廣播電視開機廣告精準投放系統

趙雅倩，李 楠，劉慧敏，何彥卓，謝海倫

（中國傳媒大學 信息工程學院，北京 100024）

廣播電視開機廣告精準投放系統

趙雅倩，李 楠，劉慧敏，何彥卓，謝海倫

（中國傳媒大學 信息工程學院，北京 100024）

為解決廣播電視開機廣告投放效率低的問題，提出廣播電視開機廣告精準投放系統，系統包括收視人群興趣分析系統和開機廣告投放系統兩大部分。系統充分利用觀眾收視習慣與人群興趣特征之間的關系，以及興趣特征和廣告受眾需求之間的聯系，通過用戶收視數據分析，基于用戶收視習慣與商品類型的匹配，將系統中的兩大部分結合，實現廣播電視開機廣告精準投放的目的。

精準投放；興趣特征；開機廣告；廣播電視；收視習慣

廣播、電視、網絡等多樣化媒體迅速發展，使得廣告傳播的途徑增多，進而促進商家利用多樣化的途徑增加廣告投放的數量和質量。而廣告投放效率低下的問題在很大程度上被社會忽視。尤其在廣播電視領域，信息傳遞的單向性造成大量廣告信息的冗余。廣播電視開機廣告精準投放系統針對這一問題對廣播電視開機廣告的投放效率做出了改進。

利用受眾的行為信息對其興趣特征進行分析并定向投放廣告的方式并不陌生。使用贊助搜索廣告的消費參考網站（包括點評網站、搜索引擎等）通過搜集用戶生成內容(User Generated Content，UGC)點評信息以及重新組織與展現產品信息，將相關的產品信息列表提供給用戶[1]。與這種廣告投放方式相對應的技術系統也較為成熟，由著名環球網上廣告方案公司Double Click提出的動態廣告報告與目標定位（Dynamic Ad?vertising Reporting Targeting，DART）技術中，不同類型的客戶對目標人群有著不同需求，該技術根據這一點精準地判斷受眾特征，將廣告投放給最符合客戶需求的人群，從而將客戶廣告的命中率最大限度地提高[2]。

在廣播電視領域，數字電視廣告帶來了電視廣告傳播模式的變革，使傳播方式由單向傳播向互動傳播轉變，收視對象由強制性接收向選擇收看轉變[3]。本文提出的廣播電視開機廣告精準投放系統，利用數據庫分析用戶收視習慣，實現了廣播電視開機廣告的精準投放。這種電視增值業務廣告的投放方式可以通過網絡運營商諸如歌華來加以推廣實現，從而在整個廣播電視領域得到應用，從長遠來看也具有相當的發展潛力和研究價值。

1 系統模型

1.1 推薦系統框圖

如圖1所示，開機廣告精準投放系統推薦框圖包括基于節目類型的分析以及基于所選用戶信息的分析兩大線路，最后統一于對用戶收視習慣的分析。

針對該系統，本文提出的方案利用用戶收視情況分析其收視喜好，根據其喜好推送相關類型的廣告。

首先要進行數據的基礎處理，由于節目形式與內容的多樣化，需要對不同的節目進行分類，并且將節目類型與合適的廣告類型相匹配。然后分析用戶收視信息，得出其收視習慣以及喜好。用戶收視習慣直接與節目類型所匹配的廣告類型相對應，完成用戶和廣告類型的匹配。

圖1 開機廣告精準投放系統推薦框圖

應用此系統時，廣告商可選擇廣告類型，目標用戶將呈現于界面以供精準投放使用。

1.2 數據準備

本文所設計的電視開機廣告推薦系統所涉及的數據主要包括用戶背景信息、用戶收視信息以及節目信息維表等。

參考國際電視總公司副總裁張海潮編制的《中國電視節目分類體系》一書中的分類標準，將三級節目分類整合成兩級節目分類[4]，一級類別有4種，即新聞類、娛樂類、教育類、服務類。其中新聞類節目的二級節目分類為綜合新聞消息節目、分類新聞消息節目、新聞專題類節目、新聞談話節目、國際新聞類節目；娛樂類節目的二級節目分類為電視劇節目、體育節目、電影類節目、綜藝類節目、音樂節目、戲劇節目、游戲節目、真人秀節目、娛樂談話節目、大型娛樂節目；教育類節目的二級節目分類為社會教育節目、少兒青年節目、國際教育類節目；服務類節目的二級節目分類為生活服務節目、理財節目、頻道宣傳收視服務節目。

