基于大數(shù)據(jù)的廣播電視技術(shù)轉(zhuǎn)型

文｜陳亞然 梁 宇 曹三省

大數(shù)據(jù)研究背景

1、大數(shù)據(jù)基本概念

隨著當(dāng)代移動(dòng)通信、移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、物聯(lián)網(wǎng)、三網(wǎng)融合等新興技術(shù)的發(fā)展，大量的數(shù)據(jù)已經(jīng)累積成了豐厚的資源。通常所稱(chēng)的大數(shù)據(jù)（Big data），或者巨量數(shù)據(jù)、海量數(shù)據(jù)、大資料，指的是所涉及的數(shù)據(jù)量規(guī)模巨大到無(wú)法通過(guò)人工，在合理時(shí)間內(nèi)達(dá)到截取、管理、處理并整理成為人類(lèi)所能解讀的信息。它數(shù)量巨大、結(jié)構(gòu)復(fù)雜，是由類(lèi)型眾多的數(shù)據(jù)構(gòu)成的數(shù)據(jù)集合。大數(shù)據(jù)是基于云計(jì)算的數(shù)據(jù)處理與應(yīng)用模式，是通過(guò)數(shù)據(jù)的集成共享、交叉復(fù)用形成的智力資源和知識(shí)服務(wù)能力。

最早提出“大數(shù)據(jù)”時(shí)代到來(lái)的是全球知名咨詢(xún)公司麥肯錫，麥肯錫稱(chēng)：“數(shù)據(jù)，已經(jīng)滲透到當(dāng)今每一個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域，成為重要的生產(chǎn)因素。人們對(duì)于海量數(shù)據(jù)的挖掘和運(yùn)用，預(yù)示著新一波生產(chǎn)率增長(zhǎng)和消費(fèi)者盈余浪潮的到來(lái)?！蹦壳?，全球的電子化信息量是千萬(wàn)億兆的數(shù)據(jù)量，預(yù)計(jì)2020年整個(gè)數(shù)據(jù)量可能會(huì)達(dá)到35千萬(wàn)億兆。根據(jù)著名的分析調(diào)研機(jī)構(gòu)IDC的研究報(bào)告《從混沌中提取價(jià)值》顯示，僅2011年，全球就產(chǎn)生了1.8ZB（也就是1.8萬(wàn)億GB）的大數(shù)據(jù)。另外，有資料顯示，淘寶網(wǎng)站每天有超過(guò)數(shù)千萬(wàn)筆交易，單日數(shù)據(jù)產(chǎn)生量超過(guò)50TB；百度公司每天大約要處理60 億次搜索請(qǐng)求，幾十PB數(shù)據(jù)。這些都是基于以云計(jì)算為代表的大存儲(chǔ)量技術(shù)基礎(chǔ)之上，目前，計(jì)算機(jī)存儲(chǔ)單位已從G、T發(fā)展到P（1P=1024T）。可以說(shuō)，如果沒(méi)有云計(jì)算的迅速發(fā)展，不會(huì)這么快迎來(lái)大數(shù)據(jù)時(shí)代的到來(lái)。

據(jù)統(tǒng)計(jì)，2012 年中國(guó)“大數(shù)據(jù)”市場(chǎng)規(guī)模達(dá)到4.5億元，2013年還將持續(xù)增長(zhǎng)，未來(lái)3年內(nèi)有望突破40億元，2016年有望達(dá)到百億規(guī)模，如圖1 所示。

2、廣電行業(yè)中的大數(shù)據(jù)概況

廣電行業(yè)站在媒體信息融合的制高點(diǎn)，本身掌握著豐富的數(shù)據(jù)資源，不管是來(lái)自電視、廣播、網(wǎng)絡(luò)還是移動(dòng)終端。廣電行業(yè)在大數(shù)據(jù)面前同時(shí)扮演著接收、處理和傳播的角色。一方面廣電行業(yè)從各種渠道接收到大量信息，另一方面又將大量信息傳遞給受眾。所以研究廣電行業(yè)在大數(shù)據(jù)時(shí)代的影響具有重要的意義。

1）邁入大數(shù)據(jù)的基礎(chǔ)

