李锐

（广州珠江数码集团有限公司，广东 广州 510010）

有线电视运营商基于大数据开展社区化的服务

李锐

（广州珠江数码集团有限公司，广东 广州 510010）

探讨了有线电视运营商通过大数据分析开展社区化服务的可行性以及实现的技术方案。首先介绍了有线电视的优势和广电的大数据，然后分析了广电大数据与社区化服务结合的可行性，接着介绍了珠江数码集团在基于大数据应用系统方面开展社区化服务的初步实现方案，对系统架构、多业务策略及终端技术方案等进行了探讨，为有线电视网络新业务的开展提供了思路。

有线电视；大数据；社区化服务

有线电视近来的日子很不好过，一方面电信IPTV、互联网OTT咄咄逼人，另一方面用户开机率不断下降，可谓是腹背受敌，所以各地有线电视运营商都在想方设法突出重围。视频业务是有线电视安身立命之本，但是直播业务的资费受物价限制，点播节目则是竞争激烈的红海，时移回看更是和身后的电视台在版权和广告等方面纠缠不清，因此笔者认为需要依托视频业务另辟蹊径。

1 有线电视的优势

有线电视运营商虽然江河日下，但其仍具有一些优势：

首先是区域用户优势。有线电视在大城市里面还是渗透率最高的终端之一，在很多小区或是街区内的覆盖率高达100%，而且终端固定，不像移动终端会流动，非常适合做区域化的服务。

其次是数据资源优势。有线电视运营商的用户大都采用实名制并且附带可靠的地理信息，同时随着互动电视的渗透，可以采集到海量的用户行为数据，加上运营支撑系统、运维系统、网管系统以及客服系统的数据，有线电视运营商拥有大量数据待发掘。

第三是有线电视运营商拥有较为完善的实体服务体系，有线电视运营商的运维是深入到用户家里的，与小区物业、街道居委会等关系较好。除此之外有线电视还有一定的用户美誉度或者说用户对于国企背景的有线电视运营商抱有更高的信任度。

综合以上优势，笔者认为，有线电视运营商在社区化服务上大有可为。

2 广电的大数据

大数据是个热门的话题，从美剧“纸牌屋”的成功到“阿里小贷”的蓬勃发展，从各大电商的商品推荐到大型国企的管理平台，海量数据通过多维度的信息重组产生出新的有价值的数据，大数据的“魔力”在各行各业都初露端倪[1]。

实现了交互业务的有线电视运营商将拥有海量数据。用户的收视数据、收视过程中的行为数据等都可以通过互动机顶盒回传并记录下来，除此之外，还有运营支撑系统（BOSS）、地理信息系统（GIS）、运维系统、媒资系统等多个业务系统紧密连接，每天产生、传输和存储大量数据。但数据量大并不意味着就是大数据，未经处理的数据是一种负担，大数据的价值在于通过数据共享、交叉复用后，从海量的无序的数据背后找出规律性的结论。笔者所在的广州珠江数码集团正在构建的大数据分析系统（如图1所示）就是通过对各种广电数据源的清洗和挖掘分析，以及深层的策略处理，将原始数据转变成用户家庭的消费喜好、消费层次、成员构成、年龄范围等高价值的可商业化数据，以帮助运营商的决策支持、运营方案制定、用户消费产品的精准定位，从而实现互动数字电视各种内容对用户的推送、广告平台的精准投放以及引导用户的消费习惯养成。

国内互联网行业在大数据应用方面已经先行一步，而且单一城市的广电运营商的数据量相对于互联网巨头来说只能算是“小数据”。但正是由于互联网内容过于广泛，数据噪声偏大，而且其在某一指定区域用户渗透率不高，还有基于个人行为的采集，很难如实反映当地受众的整体状况。而基于广电网络的用户行为数据挖掘分析，相比互联网，更具备家庭特性、基于指定区域以及密度更高的采集优势。以家庭结构为单位，由用户观看节目的行为数据作为基础，结合用户信息进行数据挖掘，这样的数据噪声更小，形成区域性用户的消费爱好、消费习惯、消费层次等数据定位更加准确，这是广电行业进行大数据分析应用的优势[1-3]。

图1 广电大数据分析系统的总体架构图

但是大数据本身只是发掘和分析了数据，它不能直接变现，要让大数据的结果产生价值，还需有载体去运用这些结论，也就是用大数据把用户和服务连接起来。对于广电而言，其中一个有效的载体就是社区化的服务。

3 大数据与社区化服务的结合

一方面，各种小微企业和本地化、社区化服务商迫切地需要广告渠道，各种基层组织迫切地需要沟通渠道；另一方面，用户也有寻找这些服务的需求，而目前这些大都是通过一些传统的方式进行。例如，人们经常在报纸中看到附近超市的促销单张，在小区门口看到周围饭店的宣传广告，在小区宣传栏看到社区选举的通知等，这是一片需求旺盛的蓝海，拥有详实用户数据的有线电视运营商没理由忽视这一市场。可以看到很多有线电视运营商正在这方面积极尝试，例如与社区合作进行政务、财务和便民服务信息公开，与小区物业合作进行小区宣传、通知，自动抄表、扣缴水电费等。但是更多的是偏重于信息发布，可能还是因为习惯于运营广播类的业务。

珠江数码也在很早以前就开展了类似的信息发布尝试，但是一直不温不火，也没有什么效益。经过调研及用户反馈，发现用户更加期待的是O2O的方式，即线上的信息与线下的服务相结合，这就与大数据相结合。可以通过大数据分析系统发掘出用户的消费喜好、消费层次、成员构成、年龄范围等高价值的可商业化数据，再与O2O的电商合作（例如大众点评、赶集网、电子地图等）或者自建服务平台，有针对性地推送服务信息，并将用户的消费评价加以整理反馈，形成闭环。

