正定论道|神策数据任晋:玩转智能推荐 构建内容运营新体系
流媒体网| 2021-05-14
【流媒体网】摘要:神策数据已经形成了成熟的解决方案,目前已帮助1500余家客户进行数据化建设与数字化转型。

  5月12-13日,由流媒体网主办、河北广电无线传媒股份有限公司、中国联合网络通信有限公司河北省分公司、中国电信集团有限公司河北分公司、中国移动通信集团河北有限公司协办的第21届论道暨中国IPTV/OTT智能视听产业高峰论坛在河北正定隆重举行。

  本届正定论道以“智屏无界”为主题,吸引了来自产业链多方核心人员,围绕当前从视听到智能视听、从大屏到智慧大屏的转型升级路径展开探讨与分享,为视听产业各方挖掘新价值、抓住新机遇、跟上新时代提供了有益参考。

  在5月13日上午主论坛上,神策网络科技(北京)有限公司 融合媒体事业部首席专家任晋做了主题为《玩转智能推荐 构建内容运营新体系》的演讲。

  以下为演讲全文:

  大家好,我是来自神策数据融合媒体事业部的任晋,神策数据成立于2015年,是一家专注大数据分析和营销科技的公司,目前已经完成C+轮融资,业务涉及互联网、融合媒体、汽车、证券、保险、银行、零售等领域,经过几年的奋斗,近年来我们在广电、媒体等细分领域也取得了一些小小成就,贵州IPTV、云南IPTV、新周刊等等都是我们的客户。我们神策有一个理念,不仅希望产品可以卖出去,更希望能给客户带来价值。对我们产品感兴趣的伙伴,欢迎去神策数据官网体验demo。

  数据可以帮助我们做什么?

  数据可以帮助我们了解业务现状:看每天收视情况、订购情况,日报、周报、月报,虽然这些事情很多人都在做,但会存在以下两个小问题:

  第一,如何知道不同时段每个终端在平台上的使用习惯?用户喜欢通过什么入口观看点播?看完一个节目如何完成下一个节目的观看?我们在很多省份可以看到个人中心的PV远大于我们很多栏目页的PV,这时,栏目页做得再好,对业务帮助也不会很大。

  第二,新上线一部电影,我们发现付费转换率很高,有90%多,但是每天的付费收入却很少,我们需要探索原因,就需要了解该内容到底是在哪些资源位有曝光,了解每个资源位的付费贡献是多少。

  所以,数据可以帮我们分析业务的过程,它并不只作为简单的数据结果统计。

  另外,数据还可以帮我们了解用户。比如,当我们了解某个终端的收视习惯时,就会挖掘出“用户的收视时间段集中在什么时候、每周是看1次还是看3次、是否喜欢搜索、最常订购的是什么产品、订购周期是多久”等等很多场景。

  而且,数据还可以帮我们了解许多运营场景。比如,我们想做活动,就会挖掘出“这个活动推给哪些终端比较合适、这些终端有多少人会参与活动、参与之后效果表现如何、对我们业务有多大帮助、下次还能不能做”等等场景,我们基于数据形成一套完整的活动运营流程,让活动的效果越来越好。

  当然,数据能发挥作用的地方还有很多,我们今天主要聊一下基于数据,如何打造智能推荐平台。

  数据的应用

  首先,我来跟大家分享一下 IPTV 业务的四大特征。第一,终端角色变化。我之前与一些台里的老师们交流时,大家都提到终端收视角色的变化,当每一个时段收视的角色都在变化时,要如何判断收视角色?这是一个很大的业务挑战。第二,内容曝光次数爆点。由于大屏的使用习惯问题,导致我们虽然有那么多的栏目,但用户看到和感知到的只有20%,剩下80%的栏目压根看不到。我们每天花时间做不同时间的排单表以及运营动作,如果用户看不到,那我们的付出就没有意义。第三,收视连续性,这其实和短视频平台有非常大的区别。有人说可以把其他互联网的数据搬过来用,讲了一套互联网的方法论,但这些到底能不能用呢?希望大家有一些思考,因为各个业务的用户收视特征差别很大,需要根据我们自己的数据做一些迭代和业务决策。第四,内容安全,内容安全是头等大事,是原则问题,必须重视。

  基于这些特征如何做智能推荐?我们总结了一个三维的推荐模型。第一个模型是要做到终端角色的匹配,即需要找出当前时段用户特征到底什么样。第二个模型是媒资内容的匹配,也就是如何找到更好的内容。第三个模型是用户行为路径匹配,就是用户的操作习惯到底是什么样的。基于这三个点,最终需要给当前时段的终端用户找到媒资内容,然后在一个合适的栏位展示给用户,最终实现业务增长。

  怎么去做?下面我做具体拆解。

  首先,找到合适的人。现在IPTV平台可以得到什么数据?第一是终端,第二是收视,第三是订购,第四是EPG。得到这几个数据之后,我们的智能推荐平台首先会做一轮基础标签的抽象,会拆成6大类标签:基础信息、收视习惯、收视类型、收视内容、搜索偏好、订购偏好这几个标签。比如收视习惯标签,包括开机习、栏目的停留习惯、周末喜欢看什么、平常喜欢看什么,我们都会做抽象标签。基于这些抽象标签,会进行用户的特征挖掘。或者比如说用户的付费特征,包括用户一般是在什么时间点去付费,以及用户收视类型趋势的变化,比如一天中四小时内收视类型的趋势变化,到底从哪一个类型到哪一个类型、中间是什么特征……我们会挖掘出这样的信息,最后基于用户特征去完成推荐。

