網(wǎng)絡(luò)電視精細(xì)化運(yùn)營支撐系統(tǒng)

朱聃 何燕鋒 劉志軍

【摘要】? ? 以網(wǎng)絡(luò)電視（IPTV）為代表的電視新媒體產(chǎn)業(yè)已從擴(kuò)大用戶規(guī)模為主的階段進(jìn)入以提升價(jià)值為目標(biāo)的新階段。精細(xì)化運(yùn)營是提升現(xiàn)有IPTV產(chǎn)業(yè)價(jià)值必然的選擇。針對目前IPTV業(yè)務(wù)運(yùn)營系統(tǒng)存在的問題，文章提出了一種新的網(wǎng)絡(luò)電視精細(xì)化運(yùn)營支撐系統(tǒng)。該系統(tǒng)利用IPTV系統(tǒng)產(chǎn)生的海量數(shù)據(jù)，基于數(shù)據(jù)構(gòu)建標(biāo)簽體系，進(jìn)而生成用戶、內(nèi)容的精準(zhǔn)畫像。通過畫像指導(dǎo)精細(xì)化的IPTV業(yè)務(wù)運(yùn)營，幫助電信運(yùn)營商提效增收。

【關(guān)鍵詞】? ? 交互式網(wǎng)絡(luò)電視（IPTV）? ? 精細(xì)運(yùn)營? ? 智能畫像? ? 標(biāo)簽體系

引言

2016年下半年，我國IPTV用戶數(shù)不到1億。四年多后的今天，工信部數(shù)據(jù)顯示截至2020年8月全國IPTV用戶數(shù)已達(dá)到3.07億戶，覆蓋近10億人;增長速度超過有線電視，也超過了OTT視頻。

驕人數(shù)據(jù)背后，IPTV的用戶增長速度其實(shí)已經(jīng)放緩。數(shù)據(jù)顯示2020年7-8月期間三大電信運(yùn)營商IPTV平均每月只有150萬的用戶增長，低于2019年平均每月近400萬戶的增速，更遠(yuǎn)低于過去3-5年間的超高速增長。未來以用戶數(shù)增長為主要目標(biāo)的運(yùn)營模式已經(jīng)難以為繼，存量用戶的精細(xì)化運(yùn)營將是未來電信運(yùn)營商網(wǎng)絡(luò)電視業(yè)務(wù)運(yùn)營的必由之路。

數(shù)據(jù)是精細(xì)化運(yùn)營的基礎(chǔ)，而真正賦能精細(xì)化運(yùn)營的則是基于數(shù)據(jù)構(gòu)建的運(yùn)營畫像模型。本文所述的基于智能標(biāo)簽體系構(gòu)建的智能畫像，是以用戶畫像為核心，利用機(jī)器學(xué)習(xí)算法模型將不同運(yùn)營場景的畫像標(biāo)簽進(jìn)行智能管理的畫像模型。相比傳統(tǒng)的用戶畫像，其針對不同運(yùn)營場景的適應(yīng)性、匹配度和自動(dòng)化程度更高。

一、智能畫像的構(gòu)建

1.1 總體構(gòu)建流程

智能畫像模型的構(gòu)建主要通過對于數(shù)據(jù)處理的四大步驟完成。

第一步是打通各個(gè)運(yùn)營相關(guān)的應(yīng)用和系統(tǒng)間的數(shù)據(jù)共享，實(shí)現(xiàn)數(shù)據(jù)的共享化，為構(gòu)建畫像模型提供堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)

第二步是針對共享數(shù)據(jù)的原子化處理，實(shí)現(xiàn)對于數(shù)據(jù)的格式統(tǒng)一，命名規(guī)則統(tǒng)一、指標(biāo)體系統(tǒng)一。原子化其實(shí)是指單一數(shù)據(jù)的完整性、獨(dú)立性，為后續(xù)構(gòu)建標(biāo)簽體系提供靈活的保障。針對共享數(shù)據(jù)原子化后，會(huì)形成結(jié)構(gòu)化的數(shù)據(jù)字典，可以提供針對原子化數(shù)據(jù)的快速查詢和檢索。

第三步是標(biāo)簽化，是通過對結(jié)構(gòu)化的原子數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、分析和算法處理，形成的面向運(yùn)營實(shí)體的可被運(yùn)營人員識別的語義標(biāo)簽。