这种商业模式的优点显而易见，消费者线上筛选，能够及时、全面、快捷地了解到所需要的服务信息；商家线上对目标客户宣传揽客，成本低廉，针对性强；有线运营商和O2O电商既增加了用户黏性又得到一部分收益。尤其是社区化的小微企业，既无力在电视报纸门户网站上做大规模广告，也没有必要去做，但又迫切需要宣传促销，这种小成本的方式是十分有效的，之前风靡一时的团购热潮也正说明了这一点。而有线网络运营商的方式变被动地等待用户发起信息搜索为主动地向目标用户推送信息，无疑更加拓展和促进了这一模式。

4 应用系统的初步实现

4.1 系统架构

珠江数码拟开展的社区化服务是正在搭建的大数据商业智能系统的重要应用之一，其总体架构如图2所示。

图2 大数据商业智能系统架构图

该商业智能系统处理采用多层架构，按系统流程环节，分为数据处理层、业务处理层、终端处理层3个环节（如图3所示）。数据处理层负责与大数据系统数据的通信、采集、集中存储及多业务数据的策略整合，形成多业务策略智能化管理的功能；业务处理层负责系统各业务逻辑、策略匹配、异步部署、业务应用服务，形成触发策略部署管理和应用服务功能；终端处理层完成推送策略的执行以及业务应用的交互展示[4]。

社区化服务正是依托这一系统开展，其功能实现主要集中在多业务策略智能化管理和终端技术处理两个方面。

4.2 多业务策略智能化管理

多业务策略智能化管理模块是大数据商业智能系统的核心之一。根据应用服务的需求，该模块对大数据分析系统提供的用户、节目等数据进行智能分析，形成标准的策略模板，从而为应用服务的部署完成数据整合、策略制定等工作。下面就社区化服务部署所需要注意的两个环节进行探讨。

4.2.1 数据元素的配置定义

对于社区化服务来说，首先就是要知道终端用户在哪里，他们需要什么，社区服务提供商又在哪里，他们提供什么，然后才可以速配成功，这就需要将源数据的不同字段抽出来，进行不同的组合和匹配，这就是数据元素的配置定义。珠江数码开发中的商业智能系统可以灵活配置不同的数据元素建立模型，创建并管理多维的数据模型，由数据元素不同的组合和匹配，形成不同层面的需求和结果[4]。部分数据元素如图4所示。

以居委会的选举通知这个业务需求为例，需要的元素包括家庭成员的年龄范围（选民年龄有要求）、标准化的区域地址（选民按区域投票）、节目类型（选民年龄段通常会观看的节目）等。当然这里就需要在前期就根据业务部署的需要，尽可能广泛地定义好源数据的字段，然后通过多种数据采集方式尽可能地予以填充。

4.2.2 分发策略的管理

业务分发策略简单地说就是制定推送的触发条件和推送方式。为了实现高效、灵活和准确的机顶盒终端信息推送，需要根据业务部署的场景要求和数据组合模式，定义出一定数量具有代表性的模板，不同的模板都有其对应的数据模型和分发策略，例如家庭主妇模板、老龄人模板、区域生活信息广告模板、官方信息发布模板等。这样每一个新的业务部署时，都可以根据原有模板进行拆分组合，快速地制定触发条件和推送方式，配合触发策略管理模块，就可以方便地实现新业务部署。

同时，应当建立业务触发的取消机制，在任何时间、任何终端都可以停止或者取消某个业务的触发，以确保信息安全和播出安全。

4.3 终端技术处理

长期以来，用户机顶盒都是千人一面，通过大数据分析处理后，可以为用户定制个性化的界面，动态地修改每个用户机顶盒的接入界面及菜单显示内容，这也是开展大数据商业应用的重要前提之一。但是当机顶盒终端向应用服务请求时，大量的图片、数据等信息将加重系统的执行效率与网络的负载压力，因此需要结合触发策略部署管理，对机顶盒的接收、缓存、显示等进行处理。例如数据尽可能采用异步部署，建立不同业务的不同优先级等。

同时，需要充分考虑用户体验，如果简单地将推送的信息直接叠加在电视画面上，很容易引起用户的反感，因此需要采取多种显示手段，例如用户按特定的键进入显示界面；或者与用户的手机等移动终端关联，将信息推送到移动终端显示等。这些都需要做好前期的调研和准备。

5 结束语

大数据的应用迄今为止在各行各业只是刚刚开始，缺乏成熟的商业模式和技术架构。而我国的有线电视行业正面临着前所未有的挑战，本文旨在抛砖引玉，提出一个发展方向。有线电视运营商迫切需要走出去，与互联网、社区、小微企业等更广泛的上下游合作伙伴相结合，构建新的业务模式和新的产品，使有线电视运营商能够融入未来的新的生态圈中。

[1]汪云.融合时代的大数据发展[J].电视技术，2013，37（22）：1-3.

[2]姜中介，黄锴.大数据的“微”能量[EB/OL].[2014-02-10].http∶// www.21cbh.com/HTML/2013-6-22/wNNDE1XzcwOTUwNw.htm l.

[3] 孔彬.大数据，广电必须写好的大文章[J].中国数字电视，2013（5）：42-45.

[4] 孙亮.基于大数据应用的互动电视增强业务研究[J].电视技术，2013，37（22）：7-10.

TN949；TN915

A

�� 京

2014-03-13

【本文献信息】李锐.有线电视运营商基于大数据开展社区化的服务[J].电视技术，2014，38（16）.