  为什么神策的推荐会比较准,因为我们的推荐模型是基于机器算法,而且这些标签以及特征是根据用户的实时行为不断进行迭代。

  有了终端画像之后,就可以看一下媒资内容的匹配。比如某一个地区的用户最喜欢看某一个内容,我们会在这个内容上打好时段、地区、喜好的标签。一个内容放在不同的栏目中,我们会根据栏目的收视数据打上一个栏目偏好标签。同样,比如用户看了《甄嬛传》,然后又看了《康熙微服私访》,我们会打上看完前向或者看完后向的标签,内容和内容之间本身也会有相关性。另外还有其它的特征,比如订购、搜索、曝光量数据等,我们都会根据行为数据实时去做分析。同时,我们也会结合大家从播放平台下载的特征数据做分析。

  所有的内容标签分析,都通过机器学习去,将行为抽象成标签。有了标签之后,我们会找到一个合适的栏位,去看用户的使用习惯,再基于使用习惯,确定栏位流量的高低,这就是流量纬度。

  其次,通过行为数据去分析每一个栏位的贡献度。比如,这个栏位对于付费的贡献度比较高,那个栏位对于付费的比较低,这就是栏位的价值标签。基于价值和流量标签,我们会把所有EPG上的栏位做分层。比如会按高流量高价值、低流量低价值等维度,按照不同维度做不同的事情。对于高流量高价值,我们要做的就是提升付;对于低流量高价值,我们可能就会做一些业务探索,类似付费类型的业务探索;对于高流量低价值,我们会配置一些广告;对于低流量低价值,我们会做一些常规内容的曝光。当然,如果在低流量低价值的内容点击效果比较好,我们会将其调整到更好的栏目位。所以,我们最终的目的是把栏目资源价值化。

  大家可以看到,我们是基于用户的行为数据,实现了终端角色的适配、媒资内容的适配,以及栏目位的适配,即在合适的地方给合适的人推荐合适的内容。比如首页热门推荐,针对当前的用户,如果用户的点击频率不是很高,可能十几天点击一次,那我们的首要目标就是提升该用户的活跃度。而当我们的目标是提升点击率时,底层的算法策略可能就会有所调整,特征数据可能就需要包括偏好、观看时长、观看时段等数据,然后再去做推荐策略。举个例子,比如同样都在石家庄地区,用户A和用户B由于历史行为数据不同,我们最终推出来的内容也完全不同。另外,如果一个用户日活很高,他以前也有付费习惯,他的ARPU也相对较高,我们的策略核心就会变成提升他的付费率,所以在推荐策略里,会通过用户的付费习惯以及ARPU做一些策略迭代。最后,我们推给这位用户的就是他以前喜欢看,并且是更多是付费类型的内容。

  上图是点播分类页的例子。在与一些行业专家交流的过程中,我们经常讨论一个问题:每个台里有上百万小时的内容,很多内容是没有办法被曝光的,所以当下一个很大的诉求就是——内容曝光。所以,我们要优先曝光,比如一个VIP的付费内容,我们给了很多次的曝光,但就是没有用户去点击,这个时候我们可能就会把它转免费,如果转了免费以后还是没有被点击,我可能就直接下线了,这个策略会节约我们的运营和存储资源。

  所以,当我们的诉求是内容曝光的时候,首先有一个最优的策略就是——优先曝光,如果还想提升用户的付费率,则会在推荐策略里加上一些付费的特征再进行推荐。

  另外,在内容安全层面,我们提供了八种人工干预的策略,比如内容置顶、封禁某条内容、给某些内容进行加权、根据时间过滤某些看过内容等。

  自动化运营平台

  上图是一套智能推荐模型,通过终端的行为数据,整个系统平台自动完成了终端画像,自动计算栏目位的价值,同样也会自动进行媒资画像,之后就会进行智能推荐,推完之后又会产生行为数据,形成一个自动运转的流程。这不仅是智能推荐,更是一个自动化运营的平台,如果想认为干预的话,我们只需要在后台很简单地设置一个干预策略,算法模型就会把该策略放进去,在下一次推荐时就会被实施。

  简单分享一个客户案例,新媒股份。我们的智能推荐不是把内容推出来就结束了,而是始终围绕业务目标做动作,比如点击量的提升,或者是付费转化率的提升。具体的案例大家可以关注公众号:神策数据,里面有完整的案例介绍,在此不做过多解释。

  接下来再简单介绍下整个系统的部署架构,其实这一套平台的输入输出逻辑很简单,即导入行为数据,然后输出对应的推荐内容清单。而且,整个平台均为秒级响应,这强依赖于我们扎实的技术能力。所以,我们每一次的智能推荐会包括两种数据,一种是历史计算的用户特征数据,还有一种是用户实时特征数据,我们则会把这两种数据相结合。

  虽然我今天主要分享的是关于智能推荐的内容,但其实我们也同样支持一些增值业务探索、精细化运营客户、垂类业务培养、产品迭代等等业务领域。之所以能支撑如此庞大的业务需求,是因为神策数据已经形成了成熟的解决方案,以及超越友商的技术能力,目前我们已帮助1500余家客户进行数据化建设与数字化转型,未来,我们也希望能能够凭借自身的努力,在广电、媒体等领域贡献更多的力量。

  谢谢大家!感谢聆听!


责任编辑:侯亚丽

分享到:
版权声明:凡注明来源“流媒体网”的文章,版权均属流媒体网所有,转载需注明出处。非本站出处的文章为转载,观点供业内参考,不代表本站观点。文中图片均来源于网络收集整理,仅供学习交流,版权归原作者所有。如涉及侵权,请及时联系我们删除!