朱聃 何燕锋 刘志军

【摘要】    以网络电视（IPTV）为代表的电视新媒体产业已从扩大用户规模为主的阶段进入以提升价值为目标的新阶段。精细化运营是提升现有IPTV产业价值必然的选择。针对目前IPTV业务运营系统存在的问题，文章提出了一种新的网络电视精细化运营支撑系统。该系统利用IPTV系统产生的海量数据，基于数据构建标签体系，进而生成用户、内容的精准画像。通过画像指导精细化的IPTV业务运营，帮助电信运营商提效增收。

【关键词】    交互式网络电视（IPTV）    精细运营    智能画像    标签体系

引言

2016年下半年，我国IPTV用户数不到1亿。四年多后的今天，工信部数据显示截至2020年8月全国IPTV用户数已达到3.07亿户，覆盖近10亿人;增长速度超过有线电视，也超过了OTT视频。

骄人数据背后，IPTV的用户增长速度其实已经放缓。数据显示2020年7-8月期间三大电信运营商IPTV平均每月只有150万的用户增长，低于2019年平均每月近400万户的增速，更远低于过去3-5年间的超高速增长。未来以用户数增长为主要目标的运营模式已经难以为继，存量用户的精细化运营将是未来电信运营商网络电视业务运营的必由之路。

数据是精细化运营的基础，而真正赋能精细化运营的则是基于数据构建的运营画像模型。本文所述的基于智能标签体系构建的智能画像，是以用户画像为核心，利用机器学习算法模型将不同运营场景的画像标签进行智能管理的画像模型。相比传统的用户画像，其针对不同运营场景的适应性、匹配度和自动化程度更高。

一、智能画像的构建

1.1 总体构建流程

智能画像模型的构建主要通过对于数据处理的四大步骤完成。

第一步是打通各个运营相关的应用和系统间的数据共享，实现数据的共享化，为构建画像模型提供坚实的数据基础

第二步是针对共享数据的原子化处理，实现对于数据的格式统一，命名规则统一、指标体系统一。原子化其实是指单一数据的完整性、独立性，为后续构建标签体系提供灵活的保障。针对共享数据原子化后，会形成结构化的数据字典，可以提供针对原子化数据的快速查询和检索。

第三步是标签化，是通过对结构化的原子数据进行统计、分析和算法处理，形成的面向运营实体的可被运营人员识别的语义标签。

第四步是模型化，基于运营实体标签体系，利用特定的模型构建面向运营场景的画像模型，最终生成智能画像模型。

1.2  构建标签体系

标签体系是构建智能画像的前提与模型保障，因为画像模型是否可用和好用直接取决于标签体系的设计与构建。对于普通运营人员来说，原始数据和数据字典都是非常技术化的数据体系，令人望而生畏;不仅无法支撑运营人员提升运营效率，反而会适得其反（因为数据无法被运营人员直接操作使用，导致相关支撑数据需要通过专业技术人员才能转化为运营人员可读的支撑数据，而这种转化往往要经历几周的时间）。

1.2.1  标签的分类与创建方式

标签主要分为实标签和虚标签。实标签主要有两种创建方式，一种是直接来源于数据字典的相关原子字段，称为事实标签;而另外一种是基于数据字典进行简单的统一和聚会生成的指标，成为统计标签。虚标签也有两种创建方式，一种是基于某种事件关系模型生成的标签，称为模型标签，和具体的运营场景相关;另外一种是基于AI预测模型生成的预测标签。

1.2.2  基于标签的运营场景模型

运营场景是通过运营时间将参与运营的实体进行关联的模型，也就是运营场景模型;而运营实体可以通过特定的标签集合进行标识，而事件也可以表示为管理参与运营实体的标签集合。由此，本文设计了OST（Object Scenario Tag）实体场景标签模型如下图1所示：

1.3  基于OST模型构建智能画像

基于OST模型构建智能画像的过程与下图2所示：

首先，基于运营场景构建OST模型，然后根据具体场景的精细化需要设定关键标签的过滤条件，然后将模型和过滤条件与具体的运营数据结合就形成了画像模型。而智能画像的智能则体现在OST建模和标签过滤的过程中，在基于OST模型针对运营场景建模过程中，可通过标签的相关性模型算法智能发现运营场景，提升运营人员对于运营价值发现的敏感度;而在实施精细化的过滤过程中，可以利用非监督算法和分类算法，智能调整过滤的阈值，让最终数据满足精细化的需求。

智能画像的输出模式有两种：一种以报表方式输出，提供特定运营场景的画像分析报告;另一种则以接口方式输出特定运营场景的画像数据，支撑相关的运营工具实施触点运营。

二、精细化运营赋能：基于智能画像的精细化运营支撑系统

2.1  系统架构

整体赋能系统的架构如下图3所示：

整体系统的架构分为五层，通过数据管理编排实现关联，而整体系统对于精细化运营的赋能体现在最上层，由四个阶段的功能组成：目标监测、经营分析、决策支撑和闭环优化。基于这四个功能系统可以实现精细化的运营目标管理和日常的精细化运营支撑。

2.2  闭环运营目标管理

通过智能画像运营支撑系统可以实现对运营目标的闭环管理，实现运营目标的精细化达成，步骤如下。

STEP1：运营目标关键指标通过大屏看板實时监测。包括用户渗透率、用户留存率、竞品分析、收入曲线等。

STEP2：基于热点进行运营分析。包括TOP重点内容分析;PV/UV等的趋势分析;未来引入内容分析等。

STEP3：基于用户进行运营分析。包括付费用户比例;用户留存、用户发展等指标。

STEP4：基于增值和套餐维度进行运营分析。包括套餐收入账单分析;套餐收入比例分析等。

STEP5：一键生成决策支撑报告。包括快速定制报告、报表;当前运营状况汇总分析;与目标差距分析等。

STEP6：根据支撑报告设定阶段性运营目标。如用户目标设定为付费用户比例提升x%，收入目标设定为年收入xx亿元等。

STEP7：对运营目标通过大屏看板实时监测，即转到STEP1，形成运营目标管理的闭环。

该闭环管理赋能运营管理人员，运营管理人员可以通过该功能实时或者定期监控运营目标的达成情况，并且可以根据分析报告调整运营目标，让运营的目标更加契合实际的运营投入。

2.3  闭环日常运营优化

对于日常的运营活动（如果推荐、广告等）实施数据化的监控、目标分析、决策支撑，同时可以根据支撑策略实施的结果进行闭环的监控和优化。包括目标客户圈群优化;推荐策略优化;广告策略优化等。

三、结论

网络电视业务的精细化运营是电信运营商基于庞大存量用户实现业务增长模式转变的关键，由原来粗放式的用户数量扩张转向对于用户价值的挖掘上。而精细化运营的成败取决于对于数据的赋能，本文所述基于智能画像的运营支撑系统通过对数据实施共享化、原子化、标签化和模型化，将数据转化为支撑精细化运营的AI能力，帮助电信运营商实现运营模式质的转变。

参  考  文  献

[1]王奕博，“基于用户画像的智能运营平台的设计与实现” 北京交通大学2019年硕士毕业论文

[2]方静，“数据驱动IPTV精细化运营的思路”，现代电视技术，2019.11