由IT向DT转变，实现精细化运营

1 背景

近年来，以互联网为基础的信息化、全球化趋势，已经深入地改变了人们的生活模式、生产模式、竞争模式。大数据作为互联网业务的衍生物已经渗透于各行业，数据应用也随之更加深入。随着传统电信业务收入和利润增幅的下滑，智慧家庭成为通信运营商的重要战略市场，为抢占智慧家庭市场，三大运营商都在积极布局宽带、IPTV以及数字家庭产品。在IPTV业务快速发展的行业背景下，与产业上下游企业激烈竞争与合作，面临着产业格局重塑和突破的新需求。

当前，在IPTV业务上，各类数据资源分散在业务运营平台、网络管理平台、运营商BOSS系统，未实现一点集中。从技术层面看，各系统间通过打通接口实现数据共享，这种方式不仅效率低，资源投入较大；从业务层面看，各业务系统的数据资源涵盖了人、产品、营销、事件、地域、资源和财务七大类信息，目前尚未将数据集中管理，不能高效地对业务提供数据支持。因此，迫切需要构建大数据运营分析及存储服务系统，实现数据的汇聚和管理，并能够关联各类数据资源，实现数据价值是必要的，对以上七大类数据进行加工处理、分析挖掘及脱敏应用，加速并优化大数据系统的建设，能够形成大数据基础支撑能力，以保障大数据对内应用和对外产品及时、正常开展。

针对IPTV数据全生命周期，推出系统的解决方案，为IPTV数据的采集存储管控、精准分析、灵活页面展示、推送策略制定提供全方位的支撑。建设大数据基础能力平台，满足用户规模和数据持久化需要，实现IPTV数据的统一管理、统一存储，是采集数据、汇聚数据、处理数据、数据对接的中心。

2 大数据平台架构

通过搭建大数据集群，对接其他现有平台数据，汇总形成大数据仓库，为后续的数据分析形成坚实基础。

同时提供数据采集扩展的接口，支持（智能推荐平台）注入新的探针数据或外部离线数据导入，接口使用Hadoop标准接口。提供大数据查询和计算能力调用接口，满足（智能推荐平台）的智能推荐算法调用。提供数据交互能力，包括文本、kv、Web等多种形式的数据接口能力。

构建大数据系统主要实现数据的归集管理和分析挖掘，提供基础数据应用支撑。如何更好地将数据价值发挥出来，做好数据分析挖掘，数据应用不仅满足对内经营的支撑，将数据封装成产品，采用标准接口，对第三方提供数据应用将成为未来的发展方向。

3 标签体系

采取爬取主流网站媒体标签及时同步最新影视资源及标签；配合自有标签模型算法、分词算法，组成自己独有的媒资标签体系。依据用户对影片的观看行为，构造用户行为标签体系，为后续做用户画像及精准营销形成基础。

为需求多变的个性化报表分析，提供自助式报表分析功能，减少了开发环节，可以根据需要通过拖拽操作完成数据查询和分析，快速形成直观的图表分析报表，快速响应决策者的需求，提升业务管理能力。

利用算法建模，将数据联系实际用户行为，形成独特的数据统计体系，并针对用户进行标签用户分组及用户画像。

基于用户行为分析建立用户偏好模型，将用户的行为转为用户的偏好，采用效能矩阵运算的方法来构造用户标签：按照K-Means聚类算法，通过把数据对象划分为不同的簇，簇内对象彼此相似，不同簇的对象彼此不同。可以快速有效地发现电视用户的兴趣特征，从而有效地发现网络用户的兴趣特征，有效地进行用户兴趣预测和内容推荐。

系统自动记录用户在使用IPTV业务过程中的每一个行为动作，原始数据最大程度地保障了用户产生数据的完整性、客观性，避免了人工干预的不确定性。

通过这些客观真实的数据准确地分析出用户收视行为趋势，而且数据越大，统计结果与真实值的偏离将越低，统计整体收视情况将更加准确，趋近于事实。

4 营销推送体系

4.1 建立用户画像

根据用户收视行为及标签体系，建立关联，形成用户画像。

4.2 标签可视化关联

将现有标签维度以可视化页面供运营人员筛选标签用户群体，直观判断策略合理性：点击生成报告直观了解用户群体分布情况。

4.3 生成推送策略

根据活动需求制定最终活动策略并通过标准接口进行策略推送下发。

4.4 效果反馈及实时调优

通过接口反馈推送后的回执数据，进而跟进和分析投放效果，并进行实时调优策略。

5 数据的全生命周期流转体系

采用类PPT交互方式易学易用，只需简单拖拽，即可轻松定制出兼具敏捷分析与精美展示的报告。支持实时预警、定时邮件，支持下钻、联动、表计算等分析功能。

5.1 应用展示

基础统计数据查询：将数据库数据与报表系统对接，通过配置报表系统的“数据集”，灵活提取统计字段，并可以灵活定制统计SQL，实现统计数据灵活展示。

5.2 数据分析

将对点播、直播、回看、EPG页面及广告等海量收视数据进行深入挖掘分析，对各地区不同栏目（节目）收视情况获取收视率以及收视时长、收视用户数等的变化趋势，从而掌握不同业务收视趋势，更好地提高全网IPTV节目质量、优化引入节目、广告资源，并为用户标签化管理、精准营销提供可靠数据支撑。

5.3 行为统计

根据用户使用行为习惯，例如开机使用频率、用户粘性、用户活跃度进行深入分析，发现长期沉默客户和客户喜好变化，有指向性地进行客户关怀以及活动推广，激活沉默客户。

6 结语

通过大数据的全生命周期的流转支撑，将大数据挖掘工作与实际生产运营相结合，实现以下几点。

①基本指标统计，提供决策依据：如收视率、在线时长、用户粘性分析等指标，既反映IPTV节目的质量和水平，也反映IPTV用户的收看需求。及时准确全面地监控分析收视数据，不仅可以动态掌握用户的收视动向，发现节目编排问题，为领导决策提供依据，优化节目编导，改进节目提供方向，为广告时段和广告价位确定、广告商选择提供了重要参考。

②收视偏好分析，客户分群关怀：从客户收视行为角度出发，对IPTV数据进行统计分析，可以得到开机率、占有率、活跃度等多项指标，以及对收视内容的偏好等。根据用户的业务观看时长和增值消费情况，可以区分高端、中端、和低端三类客户，针对不同客户可以进行不同的关怀措施。比如，对应沉默用户、流失用户均可指定相应关怀措施，达到唤醒、挽留的目的。

③深度商业挖掘，精准推荐：在对客户价值分群基础上，把握消费者对IPTV的个性化消费需求，可以做到更细致、更精准的数据库营销。例如，结合智能推送引擎，生成个性化的点播单，为客户推荐具有高度相关性的节目。结合客户年龄、性别、教育程度、收入情况综合分析客户收视偏好，这对运用商增加营销收入有非常大的促进作用。