基于大数据分析的VR门店智能运营系统设计与实现

阳序运 刘卓 张志聪

摘要：VR 门店数量规模的快速增长，管理运维也逐渐暴露出运营手段落后、营销模式陈旧 、内容缺乏 、专业化、智能化程度低等问题。为此本文提出基于大数据分析的 VR 门店智能运营，帮助 VR 门店精确获取用户行文数据并对进行智能统计分析，优化 VR 门店管理、营销策略，实现智能化、精细化运营。

关键词：大数据;VR体验店;智能运营

1 存在问题描述

随着 VR 在文旅娱乐领域应用迅速发展，目前全国 VR 体验门店已达 1 万多家。但在门店数量规模的快速增长过程中，管理运维也逐渐暴露出一些亟待解决的问题：（1）运营手段落后：大多数体验店还 采用较原始的人工手段（包括收银、开机、统计等工作）;（2）专业化 、 智能化程度低：部分体验店引入了收银管理系统，但仅仅是完成常见的财务报表、 充值卡充值等简单基础的功能，对顾客、设备和运营数据缺乏充分的统计分析（包括用户画像分析 、 行业分析等）;（3）营销模式陈旧：目前的管理系统尚局限于单店管理 ，没有很好地运用互联网+手段，开展联合线上营销，迫切需要通过互联网+ ，变革营销模式;（4）内容缺乏：VR 动感仿真平台系统与其内容通常是一对一设计的，而第三方内容商必须对接设备供应商，才能与设备硬件 SDK 匹配，如此内容开发受到局限导致游戏内容缺乏，不能为游戏内容及时更新提供保障，阻碍了VR 应用的发展。

为解决上述问题，拟研究智能 VR 设备产业化智能运维 AIOps 技术，应用大数据、人工智能 、IoT 等前沿技术，研究适用于智能 VR 设备产业化运营场景的人脸识别 、用户画像分析 、 行业行为分析等模型与算法，打造联接线下 VR 体验店、设备制造商 、平台运营商、VR 内容提供商以及设备玩家的产业化 AIOps 联营平台，为实现智能 VR 产业互联网级运维和运营能力持续赋能，实现 VR 体验店线上线下联动，变革 运营模式 ，提升体验店管理运维的信息化、智能化水平，丰富体验内容，保证 VR 体验店可持续运营发展 ，并为设备商和内容商改进设备、内容和运营模式提供决策依据。

2 系统设计

基于大数据分析的 VR 门店智能运营系统包括播放系统 、收银系统 、运维系统等功能模块。

（1） 播放系统：具有内容点播与记录 、付费游戏支付 、影片管理 、下载更新 、配置管理 、动感控制 、特效控制等功能 ，是内容显示与动感仿真的枢纽软件系统 。播放控制系统对外公开提供统一的标准接口SDK ，对第三方内容商开放 ，让第三方内容商更容易地实现内容与硬件的适配 。内容方可以直接通过与幻影星空合作 ，也可以直接通过幻影星空的线下体验店落地内容 ，从而轻松地借用 VR 体验店管理系统平台智能分发 VR 内容 ，实现内容变现 ，点播分成，给行业及上下游起到示范性效应，更好地推动 VR 行业的健康有序发展 ，为用户 、内容商提供更多的体验与开发便利。

（2）收银系统：实现运营商 VR 线下体验店的运营收银财务管理 、充值套餐管理 、会員管理 、设备点播数据管理 、内容分发管理等功能 ，提供在线支付功能，支持微信支付 、 支付宝支付等智能支付自助功能。

（3） 运维系统：对 VR 体验设备的运行状况进行智能分析、智能运维;支持人脸识别进行玩家身份作认证 ，利用系统交易大数据 、用户行为数据，采用人工智能方法，进行用户画像分析 、行业行为分析 ，给出改进 VR 设备或内容的意见建议。

3 系统实现

3.1 系统架构流程介绍

当用户对网站进行操作，用户行为数 据将会发送至本系统的接收器，接收器通 过算法对数据进行筛选与过滤，进而把有效数据存储进数据仓库。当数据仓库接收到数据后，系统利用一系列如用户活跃度 、终端分析、地域分析等大数据用户行为分析算法，根据用户在网页的浏览行为进行加权评分，然后全局比较，分析用户活跃沉默用户，同时会将计算后的结果趋势分析，分析出用户是否留存，最终以大数据分析圖表技术展示，并把结果返回给用户 。同时，基于数据量较大影响系统的检索速度的不足，本系统采用全文检索算法[7]，从根本上解决搜索检索效率的问题，最后将会把数据回馈展示到系统页面上，以提供用户实时使用。同时，本系统为解决获取的用户数据可能因网站版本的迭代或传输过程中出现错误的问题，设计开发出验证检测模块，该模块利用爬虫与标签递归算法检查数据正确性，保证了统计数据的完整性。

3.2 系统实现总流程

1） 调查网上各类统计平台的需求，设计平台需求文档，埋点方案设计，不断吸收大众的意见，总结出明确的文档;

2） 设计系统 Browser/Web/DataBase3 层体 系架构;

3） 对系统模块进行划分，明确各个模块的功能和联系。

4） 设计后台数据库，规范设计出数据库表;

5） 编程和调试，完成前端页面设计与实现和后端功能的开发，完成前后端数据交互 。最后再完成移动端页面的实现;

6） α测试：计算本机测试，采用不同浏览器和不同分辨率显示器进行可用性测试;

7） 项目部署到云端;

8） β测试：让测试人员采用不同的设备进行测试，修改测试过程中发现的 BUG;

9） 调试修改代码，根据测试结果，修改程序的不足之处。

4 结束语

随着互联网技术的进步和快速发展，精细化运营逐渐成为市场主流 ，而用户行为数据分析的重要性日渐凸显。本文讲述基于大数据分析技术的用户行为分析平台设计与实现流程，致力于解决现有市场普遍存在的成本、安全等一系列问题，同时可以有效提高用户体验，很好的分担决策者压力。目前，本系统多次测试结果基本满足设计需求。综上所述 ，本文系统设计顺应社会发展趋势，能够为 VR 门店提供更好的服务，具有较好的商业实用性和较高的市场价值。

参考文献

[1]赖院根，刘敏健，王星.网络环境下的信 息用户流失分析[J].情报科学，2011，29 （ 11）：1736 -1741.

[2]何运祺.基于Hadoop移动大数据的用户行为分析[D].兰州：兰州理工大学，2017.

[3]陈恩红，陈玉莹，潘镇，等.用户序列行为分析研究与应用综述[J].安徽大学学报：自然科学版，2018，42（5）：39-51.

[4]郝增勇.基于Hadoop用户行为分析系统设计与实现[D].北京：北京交通大学，2014.

[5]杨芮.Web用户行为数据收集统计系统的设计与实现[D].北京：北京交通大学，2015.

[6]闫朝阳.基于Web的大数据分析平台交互设计研究[J].设计，2019（17）：94-97.

[7]王鹏.基于Hadoop全文检索的研究与应用[D].重庆：重庆邮电大学，2017.

[8]廖建军.Web信息的无埋点精准采集[D].北京：北京邮电大学，2019.