基于DPI 的互聯網視頻業務精準推薦方法

徐堅耀

（桐鄉市傳媒中心，浙江 嘉興 314599）

0 引 言

隨著互聯網帶寬和用戶終端性能的提升，網絡視頻用戶呈爆發式增長。同時，視頻網站、OTT（Over The Top）視頻盒子、智能電視視頻集成以及視頻協議也在快速增長。如何從海量的上網用戶中精準找出視頻用戶并準確地描述其行為喜好，個性化地推薦互聯網電視業務，是視頻運營商面臨的一個難題。

深度包檢測（Deep Packet Inspection，DPI）設備通過對網絡關鍵點處的流量和報文內容進行檢測分析，可以根據事先定義的策略對檢測流量進行過濾控制，能完成所在鏈路的業務精細化識別、業務流量流向分析、業務流量占比統計、業務占比整形、應用層拒絕服務攻擊、對病毒/木馬進行過濾以及濫用點對點（Peer-to-Peer，P2P）控制等功能。

1 技術方案

目前，互聯網視頻內容推薦主要有兩類方法[1]。一類是從互聯網視頻運營網站獲取用戶請求和觀看本網站視頻的消費行為信息，對信息進行分析，以獲取視頻用戶的行為。這種方法存在以下缺陷：用戶觀看多個視頻網站時，在每個網站的行為只是用戶行為的一部分，網站間信息無法相互關聯；網站視頻用戶與運營商寬帶用戶沒有關聯關系，無法進行精確匹配。另一類方法是從上網流量中獲取用戶訪問的統一資源定位器（Uniform Resource Locator，URL），基于URL 進行用戶上網行為分析，提取營銷關鍵詞，對用戶進行標簽化處理。這種方式也存在如下短板：互聯網視頻多采用分片形式，一個視頻有很多URL，單純分析URL，無法關聯去重；URL 中的視頻信息有限，無法獲取視頻的類型、時長、碼率等信息，也就無法完整地描述用戶的視頻行為喜好。

當前技術手段的種種限制，導致互聯網電視運營手段還處在粗放經營階段，無法精準聚焦營銷對象，制約了運營商互聯網電視的發展。

為了克服上述現有技術的不足，本文提供一種基于用戶行為分析的互聯網電視推薦方法，利用對視頻流量的深度報文檢測技術結合數據建模，提取價值視頻用戶標簽化，應用到互聯網電視業務的精確推薦中。該方法采用DPI 深度報文檢測技術分析視頻流量，使用“視頻標簽”進行數據建模，數據模型包括但不限于定義“視頻類網站”“視頻搜索關鍵字”“視頻類協議”“自購視頻盒子”“視頻碼率”“觀看時長”“視頻流量”“視頻體驗”等，進行價值視頻用戶的挖掘。

2 用戶行為識別機制原理

本文方法通過在固定互聯網部署分光匯聚分流，對用戶上網流量進行統計和分析，從網站訪問次數、關鍵字搜索次數、協議訪問流量等多維度去挖掘用戶行為習慣和規律，標記不同的標簽，進而生成對應的用戶標簽群組。

用戶上網后，對用戶上網過程中發生的各類業務數據流進行解析，并提取關鍵字段產生流日志。流日志由4 個部分組成，分別是用戶信息（Account等）、流信息[五元組（Source IP，Source Port，Dest IP，Dest Port，Protocol）信息和鏈路信息]、事務信息以及協議信息，形成一條完整的用戶訪問記錄[2]。

從多維度定義視頻標簽，如從分類URL 訪問、搜索關鍵字、視頻盒子協議的次數和流量維度定義多樣化標簽。當用戶訪問記錄被識別到符合標簽定義，判斷為點擊流并將用戶賬號同步至對應的標簽組。該方法的業務流程如圖1 所示。

圖1 業務流程圖

3 用戶標簽生成的實現

3.1 標簽設置

本文要解決的問題是設置用戶多樣化標簽，通過設定視頻類網站、視頻搜索關鍵字、視頻類協議、自購視頻盒子、視頻碼率、觀看時長、視頻流量、視頻體驗等，輸出諸如“重度視頻”“4K”、具體片源如“重案六組”等標簽，聚焦互聯網電視業務的推廣支撐。本方案所描述的以上標簽設置和生成方法如下。

本文在進行策略配置時對互聯網用戶流量進行過分析，考慮到視頻網站雖然多樣但有集中的特色，用戶訪問視頻網站的流量多集中在TOP10 甚至TOP5 網站，熱門協議集中在優酷土豆、愛奇藝、騰訊、搜狐等。綜合熱門視頻網站，即可支撐視頻類網站的標簽配置。視頻類協議、自購視頻盒子均通過識別主流協議并建立協議庫即可采集流量，并以此形成“視頻偏好”用戶群。

