觀看時長和增值消費情況，可以區分高端、中端、和低端三類客戶，針對不同客戶可以進行不同的關懷措施。比如，對應沉默用戶、流失用戶均可指定相應關懷措施，達到喚醒、挽留的目的。

③深度商業挖掘，精準推薦：在對客戶價值分群基礎上，把握消費者對IPTV的個性化消費需求，可以做到更細致、更精準的數據庫營銷。例如，結合智能推送引擎，生成個性化的點播單，為客戶推薦具有高度相關性的節目。結合客戶年齡、性別、教育程度、收入情況綜合分析客戶收視偏好，這對運用商增加營銷收入有非常大的促進作用。