隨著本世紀(jì)初“數(shù)字化浪潮”的襲來(lái)，傳統(tǒng)廣播、電視、報(bào)紙、期刊、手機(jī)、互聯(lián)網(wǎng)等各種媒介形態(tài)內(nèi)容經(jīng)由模擬到數(shù)字的融合技術(shù)，紛紛轉(zhuǎn)換為由一串“0”、“1”比特流編碼表示的信息。從此，它們有了統(tǒng)一數(shù)字編碼的基礎(chǔ)，這種基礎(chǔ)也為廣電行業(yè)步入大數(shù)據(jù)時(shí)代奠定了基礎(chǔ)。廣播電視內(nèi)容數(shù)字化后更易于存儲(chǔ)、

圖1 2011～2016年中國(guó)大數(shù)據(jù)應(yīng)用市場(chǎng)規(guī)模與增長(zhǎng)（數(shù)據(jù)來(lái)源：賽迪顧問(wèn)）

在互聯(lián)網(wǎng)、電信網(wǎng)、廣播電視網(wǎng)三網(wǎng)融合的背景下，大數(shù)據(jù)時(shí)代正在到來(lái)，廣電行業(yè)站在多數(shù)據(jù)信息融合的制高點(diǎn)，掌握了大量數(shù)據(jù)。大數(shù)據(jù)時(shí)代不僅對(duì)廣電行業(yè)的發(fā)展帶來(lái)了巨大的影響，廣電行業(yè)也應(yīng)利用大數(shù)據(jù)做出順應(yīng)時(shí)代的改進(jìn)。結(jié)合數(shù)據(jù)挖掘、數(shù)據(jù)分析相關(guān)技術(shù)，廣電行業(yè)可以獲得更多詳細(xì)的信息，生產(chǎn)出分流更細(xì)的產(chǎn)品呈現(xiàn)給用戶(hù)，為用戶(hù)生活帶來(lái)更多方便。傳輸、使用和分享，而且也大大促進(jìn)了廣電行業(yè)和互聯(lián)網(wǎng)之間的結(jié)合發(fā)展，多屏多終端的內(nèi)容傳輸功效更是推動(dòng)了大數(shù)據(jù)時(shí)代數(shù)據(jù)信息的共享融合。之后，隨著三網(wǎng)融合時(shí)代的到來(lái)，廣播電視網(wǎng)、電信網(wǎng)、互聯(lián)網(wǎng)等在過(guò)去承載不同信息內(nèi)容的介質(zhì)網(wǎng)絡(luò)，逐漸實(shí)現(xiàn)了各種信息在其上的業(yè)務(wù)融合。網(wǎng)絡(luò)視頻、交互式網(wǎng)絡(luò)電視（IPTV）、互聯(lián)網(wǎng)電視（OTT TV）等互聯(lián)網(wǎng)與電視融合的視聽(tīng)新媒體形態(tài)越來(lái)越多，實(shí)現(xiàn)了數(shù)據(jù)信息多元融合交互化。通過(guò)以上一系列技術(shù)的升級(jí)，廣電行業(yè)具備了一定在大數(shù)據(jù)時(shí)代發(fā)展業(yè)務(wù)的基礎(chǔ)。

2）廣電行業(yè)面臨的威脅

在大數(shù)據(jù)時(shí)代下，廣電行業(yè)也面臨許多威脅。雖然從軟件和硬件設(shè)施上來(lái)看，廣電體系已經(jīng)長(zhǎng)期坐擁內(nèi)容制作優(yōu)勢(shì)和布局完善的有線(xiàn)渠道優(yōu)勢(shì)，但是從市場(chǎng)份額占有來(lái)看，電視收視市場(chǎng)確實(shí)在全球范圍內(nèi)出現(xiàn)了持續(xù)性的萎縮，以央視春晚收視率為例我們可以看出具體情況（如圖2）。目前，視頻網(wǎng)站Netf lix已經(jīng)可以利用大數(shù)據(jù)制作出《紙牌屋》這樣符合觀眾口味的電視節(jié)目，電信運(yùn)營(yíng)商也正在原有基礎(chǔ)上希望將多年累積的用戶(hù)數(shù)據(jù)拓展到IPTV領(lǐng)域，并為其提供更有針對(duì)性的服務(wù)和內(nèi)容，而谷歌、蘋(píng)果、微軟這樣的巨頭也隨著大數(shù)據(jù)時(shí)代的到來(lái)，借助OTT TV希望在傳統(tǒng)電視媒體領(lǐng)域有所表現(xiàn)，這些巨頭公司運(yùn)用強(qiáng)大的數(shù)據(jù)分析能力，將會(huì)為用戶(hù)生產(chǎn)出更為強(qiáng)大智能的電視內(nèi)容。

