大数据在广电网络运营工作上的应用

庄昌武

（作者单位：江苏省广电有线信息网络股份有限公司淮安分公司）

大数据在广电网络运营工作上的应用

庄昌武

（作者单位：江苏省广电有线信息网络股份有限公司淮安分公司）

随着广电双向网络的不断完善，互动用户数量不断上升，广电大数据迎来新的发展阶段。本文针对广电大数据的运营工作，从数据采集，到数据应用进行了系统全面的分析，对广电大数据运营具备一定的指导意义。

大数据；采集；用户流失；聚类；HADOOP技术

从广电行业来看，大数据的特点有三个方面：第一，数据体量巨大，从GB级别，跃升到TB级别；第二，数据类型繁多，涉及到数据采集对象的状态信息、日志、各类操作信息乃至地理位置信息等；第三，处理速度快，实时采集和处理数据，并及时完成数据的呈现工作。

本文从广电网络运营商运营管理的角度，对大数据技术的实际应用进行一些探讨。

1 大数据在广电行业的应用背景

随着国家三网融合的发展，广电数字电视网络平台逐步从单向网络改造成双向网络，业务的重心也逐步向双向业务偏移。双向电视业务的推广，数字电视用户和业务的快速增长，运营商迫切需要实现对终端设备可管可控、用户行为可感知，以便深入、实时地掌握网络和设备运行状态，了解用户的行为和习惯。

2 广电大数据的应用

广电数字电视运营大数据分析涉及到的数据量较大且广，一般来说，需综合以下几类数据（见表1）。

表1 广电数字电视运营大数据分析

2.1 助力客户经理预测用户流失

根据用户（包括VIP用户）在线率，收视时长，业务分布等信息，通过数据模型测算出用户流失倾向，并可按需排名输出报表，使客户经理及时掌握所服务区域用户的第一手信息。

在给客户经理下达推广付费频道节目包和点播订购包的任务后，如果不能提供及时有效的工具，则客户经理很难完成任务，且工作效率低下。每月对退网的用户进行持续的历史轨迹分析，结合BOSS系统里的账单数据，设定退网客户模型。定期对不活跃用户进行模型匹配分析，并导出报表。客户经理每周安排一定的时间，对可能退网客户进行电话拜访或上门拜访，了解用户需求，进行用户挽留工作，减少用户流失。

2.2 助力客户经理分析用户喜好

大数据分析能够根据BOSS，客服中心，收视行为等数据进行用户个体画像，掌握用户日常喜爱收看的节目类型和频道类型，以及对最新大片的可能购买度，让客户经理能挑出最有可能购买产品的前20%的用户，采取上门拜访或电话推广的方式，迅速有效地达成交易，以达到精准营销的目的。

2.3 助力内容精准推送

内容精准推送是广电运营商最为常见的大数据分析应用。传统的内容推送本质上还是一种广播式的。借助于大数据平台能力，根据用户的个体画像，运用商可以制定出精准的推送策略，将用户最感兴趣的内容放置到最容易获取的地方，实现精准营销。

2.4 助力广告运营

开机画面广告、频道Banner条广告、音量调节画面广告是广电网络运营商最主要的广告形式。用户行为分析数据报告能给广电运营商提供充足的数据支撑，帮助运营商根据收看率高低、用户收看时间等条件，把开机画面广告、频道Banner条广告和音量调节画面广告按照区域、时段和收视热度分组打包，精细化运营广告资源。例如，把60多个公共频道按收视率高低，优劣互相组合，形成资源较均衡的5个广告包；再如，把开机画面广告按照不同的时间段运营，根据小学生放学时间、晚间8点档和晚间11点之后的电视受众不同而投放不同的广告。

3 大数据的计算和分析平台

由于广电数字电视运营大数据分析涉及到的数据量较大且广，运用当前流行的HADOOP技术，通过对以上信息的综合分析处理，在广电的运营工作中，具有重要的应用价值。有线运营商运用的典型的HADOOP平台架构如图1所示。