本文通過建立搜索網站特征庫存放搜索網站規則，通過URL 中的搜索路徑字段判斷用戶的Web訪問請求是否是搜索行為并匹配搜索參數。視頻搜索關鍵字是關鍵字維度的源數據，可以配置營銷需要的熱門片源[3]。例如，在電視劇《重案六組》熱映期間，通過挖掘對該片有搜索行為的用戶，向其營銷互聯網電視業務。

通過本文識別原理提及的“形成一條完整的用戶訪問記錄”，分析用戶觀看視頻的觀看時長、視頻流量來形成“重度視頻”用戶群。“視頻體驗”通過記錄用戶訪問視頻的過程，采集用戶發送傳輸控制協議（Transmission Control Protocol，TCP）連接的時間點、收到“HTTP 200 OK”的時間點、開始播放的時間點、視頻卡頓時間點以及最后一個帶凈荷的視頻數據包的時間點，來生成視頻播放成功率、時延、卡頓及速率等相關指標，并綜合評價這些指標形成用戶體驗[4]。當用戶體驗感知差的時候，即可向用戶推薦高帶寬寬帶產品和互聯網電視產品。本文方法的標簽配置策略和標簽庫生成規則如圖2所示。

3.2 具體實現方法

本方案由深度視頻報文解析DPI 設備、URL及搜索關鍵字分析服務器（URL and search Keyword Analysis Server，UKAS）、視頻文件分析服務器（Video Analysis Service，VAS）、用戶行為分析服務器（User Behavior Analytics Server，UBAS）以及互聯網電視業務推薦系統組成，功能實現如圖3 所示。

深度視頻報文解析DPI 設備負責從用戶的上線認證Radius 信息中獲取IP 與用戶的關聯關系，然后從用戶的上網流量中識別視頻搜索關鍵字識別視頻請求和下載流量，進行深度分析和還原，以提取視頻URL、視頻流量，將相關信息送到UKAS和VAS[5]。

UKAS 負責對收到的視頻URL、搜索關鍵字等視頻請求信息進行去重、歸類和模式匹配，輸出視頻URL 的視頻類別、播放器類別、關鍵字的類別等信息給UBAS。

VAS 負責對收到的視頻流量進行關聯、去重，提取視頻的關鍵信息，包括視頻格式、視頻大小、碼率（清晰度）及播放時長等，并將這些信息傳輸給UBAS。

UBAS 負責接收UKAS 和VAS 輸出信息，進行關聯檢索分析。在算法上，UBAS 利用標簽模糊匹配和映射表的方式，將用戶標記上不同的視頻標簽屬性和優先級。其中，標簽優先級利用模糊匹配和權重值結合的算法實現。優先級記為P，用戶多個視頻行為信息模糊命中某一個視頻標簽Key 值次數為N，每次的模糊匹配度為X1～Xn，這一視頻標簽的權重為W，則

互聯網電視業務推薦系統根據用戶標記的視頻標簽屬性，生成與用戶視頻行為喜好相匹配的專屬推薦頁面，通過URL 推送的形式推薦給用戶。該方法典型的功能組網如圖4 所示。

圖4 典型組網圖

用戶標簽形成后，互聯網視頻業務推薦系統根據閾值，周期性地分析用戶詳情數據，判決重度用戶（價值用戶）。當用戶上網，系統根據配置的用戶策略判斷是否為用戶進行信息推送、相關推送時間點和推送次數，以及推送觸發條件[6]。推送服務器根據推送參數信息向用戶展示推送信息，推送流程完成。以上為重度價值視頻用戶的挖掘和推送流程。

3.3 實施效果

按照上述設計理念，通過數據分析用戶視頻行為喜好標簽得出現網大數據集群的文件中用戶號碼、內容頻道、內容類型、時長、流量、天數（匯總獲得）及請求次數等關鍵值，如圖5 所示。

4 結 語

本文采用DPI 深度報文檢測技術分析視頻流量，基于用戶行為分析的互聯網電視業務推薦方法，以解決當前用戶視頻行為分析的不完整、不準確問題。所述方法也可用于更加精準的營銷行為。用戶通過配置“視頻搜索關鍵字”標簽，互聯網電視業務推薦系統判決推送條件后，可進行互聯網視頻內容的精準推送，有效拉動用戶興趣視頻的轉移。