3）大數(shù)據(jù)帶來(lái)的影響

廣電行業(yè)本身就對(duì)數(shù)據(jù)充滿(mǎn)了興趣，多年行業(yè)發(fā)展一直用收視率分析節(jié)目信息。通過(guò)數(shù)據(jù)他們可以將一個(gè)個(gè)看不見(jiàn)摸不著的用戶(hù)提煉出具體詳細(xì)的信息，然后又參考數(shù)據(jù)“重建”一個(gè)習(xí)慣、喜好清晰透明的“用戶(hù)”。比如用戶(hù)們都是哪個(gè)年齡段，他們都在看什么節(jié)目，每個(gè)節(jié)目他們大概看了多久，不同地區(qū)用戶(hù)喜歡看怎樣的節(jié)目。當(dāng)前電視機(jī)和機(jī)頂盒的結(jié)合已經(jīng)可以應(yīng)對(duì)這些問(wèn)題，機(jī)頂盒作為一個(gè)封閉的終端已經(jīng)能夠有效記錄大量數(shù)據(jù)，能對(duì)觀眾開(kāi)關(guān)機(jī)頂盒、轉(zhuǎn)換頻道以及使用增值業(yè)務(wù)等操作行為進(jìn)行精確到秒的詳細(xì)記錄。

但是，大數(shù)據(jù)時(shí)代來(lái)臨后，廣播電視系統(tǒng)許多傳統(tǒng)指標(biāo)將會(huì)發(fā)生不同于以往的顯著影響。以前我們對(duì)于廣播電視傳播內(nèi)容的評(píng)估主要是用收視率、收聽(tīng)率等，但是在大數(shù)據(jù)時(shí)代，用戶(hù)將可以從更多終端選擇內(nèi)容獲取，也將有更多數(shù)據(jù)形式出現(xiàn)在統(tǒng)計(jì)行列。大數(shù)據(jù)時(shí)代，如果僅靠機(jī)頂盒回傳海量用戶(hù)數(shù)據(jù)樣本用于測(cè)量的方法應(yīng)該不再行得通。

圖2 2007年至2013 年央視一套（CCTV-1）央視春晚收視率

基于網(wǎng)絡(luò)電視媒體的發(fā)展，當(dāng)今電視媒體創(chuàng)作人員應(yīng)該把網(wǎng)絡(luò)平臺(tái)播出的特殊性考慮進(jìn)去，不應(yīng)僅僅制作能在電視上觀看的節(jié)目。未來(lái)電視節(jié)目制作或許會(huì)轉(zhuǎn)變?yōu)橐曨l節(jié)目制作。

隨著多年來(lái)互聯(lián)網(wǎng)業(yè)務(wù)的蓬勃發(fā)展，互聯(lián)網(wǎng)帶來(lái)的個(gè)性化、智能化、交互性服務(wù)，讓電視機(jī)前的觀眾數(shù)量流失。因?yàn)殡娨暀C(jī)本身具備占據(jù)家庭客廳優(yōu)勢(shì)，所以在這種情況下，電視機(jī)不應(yīng)僅僅滿(mǎn)足放電視的功能。如今的OTT TV、IPTV等都在大力發(fā)掘電視的其他功能，希望電視在扮演客廳主導(dǎo)地位的同時(shí)發(fā)揮更完善的功能，比如通過(guò)對(duì)新興產(chǎn)業(yè)技術(shù)的融合研發(fā)，大力開(kāi)發(fā)基于數(shù)字電視基礎(chǔ)之上的視頻點(diǎn)播、電子政務(wù)、銀行支付、民生信息、電視通話(huà)、寬帶接入、家庭智能化等多種新業(yè)務(wù)。通過(guò)這些業(yè)務(wù)實(shí)現(xiàn)，不僅能滿(mǎn)足家庭用戶(hù)的多樣化需求，還能帶來(lái)更大的數(shù)據(jù)，而對(duì)這些數(shù)據(jù)的有效處理已經(jīng)不再是傳統(tǒng)意義上的廣播電視功能了，而是將電視放置在了更大的社會(huì)背景里。