第四步是模型化，基于運(yùn)營實(shí)體標(biāo)簽體系，利用特定的模型構(gòu)建面向運(yùn)營場景的畫像模型，最終生成智能畫像模型。

1.2? 構(gòu)建標(biāo)簽體系

標(biāo)簽體系是構(gòu)建智能畫像的前提與模型保障，因?yàn)楫嬒衲Ｐ褪欠窨捎煤秃糜弥苯尤Q于標(biāo)簽體系的設(shè)計(jì)與構(gòu)建。對于普通運(yùn)營人員來說，原始數(shù)據(jù)和數(shù)據(jù)字典都是非常技術(shù)化的數(shù)據(jù)體系，令人望而生畏;不僅無法支撐運(yùn)營人員提升運(yùn)營效率，反而會(huì)適得其反（因?yàn)閿?shù)據(jù)無法被運(yùn)營人員直接操作使用，導(dǎo)致相關(guān)支撐數(shù)據(jù)需要通過專業(yè)技術(shù)人員才能轉(zhuǎn)化為運(yùn)營人員可讀的支撐數(shù)據(jù)，而這種轉(zhuǎn)化往往要經(jīng)歷幾周的時(shí)間）。

1.2.1? 標(biāo)簽的分類與創(chuàng)建方式

標(biāo)簽主要分為實(shí)標(biāo)簽和虛標(biāo)簽。實(shí)標(biāo)簽主要有兩種創(chuàng)建方式，一種是直接來源于數(shù)據(jù)字典的相關(guān)原子字段，稱為事實(shí)標(biāo)簽;而另外一種是基于數(shù)據(jù)字典進(jìn)行簡單的統(tǒng)一和聚會(huì)生成的指標(biāo)，成為統(tǒng)計(jì)標(biāo)簽。虛標(biāo)簽也有兩種創(chuàng)建方式，一種是基于某種事件關(guān)系模型生成的標(biāo)簽，稱為模型標(biāo)簽，和具體的運(yùn)營場景相關(guān);另外一種是基于AI預(yù)測模型生成的預(yù)測標(biāo)簽。

1.2.2? 基于標(biāo)簽的運(yùn)營場景模型

運(yùn)營場景是通過運(yùn)營時(shí)間將參與運(yùn)營的實(shí)體進(jìn)行關(guān)聯(lián)的模型，也就是運(yùn)營場景模型;而運(yùn)營實(shí)體可以通過特定的標(biāo)簽集合進(jìn)行標(biāo)識，而事件也可以表示為管理參與運(yùn)營實(shí)體的標(biāo)簽集合。由此，本文設(shè)計(jì)了OST（Object Scenario Tag）實(shí)體場景標(biāo)簽?zāi)Ｐ腿缦聢D1所示：

1.3? 基于OST模型構(gòu)建智能畫像

基于OST模型構(gòu)建智能畫像的過程與下圖2所示：

首先，基于運(yùn)營場景構(gòu)建OST模型，然后根據(jù)具體場景的精細(xì)化需要設(shè)定關(guān)鍵標(biāo)簽的過濾條件，然后將模型和過濾條件與具體的運(yùn)營數(shù)據(jù)結(jié)合就形成了畫像模型。而智能畫像的智能則體現(xiàn)在OST建模和標(biāo)簽過濾的過程中，在基于OST模型針對運(yùn)營場景建模過程中，可通過標(biāo)簽的相關(guān)性模型算法智能發(fā)現(xiàn)運(yùn)營場景，提升運(yùn)營人員對于運(yùn)營價(jià)值發(fā)現(xiàn)的敏感度;而在實(shí)施精細(xì)化的過濾過程中，可以利用非監(jiān)督算法和分類算法，智能調(diào)整過濾的閾值，讓最終數(shù)據(jù)滿足精細(xì)化的需求。

智能畫像的輸出模式有兩種：一種以報(bào)表方式輸出，提供特定運(yùn)營場景的畫像分析報(bào)告;另一種則以接口方式輸出特定運(yùn)營場景的畫像數(shù)據(jù)，支撐相關(guān)的運(yùn)營工具實(shí)施觸點(diǎn)運(yùn)營。

二、精細(xì)化運(yùn)營賦能：基于智能畫像的精細(xì)化運(yùn)營支撐系統(tǒng)

2.1? 系統(tǒng)架構(gòu)

整體賦能系統(tǒng)的架構(gòu)如下圖3所示：

整體系統(tǒng)的架構(gòu)分為五層，通過數(shù)據(jù)管理編排實(shí)現(xiàn)關(guān)聯(lián)，而整體系統(tǒng)對于精細(xì)化運(yùn)營的賦能體現(xiàn)在最上層，由四個(gè)階段的功能組成：目標(biāo)監(jiān)測、經(jīng)營分析、決策支撐和閉環(huán)優(yōu)化。基于這四個(gè)功能系統(tǒng)可以實(shí)現(xiàn)精細(xì)化的運(yùn)營目標(biāo)管理和日常的精細(xì)化運(yùn)營支撐。