所用產品類型聚類，將二級節目分類以多對多映射關系與產品類型進行匹配，例如，娛樂類中“體育類節目”匹配產品類型為“體育類產品”。

2 系統算法分析

基于開機廣告精準投放系統模型的數據處理過程是：首先基于數據庫采集的收視用戶相關基本信息，使用單個用戶收看單個節目時長算法獲取用戶收視節目時長，使用聚類算法獲取各節目類型；然后使用收視時長算法將單個用戶收看各個類型的單個節目累加，獲得各類型的收視時長以及收視總時長，基于以上數據，利用收視喜好程度算法得出用戶對各類型節目的喜好程度，以及對各產品的喜好程度；進而使用用戶收視喜好排序算法獲取用戶興趣取向以及產品匹配程度，最后將各類型廣告與相應興趣取向用戶相匹配。

算法的具體介紹如下。

2.1 單個用戶收看單個節目時長算法

式中：a代表某用戶；i代表a用戶按照收視記錄映射的某節目；j代表a用戶某條記錄；Sj_bgn，Sj_end代表滿足條件的收視紀錄起始時間；Ti_bgn，Ti_end代表某節目播出起止時間；Ta，i代表單個用戶收看單個節目時長。該算法以簡單的語句囊括了4種收視情況下的用戶收看某節目的時長。

2.2 聚類算法

該產品類型聚類分析法可以實現任意簇數的人群自動聚類，借經典的K-means算法[5]，設定待聚類的某產品分類的用戶匹配度（某聚類產品類型收視總時長占用戶收視總時長的百分比）個數為n（樣本有限的情況下，n亦為有限值），匹配度的人群聚類目標個數設為k，然后將某種產品的n個用戶匹配度聚合成為k個人群分類，并且使所獲得的匹配度人群聚類滿足同一人群的產品匹配度較相近，不同人群的產品匹配度差異明顯。聚類使得每個簇中的數據點之間最大程度地相似，而不同簇中的數據點最大程度地不同，從而發現數據集中有效的、有用的信息[6]。

K-means算法在本系統中的具體應用步驟如下：

1）隨機選取某產品k個用戶匹配度作為初始均值，計算其余用戶匹配度與該均值的距離，將其指派給與其距離最小的聚類人群。

2）選擇均方誤差MSE作為聚類判度函數。

式中：M為匹配度；Ci表示某個聚類；Ai表示該聚類均值。

3）計算更新每類人群匹配度的統計平均值以及每個用戶匹配度與更新后均值的距離，將其指派給與其距離最小的聚類人群，從而更新聚類。并且計算每類的均方誤差。

4）重復步驟3），當聚類判度函數收斂時停止。

2.3 收視時長算法

計算某用戶某聚類節目收視總時長Ta,b及某聚類產品類型收視總時長Ta,c及某用戶收視總時長Ta

式中：a代表某用戶；b代表所選聚類節目類型；c代表所選產品類型；i代表某節目；n，m和q代表節目數量。

2.4 收視喜好程度算法

計算某用戶某聚類節目收視時間Ta,b占其收視總時長Ta的百分比Pa,b，以及某用戶某聚類產品類型收視總時長Ta,c占其收視總時長Ta的百分比Pa,c

式中：a代表某用戶；b代表所選聚類節目類型；c代表所選產品類型；Ta,b代表某用戶某聚類節目收視總時長；Ta,c代表某用戶某聚類產品類型收視總時長；Ta代表某用戶收視總時長。該百分比作為用戶收視喜好的評判標準，是用戶收視習慣分析中的重要中間數據。將此節目收視時常百分比進行排序，獲得相關節目分類的用戶喜好水平，篩選數值最大的多類節目，以便廣告商選擇對應的節目類型，確定目標用戶。或根據產品類型聚類節目，得到與產品喜好程度正相關的百分比值，以便廣告商根據商品類型獲得目標用戶。

2.5 用戶收視喜好排序算法

排序得到某用戶某聚類節目收視時長Ta,b占其收視總時長Ta百分比Pa,b最大的聚類節目類型B，及某用戶某聚類產品收視時長Ta,c占其收視總時長Ta百分比Pa,c最大的聚類產品類型C的算法，即