大數(shù)據(jù)中的數(shù)據(jù)處理

1、大數(shù)據(jù)特點(diǎn)

數(shù)據(jù)（Data）是載荷或記錄信息的按一定規(guī)則排列組合的物理符號(hào)?？梢允菙?shù)字、文字、圖像，也可以是計(jì)算機(jī)代碼。對(duì)信息的接收始于對(duì)數(shù)據(jù)的接收，對(duì)信息的獲取只能通過(guò)對(duì)數(shù)據(jù)背景的解讀。而“大數(shù)據(jù)”則是一個(gè)體量特別大，數(shù)據(jù)類(lèi)別特別大的數(shù)據(jù)集，并且這樣的數(shù)據(jù)集無(wú)法用傳統(tǒng)數(shù)據(jù)庫(kù)工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理。

大數(shù)據(jù)具有4V特點(diǎn)，即Volume（大量）、Velocity（高速）、Variety（多樣）、Veracity（精確）。大數(shù)據(jù)的4個(gè)“V”，或者說(shuō)特點(diǎn)有四個(gè)層面：第一，數(shù)據(jù)體量巨大。一般在TB級(jí)別；第二，數(shù)據(jù)類(lèi)型繁多。來(lái)源渠道可以是網(wǎng)絡(luò)日志、視頻、圖片、地理位置信息等等。第三，價(jià)值密度低，商業(yè)價(jià)值高，數(shù)據(jù)真實(shí)性高。以視頻為例，連續(xù)不間斷監(jiān)控過(guò)程中，可能有用的數(shù)據(jù)僅僅有一兩秒。第四，處理速度快。1秒定律。即使在數(shù)據(jù)量非常龐大的情況下，也能夠做到數(shù)據(jù)的實(shí)時(shí)處理。最后這一點(diǎn)也是和傳統(tǒng)的數(shù)據(jù)處理技術(shù)有著本質(zhì)的不同。

2、大數(shù)據(jù)處理方法

實(shí)際應(yīng)用中大數(shù)據(jù)的處理方法有很多，根據(jù)各種流程可以概括出大數(shù)據(jù)處理流程大概有四步，分別是采集、導(dǎo)入和預(yù)處理、統(tǒng)計(jì)和分析，以及挖掘。如圖3。

采集 大數(shù)據(jù)的采集是指利用多個(gè)數(shù)據(jù)庫(kù)來(lái)接收從各客戶(hù)端（Web、App或者傳感器形式等）發(fā)出的數(shù)據(jù)，并且用戶(hù)可以通過(guò)這些數(shù)據(jù)庫(kù)來(lái)進(jìn)行簡(jiǎn)單的查詢(xún)和處理工作。比如電商可以使用傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)MySQL和Oracle等來(lái)存儲(chǔ)每一筆事務(wù)數(shù)據(jù)，另外，Redis和MongoDB這樣的NoSQL數(shù)據(jù)庫(kù)也常用于數(shù)據(jù)的采集。

導(dǎo)入/預(yù)處理 雖然采集端本身會(huì)有很多數(shù)據(jù)庫(kù)，但是如果要對(duì)這些海量數(shù)據(jù)進(jìn)行有效的分析，還是應(yīng)該將這些來(lái)自前端的數(shù)據(jù)導(dǎo)入到一個(gè)集中的大型分布式數(shù)據(jù)庫(kù)，或者分布式存儲(chǔ)集群，并且可以在導(dǎo)入基礎(chǔ)上做一些簡(jiǎn)單的清洗和預(yù)處理工作。

統(tǒng)計(jì)/分析 統(tǒng)計(jì)與分析主要利用分布式數(shù)據(jù)庫(kù)，或者分布式計(jì)算集群來(lái)對(duì)存儲(chǔ)于其內(nèi)的海量數(shù)據(jù)進(jìn)行普通的分析和分類(lèi)匯總等，以滿(mǎn)足大多數(shù)常見(jiàn)的分析需求，在這方面，一些實(shí)時(shí)性需求會(huì)用到EMC 的GreenPlum、Oracle的Exadata，以及基于MySQL的列式存儲(chǔ)Infobright等，而一些批處理，或者基于半結(jié)構(gòu)化數(shù)據(jù)的需求可以使用Hadoop。