2.2? 閉環(huán)運(yùn)營目標(biāo)管理

通過智能畫像運(yùn)營支撐系統(tǒng)可以實(shí)現(xiàn)對運(yùn)營目標(biāo)的閉環(huán)管理，實(shí)現(xiàn)運(yùn)營目標(biāo)的精細(xì)化達(dá)成，步驟如下。

STEP1：運(yùn)營目標(biāo)關(guān)鍵指標(biāo)通過大屏看板實(shí)時(shí)監(jiān)測。包括用戶滲透率、用戶留存率、競品分析、收入曲線等。

STEP2：基于熱點(diǎn)進(jìn)行運(yùn)營分析。包括TOP重點(diǎn)內(nèi)容分析;PV/UV等的趨勢分析;未來引入內(nèi)容分析等。

STEP3：基于用戶進(jìn)行運(yùn)營分析。包括付費(fèi)用戶比例;用戶留存、用戶發(fā)展等指標(biāo)。

STEP4：基于增值和套餐維度進(jìn)行運(yùn)營分析。包括套餐收入賬單分析;套餐收入比例分析等。

STEP5：一鍵生成決策支撐報(bào)告。包括快速定制報(bào)告、報(bào)表;當(dāng)前運(yùn)營狀況匯總分析;與目標(biāo)差距分析等。

STEP6：根據(jù)支撐報(bào)告設(shè)定階段性運(yùn)營目標(biāo)。如用戶目標(biāo)設(shè)定為付費(fèi)用戶比例提升x%，收入目標(biāo)設(shè)定為年收入xx億元等。

STEP7：對運(yùn)營目標(biāo)通過大屏看板實(shí)時(shí)監(jiān)測，即轉(zhuǎn)到STEP1，形成運(yùn)營目標(biāo)管理的閉環(huán)。

該閉環(huán)管理賦能運(yùn)營管理人員，運(yùn)營管理人員可以通過該功能實(shí)時(shí)或者定期監(jiān)控運(yùn)營目標(biāo)的達(dá)成情況，并且可以根據(jù)分析報(bào)告調(diào)整運(yùn)營目標(biāo)，讓運(yùn)營的目標(biāo)更加契合實(shí)際的運(yùn)營投入。

2.3? 閉環(huán)日常運(yùn)營優(yōu)化

對于日常的運(yùn)營活動(dòng)（如果推薦、廣告等）實(shí)施數(shù)據(jù)化的監(jiān)控、目標(biāo)分析、決策支撐，同時(shí)可以根據(jù)支撐策略實(shí)施的結(jié)果進(jìn)行閉環(huán)的監(jiān)控和優(yōu)化。包括目標(biāo)客戶圈群優(yōu)化;推薦策略優(yōu)化;廣告策略優(yōu)化等。

三、結(jié)論

網(wǎng)絡(luò)電視業(yè)務(wù)的精細(xì)化運(yùn)營是電信運(yùn)營商基于龐大存量用戶實(shí)現(xiàn)業(yè)務(wù)增長模式轉(zhuǎn)變的關(guān)鍵，由原來粗放式的用戶數(shù)量擴(kuò)張轉(zhuǎn)向?qū)τ谟脩魞r(jià)值的挖掘上。而精細(xì)化運(yùn)營的成敗取決于對于數(shù)據(jù)的賦能，本文所述基于智能畫像的運(yùn)營支撐系統(tǒng)通過對數(shù)據(jù)實(shí)施共享化、原子化、標(biāo)簽化和模型化，將數(shù)據(jù)轉(zhuǎn)化為支撐精細(xì)化運(yùn)營的AI能力，幫助電信運(yùn)營商實(shí)現(xiàn)運(yùn)營模式質(zhì)的轉(zhuǎn)變。

參? 考? 文? 獻(xiàn)

[1]王奕博，“基于用戶畫像的智能運(yùn)營平臺的設(shè)計(jì)與實(shí)現(xiàn)” 北京交通大學(xué)2019年碩士畢業(yè)論文

[2]方靜，“數(shù)據(jù)驅(qū)動(dòng)IPTV精細(xì)化運(yùn)營的思路”，現(xiàn)代電視技術(shù)，2019.11