式中：a代表某用戶；b代表所選聚類節目類型；c代表所選產品類型。

該算法獲取了收視用戶a最匹配的聚類節目類型B和聚類產品類型C。相關程度與相應百分比正相關，使用max函數篩選出每個用戶相關度最高的節目或產品類型。此系統限定，相關性排序前三的節目或產品視為與用戶匹配，則在表中刪去max函數所選中的對象，再重復上述過程兩次，即得到相關度最高的三類節目或產品，作為一種簡單的匹配結果。

根據以上算法，可以從采樣數據中獲得相應用戶的收視習慣信息以及產品匹配信息，進而通過廣告商的節目類型選擇或者產品類型選擇提供目標用戶相關信息。

3 仿真及性能分析

本文選用承德地區的采樣數據進行分析，對于節目類型分析法，所選數據包括樣本用戶機頂盒信息、樣本用戶收視記錄和節目播放信息。

圖2反映了各用戶最喜歡的三類節目并預測他們喜歡的廣告產品。廣告商可以先通過左邊第一選擇項進行篩選，得到較喜歡該類節目的用戶，百分數表示該用戶收看此類節目在四類節目中所占時間百分比。通過第二類選擇項，可以顯示出可能對該項廣告產品感興趣的用戶。

圖2 用戶收視個性表（截圖）

圖3反映了各個時段某類節目收視到達率的情況，即特定對象在特定時期內看到某一廣告的人數占總人數的比率。根據收視到達率廣告商可以選擇合適的廣告投放時間。

根據用戶與產品匹配程度進行篩選能夠得到目標用戶的簡單信息，更為詳細的匹配程度餅狀圖如圖4所示。根據某用戶與產品的詳細匹配數據，有助于分析用戶的產品購買取向，從而進一步優化廣告決策。

4 結論

在數字電視媒體內容極大豐富，不同電視觀眾對電視節目的興趣取向各不相同的環境下，本文提出了基于用戶興趣分析的開機廣告投放系統。根據數據庫中記錄的數據，對電視節目觀眾進行了興趣分析，構造了開機廣告投放系統，并對本投放系統所篩選出的數據進行了詳細介紹。通過節目類型聚類、廣告類型與相應聚類節目類型綁定進行目標用戶選擇，以及在一天中的不同時段對用戶收視到達率的分析，可以通過觀眾收視節目的數據將觀眾分成不同類型，有效進行高效廣告的投放，方便廣告商地進行廣告投放。

圖3 分時段收視到達率統計表

圖4 產品匹配程度圖

[1]盧向華，彭志偉，巴素琳.互聯網營銷服務創新及其價值——基于贊助搜索廣告的分析[J].研究與發展管理，2011，23（6）：64-69.

[2]俞淑平.網絡定向廣告投放算法研究[D].杭州：浙江大學，2010.

[3]張曼締.傳播學視中的數字電視廣告分析[J].編輯之友，2012（6）: 49-51.

[4] 柳中元，劉玲好.電視節目分類體系的構建原則-兼評張海潮先生的《中國電視節目分類體系》[J].聲屏世界，2012（2）：62-63.

[5] 陳壽文,李明東.基于面向對象思想KMeans算法實現[J].滁州學院學報，2008，10（3）:42-44.

[6]錢彥江.大規模數據聚類技術研究與實現[D].成都:電子科技大學，2009.

李 楠（1993—），本科生，廣播電視工程專業；

劉慧敏（1993—），女，本科生，數字媒體技術專業；

何彥卓（1993—），本科生，數字媒體技術專業；

謝海倫（1993—），女，本科生，數字媒體技術專業。

Broadcasting Television Boot Advertisement Accurate Delivery System

ZHAO Yaqian,LI Nan,LIU Huimin,HE Yanzhuo,XIE Hailun
（Information Engineering School,Communication University of China,Beijing 100024,China）

In order to solve the problem of the low efficiency of broadcasting television advertising system,a broadcasting television boot advertisement accurate delivery system is proposed,which includes two parts:audience interest analysis system and boot advertisement delivery system.The system makes full use of the relationships between the audience habits and the users＇interest features,as well as the users＇interest features and the audience demands.By analyzing the data of the users,based on the matching of the audience habits and the commodity category,the system combines these two parts, achieving the goal of delivering the broadcasting television boot advertisement accurately.

accurate delivery;interest feature;boot advertisement;broadcasting television;audience habit

TN919.5

B

趙雅倩（1993—），女，本科生，通信工程專業；

?? 盈

2014-04-09

【本文獻信息】趙雅倩，李楠，劉慧敏，等.廣播電視開機廣告精準投放系統[J].電視技術，2014，38（20）.