挖掘 與前面統(tǒng)計(jì)和分析過(guò)程不同的是，數(shù)據(jù)挖掘一般沒(méi)有什么預(yù)先設(shè)定好的主題，主要是在現(xiàn)有數(shù)據(jù)上面進(jìn)行基于各種算法的計(jì)算，從而起到預(yù)測(cè)（Predict）的效果，從而實(shí)現(xiàn)一些高級(jí)別數(shù)據(jù)分析的需求。比較典型算法有用于聚類(lèi)的K-Means、用于統(tǒng)計(jì)學(xué)習(xí)的SVM和用于分類(lèi)的Naive Bayes，主要使用的工具有Hadoop的Mahout等。

圖3 大數(shù)據(jù)處理流程

從表1可以看出，數(shù)據(jù)挖掘軟件經(jīng)歷了五代發(fā)展，從第一代只能是單個(gè)算法單個(gè)機(jī)器、向量數(shù)據(jù)。第二代軟件已經(jīng)可以和數(shù)據(jù)庫(kù)以及數(shù)據(jù)倉(cāng)庫(kù)集成，并且有多個(gè)算法。第三代則跨越性和預(yù)測(cè)模型系統(tǒng)集成，開(kāi)始支持Web數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)，是一種網(wǎng)絡(luò)化計(jì)算。第四代是分布式數(shù)據(jù)挖掘，是基于網(wǎng)格計(jì)算來(lái)做多個(gè)算法，分布在多個(gè)節(jié)點(diǎn)上的方式。第五代則是基于云計(jì)算的并行數(shù)據(jù)與服務(wù)模式。同一個(gè)算法可以分布在多個(gè)節(jié)點(diǎn)，多個(gè)算法間也能并行，計(jì)算資源按需分配?，F(xiàn)在大數(shù)據(jù)多與云計(jì)算結(jié)合，云計(jì)算能夠?qū)崿F(xiàn)高性能、低成本的計(jì)算，能夠保證分布式并行數(shù)據(jù)挖掘和高效實(shí)時(shí)挖掘。

3、廣電行業(yè)數(shù)據(jù)處理

大數(shù)據(jù)技術(shù)的戰(zhàn)略意義不在于掌握龐大的數(shù)據(jù)信息，而在于對(duì)于這些信息進(jìn)行專(zhuān)業(yè)化處理得到更有用內(nèi)容。如果把大數(shù)據(jù)比作一個(gè)龐大的工廠(chǎng)，那么數(shù)據(jù)挖掘在其中則扮演“加工”用，對(duì)于工廠(chǎng)效益的提高，則需通過(guò)增加加工能力來(lái)實(shí)現(xiàn)。

在“三網(wǎng)融合”的大環(huán)境和大趨勢(shì)下，有線(xiàn)電視公司相比于互聯(lián)網(wǎng)和電信企業(yè)，不管在運(yùn)營(yíng)方式以及效率上都處于劣勢(shì)。因?yàn)榛ヂ?lián)網(wǎng)和電信企業(yè)已經(jīng)領(lǐng)先一步及早通過(guò)對(duì)大數(shù)據(jù)的挖掘進(jìn)行經(jīng)營(yíng)和管理上的改良，提高效率，改善模式。他們通過(guò)聚類(lèi)分群，區(qū)分對(duì)待不同的用戶(hù)，提供不同的服務(wù)。這和傳統(tǒng)的有線(xiàn)電視運(yùn)營(yíng)形成了強(qiáng)烈的對(duì)比。所以在如此嚴(yán)峻的情況下，廣電行業(yè)更應(yīng)提高數(shù)據(jù)挖掘應(yīng)用程度。而數(shù)據(jù)挖掘分析一定要根據(jù)不同運(yùn)營(yíng)商需求分析出合適的方法，根據(jù)自己的特色選取最優(yōu)方案。

結(jié)合廣電行業(yè)自身發(fā)展，為了更好的對(duì)數(shù)據(jù)進(jìn)行處理，我們?cè)跇?biāo)準(zhǔn)的數(shù)據(jù)處理流程之外還要結(jié)合一些其他行為。