4 大数据案例分析——客户流失与喜好分析

4.1 案例背景

随着云媒体平台的深入发展和业务的高速增长，新的应用系统和信息资源的加入，业务环境日益复杂，运营难度日益增长，业务增长的压力越来越大，通过更准确、及时地了解业务的使用情况，了解用户的使用习惯和收视喜好，了解用户在整个收视周期的业务的使用情况，可以为业务的经营提供有效的决策支持。系统的部署可以实现以下几个方面。第一，用户收视喜好分析，分析集团用户、VIP用户、收费用户、普通用户和平房用户所关注的终端节目类型，通过挖掘用户的收视行为，为客户经理推广业务提供数据支撑。实现用户收视节目排行、不同终端类型（标清付费、标清免费、高清付费和高清免费）等业务的占比，并在用户收视行为的基础之上通过对用户收视行为的聚类挖掘，实现用户喜好的深入分析并对经营业务的推广提供建议和支持。第二，通过引入数据挖掘技术实现对于用户流失的分析，基于技术、价格、质量和交费渠道等多个维度，进行用户的画像，用户价值的分析，实现用户的流失的分析，和相关的数据输出，为业务的定向营销提供支撑。第三，系统提供报表输出功能，通过实现用户的业务数据及所属标签的查询，并提供报表的定时推送。

图1 HADOOP平台架构

图2 云数据处理平台架构

4.2 案例主要技术路线

平台需要实现对于30万用户每天近千万量级的用户行为的数据分析，提供收视维度的各种信息的统计分析和挖掘工作；同时，根据用户业务的需求，提供用户对于上述数据的跨时间端的各种统计分析结果的呈现；同时，针对某种用户的业务，除提供宏观的用户数据的汇总外，还要进一步提供对于宏观数据的分区域，分用户的数据的呈现。

从计算和挖掘的角度，系统需要有较快的处理速度，同时由于大数据源的要求，对于系统的处理吞吐量也的相应的要求。存储上，系统要满足1年在线数据的业务在线查询，同时查询的“大海捞针”和全表扫描也对系统的处理能力提出了更高的要求，为保证对于海量用户行为数据的处理的能力的要求，根据多年数据分析挖掘的经验，在基础平台引入了云数据处理平台，如图2所示。

4.3 平台能力

平台需要支持基于大数据平台的常规数据挖掘算法，不同算法的时间复杂度不同，故不再做统一性能指标要求，但大数据平台自身的计算性能需要得到保证。大数据平台的性能指标应在基准测试中达到以下要求（见表2）。

4.4 数据模型

在确定一个用户需求后，首先了解需求的应用场景，针对用户应用场景，确定所需要的数据源。接着设计数据模型。当然，还需要对数据源进行清洗、整理甚至需要脱密脱敏，然后将它们汇总起来，形成这次分析任务的数据库（数据仓库）。以上只是数据建模的第一步，第二步需要数据训练。数据训练也是调整模型的方法之一。通常的做法是“前推后验”和“块状切割”。“前推后验”的“前推”就是通过过往的数据寻找特征值，以便消除干扰数据，快速建立模型。“后验”就是根据得出的模型，借助一定的数据往后推测，进行验证，寻找到最佳的结合点。“块状切割”就是在数据量较大的情况下，从小样本开始验证，这样验证周期会变短，利于快速调整模型，反复多次的块状验证后，再进行大数量的验证。数据建模耗时，甚至可以占到整个项目一半以上的时间。

表2 平台能力指标要求

表3 客户类别结果

图3 RFM计算流程

在该平台中，采用RFM算法来预测分析客户流失，具体计算流程如图3所示。

4.5 客户分类结果数据

第一步：选取客户基础信息数据。第二步：系统计算生成含RFM值的客户数据集。第三步：将每个客户的RFM值和总RFM平均值作比较。第四步：对聚类后的客户分类结果进行分析和解释，以所有客户的R、F、M值作为考核点，将所有的客户的R、F、M值组合，一共出现8（23）种情况，根据各指标所代表的含义，得到最终八种客户类型，如表3所示。

5 广电大数据的前景

对于广电运营商而言，通过对大数据的挖掘分析，可以进一步细分用户，实现精准产品营销和个性化服务。继而优化广电现有各业务的运营；同时，刺激运营商从数据中获取潜在的用户需求和市场，创新服务和商业模式。

大数据技术给广电的运营工作带来了很多有影响力的帮助，也改变了原有的工作流程，只有用好、用活、用足大数据技术，才能更好地服务于客户，在视频运营的竞争中得到更多的市场份额。

庄昌武（1958-），男，江苏淮安，本科，研究方向：广播电视经营管理。