（1）改良數(shù)據(jù)的采集方式，現(xiàn)在廣電運(yùn)營(yíng)商常常通過(guò)機(jī)頂盒雙向網(wǎng)自動(dòng)回傳方式實(shí)現(xiàn)海量、全網(wǎng)數(shù)據(jù)的采集工作。這樣一方面可以一定程度避免因樣本偏差、樣本污染或者不科學(xué)的計(jì)算方法引起的一系列收視率不可信問(wèn)題，還可以極大程度提高基本收視指標(biāo)數(shù)據(jù)的可信度。

（2）還應(yīng)擴(kuò)大采集的范圍，盡可能多的獲取用戶(hù)數(shù)據(jù)，最好能夠通過(guò)全網(wǎng)收視數(shù)據(jù)采集明確用戶(hù)的信息，并且能明確每個(gè)用戶(hù)的收視行為。用戶(hù)在直播收視之外的點(diǎn)播或其他增值業(yè)務(wù)數(shù)據(jù)也要搜集起來(lái)，因?yàn)橄啾扔谟^看直播節(jié)目，用戶(hù)主動(dòng)選擇的點(diǎn)播節(jié)目數(shù)據(jù)最能詳細(xì)反映用戶(hù)的觀看喜好和點(diǎn)播習(xí)慣。用戶(hù)的觀看評(píng)價(jià)更要收集。

（3）加深數(shù)據(jù)挖掘的理念和技術(shù)。由于之前廣電行業(yè)面對(duì)的數(shù)據(jù)均較為簡(jiǎn)單，因此通過(guò)簡(jiǎn)單的統(tǒng)計(jì)計(jì)算就能得出結(jié)果。隨著數(shù)據(jù)量及數(shù)據(jù)范圍的不斷擴(kuò)大，顯然通過(guò)簡(jiǎn)單的統(tǒng)計(jì)計(jì)算已遠(yuǎn)遠(yuǎn)不能滿(mǎn)足有線(xiàn)運(yùn)營(yíng)商的需求。這時(shí)候需要引入更加高級(jí)，與大數(shù)據(jù)量匹配的數(shù)據(jù)挖掘理念。

（4）應(yīng)該培養(yǎng)一批具備傳媒知識(shí)的數(shù)據(jù)人，不僅擅長(zhǎng)數(shù)據(jù)分析，還對(duì)傳媒行業(yè)有特別的敏感性。不能固步自封，要以創(chuàng)新的精神和眼光在當(dāng)前環(huán)境下發(fā)掘到更有價(jià)值信息。

表1 數(shù)據(jù)挖掘軟件發(fā)展歷程

大數(shù)據(jù)對(duì)廣電技術(shù)的轉(zhuǎn)型作用力

通過(guò)廣泛的數(shù)據(jù)采集，我們獲得了海量數(shù)據(jù)，對(duì)用戶(hù)觀看信息有了充足儲(chǔ)備，再加上智能高效的數(shù)據(jù)分析讓我們可以提取出更精準(zhǔn)的用戶(hù)使用習(xí)慣和喜好。獲取數(shù)據(jù)和分析數(shù)據(jù)都不是我們研究大數(shù)據(jù)時(shí)代廣電行業(yè)影響的終點(diǎn)，而是要學(xué)會(huì)如何運(yùn)用這些數(shù)據(jù)提取出企業(yè)運(yùn)營(yíng)的關(guān)鍵指標(biāo)，并能夠從中發(fā)現(xiàn)一些潛在的信息和規(guī)律，輔助企業(yè)經(jīng)營(yíng)狀況分析預(yù)測(cè)以及經(jīng)營(yíng)策略的制定，創(chuàng)造出更個(gè)性更特色更適合用戶(hù)的內(nèi)容。

1、智能節(jié)目推薦

在大數(shù)據(jù)的基礎(chǔ)上通過(guò)云計(jì)算，我們對(duì)用戶(hù)的收視行為進(jìn)行了分析，可以得出用戶(hù)在什么時(shí)間地點(diǎn)收看什么節(jié)目，可以得出每戶(hù)用戶(hù)對(duì)電視節(jié)目收看的喜好。

傳統(tǒng)的電視節(jié)目播放都是基于時(shí)間線(xiàn)傳送，現(xiàn)在我們可以將基于時(shí)間線(xiàn)的頻道資源碎片化，不再按時(shí)間管理，而是碎片為基于內(nèi)容的分塊頻道資源?？梢酝ㄟ^(guò)預(yù)先的分析，了解到每個(gè)電視頻道將在不同時(shí)間段播出哪些節(jié)目類(lèi)型，進(jìn)而將所有節(jié)目類(lèi)型歸納分類(lèi)，這不同于以往頻道編號(hào)或者頻道類(lèi)型進(jìn)行分類(lèi)的頻道方式，可以依據(jù)當(dāng)前頻道播出的節(jié)目類(lèi)型對(duì)于所有頻道進(jìn)行動(dòng)態(tài)分類(lèi)。用戶(hù)采用這樣的方式觀看電視時(shí)，改變了過(guò)去被動(dòng)的觀眾接收方式，變?yōu)橹鲃?dòng)的根據(jù)觀眾需求動(dòng)態(tài)選擇接收方式。

通過(guò)對(duì)用戶(hù)在VOD視頻點(diǎn)播上觀看的節(jié)目進(jìn)行數(shù)據(jù)分析后，能夠得出更直觀更有針對(duì)性的信息。將這些信息運(yùn)用在VOD視頻節(jié)目推薦上將能推薦出更針對(duì)用戶(hù)口味喜好的節(jié)目。比如用戶(hù)觀看了一部愛(ài)情片可能系統(tǒng)會(huì)為他再推薦一部愛(ài)情片或者同一個(gè)導(dǎo)演的片子。通過(guò)對(duì)用戶(hù)行為的分析，也能向用戶(hù)推薦其他用戶(hù)觀看的熱門(mén)節(jié)目，進(jìn)而提高用戶(hù)使用VOD視頻點(diǎn)播服務(wù)的活躍程度。

傳統(tǒng)電視節(jié)目通常按時(shí)間線(xiàn)性排序推出節(jié)目?jī)?nèi)容，所以通常當(dāng)觀眾看完一集節(jié)目時(shí)要到次日才能收看到下集節(jié)目，但是如果在VOD視頻點(diǎn)播系統(tǒng)中已經(jīng)儲(chǔ)存有這部節(jié)目，則可以在電視劇播完后提醒觀眾可以通過(guò)VOD視頻點(diǎn)播系統(tǒng)觀看接下來(lái)的集數(shù)。這樣，可以提高用戶(hù)的電視使用率，也能提高用戶(hù)對(duì)電視的粘性。

基于電視節(jié)目的個(gè)性化推薦，順理成章可以得出每位用戶(hù)使用的EPG一定是風(fēng)格不同的。用戶(hù)使用的EPG不在是電視運(yùn)營(yíng)商配備的統(tǒng)一標(biāo)準(zhǔn)，而是針對(duì)為用戶(hù)推薦的電視節(jié)目制定的個(gè)性化EPG。通過(guò)在EPG上導(dǎo)入社交元素，用戶(hù)可以實(shí)現(xiàn)對(duì)好友間、鄰居間電視節(jié)目收看情況的了解或者推薦，還可以對(duì)收看的電視節(jié)目進(jìn)行交流討論。這一系列行為可以增加用戶(hù)對(duì)電視使用的活躍度，也能增強(qiáng)用戶(hù)間交流的活躍度。

2、智能廣告投放

在使用電視和機(jī)頂盒時(shí)，數(shù)字電視機(jī)頂盒的UI交互界面為廣告運(yùn)營(yíng)商在系統(tǒng)中為用戶(hù)推送廣告提供了很好平臺(tái)空間。傳統(tǒng)數(shù)字電視的廣告即為EPG廣告、音量條廣告、換臺(tái)廣告、貼片廣告等?，F(xiàn)在通過(guò)基于云計(jì)算大數(shù)據(jù)處理后的技術(shù)應(yīng)用，廣告投放可以更加智能化個(gè)性化。

我們可以對(duì)用戶(hù)觀看的電視節(jié)目?jī)?nèi)容類(lèi)型進(jìn)行智能分析，進(jìn)而可以投放與該頻道內(nèi)容相關(guān)的廣告。例如我們可以為時(shí)常收看娛樂(lè)節(jié)目的用戶(hù)投放時(shí)尚用品廣告，為喜歡看體育節(jié)目的用戶(hù)投放體育用品的廣告，為喜歡看家庭電視劇的家庭人士投放家庭必需品廣告。通過(guò)這一行為不僅可以提高廣告的利用效率，也能減少用戶(hù)對(duì)廣告的反感，更能促進(jìn)廣電運(yùn)營(yíng)商和廣告商之間的合作，挽回流失到其他終端系統(tǒng)上的廣告投放額。

3、智能化客戶(hù)管理

在當(dāng)前社會(huì)發(fā)展環(huán)境下，經(jīng)過(guò)多年互聯(lián)網(wǎng)、電信網(wǎng)和數(shù)字電視領(lǐng)域的競(jìng)爭(zhēng)，用戶(hù)流失已經(jīng)是個(gè)非常明顯的現(xiàn)象 。隨著IPTV、網(wǎng)絡(luò)電視、手機(jī)電視等新型終端電視的發(fā)展，有線(xiàn)電視用戶(hù)流失在所難免。針對(duì)這些情況，我們可以對(duì)已有的有線(xiàn)電視用戶(hù)建立客戶(hù)屬性、服務(wù)屬性、客戶(hù)消費(fèi)情況等數(shù)據(jù)與客戶(hù)流失概率相關(guān)聯(lián)的數(shù)學(xué)模型，并給出明確的客戶(hù)流失概率計(jì)算公式，利用此模型來(lái)預(yù)報(bào)客戶(hù)流失的概率，對(duì)流失可能性較大的高價(jià)值客戶(hù)發(fā)出流失預(yù)警。針對(duì)不同客戶(hù)群體或者為提高客戶(hù)忠誠(chéng)度而推出各種優(yōu)惠政策。還可以結(jié)合客戶(hù)流失數(shù)據(jù)和消費(fèi)習(xí)慣分析優(yōu)惠政策是否達(dá)到預(yù)期效果。對(duì)于用戶(hù)欠費(fèi)情況也能得出風(fēng)險(xiǎn)預(yù)警。

4、收視率與運(yùn)行情況統(tǒng)計(jì)

傳統(tǒng)收視率測(cè)量手段采用的是抽樣測(cè)量的方法，即通過(guò)日記法或人員測(cè)量?jī)x法記錄到的被調(diào)查者個(gè)人的電視收視數(shù)據(jù)，具體即有電視的家庭戶(hù)（樣本戶(hù)）中每位成員（年齡4周歲及以上的被調(diào)查者）在每天連續(xù)的24小時(shí)內(nèi)每15分鐘（人員測(cè)量?jī)x為每分鐘）收看或不收看電視以及收看什么頻道的記錄信息。這種調(diào)查方法不僅成本高而且因?yàn)槿斯げ僮魅菀自斐扇藶閿?shù)據(jù)污染，采樣人數(shù)有限也會(huì)造成收視率的統(tǒng)計(jì)不完全準(zhǔn)確。

不同于以往的樣本采集收視率統(tǒng)計(jì)，基于云計(jì)算和大數(shù)據(jù)技術(shù)的收視率將更精確更實(shí)時(shí)。運(yùn)營(yíng)商可以通過(guò)雙向網(wǎng)絡(luò)實(shí)時(shí)收集每個(gè)電視終端的收視情況，結(jié)合不同地區(qū)不同時(shí)段的了解，可以細(xì)化出不同頻道不同節(jié)目的收視情況。根據(jù)這些實(shí)時(shí)收視情況，可以對(duì)用戶(hù)收視行為進(jìn)行引導(dǎo)，比如講要推廣的電視欄目向廣告一樣預(yù)先推送給觀眾，引導(dǎo)觀眾的收看行為。

基于智能機(jī)頂盒和大數(shù)據(jù)技術(shù)的運(yùn)行，我們可以在機(jī)頂盒中獲取大量數(shù)據(jù)。在雙向網(wǎng)絡(luò)的環(huán)境下，用戶(hù)機(jī)頂盒可以自動(dòng)記錄大量終端運(yùn)行情況，進(jìn)而可以對(duì)終端盒網(wǎng)絡(luò)的情況進(jìn)行良好的反饋和分析，有助于電視運(yùn)營(yíng)商提高質(zhì)量。我們可以記錄觀看節(jié)目時(shí)長(zhǎng)、信號(hào)傳輸質(zhì)量、網(wǎng)絡(luò)延時(shí)、終端CPU使用情況等。所以即使在信號(hào)傳輸發(fā)生故障造成中斷時(shí)，也能夠在第一時(shí)間獲得信息解決問(wèn)題。