精細化運營分析系統(tǒng)構建IPTV精細化運營體系

張 庸 張艷瑩

1.2.內(nèi)蒙古廣播電視臺 內(nèi)蒙古 呼和浩特市 010050

精細化運營分析系統(tǒng)基于目前業(yè)界領先的大數(shù)據(jù)平臺技術框架搭建，提供運營數(shù)據(jù)采集匯聚、業(yè)務運營模型分析、數(shù)據(jù)接口服務等功能，實現(xiàn)對IPTV 業(yè)務數(shù)據(jù)的統(tǒng)一接入、采集存儲、統(tǒng)計分析、深度挖掘，提供全網(wǎng)、全用戶、全業(yè)務的綜合分析數(shù)據(jù)、對外數(shù)據(jù)接口服務。

1 目 的

精細化運營分析系統(tǒng)的目標就是建立整套的數(shù)據(jù)采集、數(shù)據(jù)建模、模型分析、業(yè)務應用的數(shù)據(jù)系統(tǒng)，使得運營人員可以完成數(shù)據(jù)分析，并在業(yè)務系統(tǒng)中進行應用。其核心是通過統(tǒng)計用戶行為事件的指標，并篩選相關事件屬性與用戶屬性，來為運營人員提供數(shù)據(jù)支撐。

通過建設精細化運營分析系統(tǒng)，采集用戶行為數(shù)據(jù)、媒資數(shù)據(jù)以及第三方數(shù)據(jù)，對數(shù)據(jù)進行清洗處理，建立事件表和用戶表的數(shù)據(jù)模型。在數(shù)據(jù)模型的基礎上，構建分析模型，將運營人員從枯燥的數(shù)據(jù)分析中解放出來，直接使用模型獲得想要的數(shù)據(jù)。模型包括事件分析模型、留存分析模型、漏斗分析模型、路徑分析模型、屬性分析模型、分布分析模型等，數(shù)據(jù)分析的模型化降低了業(yè)務分析的門檻，使得運營人員可以隨時進行針對性的數(shù)據(jù)分析，自行篩選需要的指標，從而達到“數(shù)”以致用的目的。

2 系統(tǒng)設計

精細化運營分析系統(tǒng)采用分層設計、分級處理的系統(tǒng)架構，系統(tǒng)架構如圖1 所示。

圖1

2.1 數(shù)據(jù)采集

IPTV 業(yè)務系統(tǒng)主要包括探針數(shù)據(jù)及清洗后的話單數(shù)據(jù)、C3 數(shù)據(jù)、C2 媒資數(shù)據(jù)、媒資補充數(shù)據(jù)以及第三方數(shù)據(jù)（如訂購信息、用戶信息等）；

數(shù)據(jù)采集層設計滿足同時支持多個業(yè)務系統(tǒng)、多終端、多種格式的數(shù)據(jù)源的接入和數(shù)據(jù)采集的功能要求。

2.2 數(shù)據(jù)預處理

可滿足對不同數(shù)據(jù)源多節(jié)點數(shù)據(jù)的收集，并完成原始數(shù)據(jù)的標準化處理、檢查校驗（有效性檢查、合理性檢查、完整性檢查）、剔重過濾等預處理，最終形成系統(tǒng)統(tǒng)計分析和數(shù)據(jù)共享所需的基礎數(shù)據(jù)；

根據(jù)采集數(shù)據(jù)類型（結構化或非結構化數(shù)據(jù)）、統(tǒng)計分析需求、數(shù)據(jù)共享需求完成對采集數(shù)據(jù)的匯集、存儲、分發(fā)處理。

2.3 數(shù)據(jù)存儲

精細化運營分析系統(tǒng)采用關系型數(shù)據(jù)庫（ORACLE/MYSQL）用于存儲結構化數(shù)據(jù)；采用分布式存儲數(shù)據(jù)庫，例如Hadoop Hbase，HDFS 等。其支持高效讀寫、海量存儲，支持分布式水平擴展和集群內(nèi)冗余備份，不僅查詢功能強大，還可以實現(xiàn)復雜的類似SQL 關系查詢。

2.4 數(shù)據(jù)模型

通過事件分析、留存分析、漏斗分析、路徑分析、用戶分析等模型，對用戶行為事件進行統(tǒng)計分析；

業(yè)務統(tǒng)計數(shù)據(jù)分析模型的事務處理采用分布式、集群部署模式，每個事務處理服務器上內(nèi)嵌內(nèi)存數(shù)據(jù)庫，保證了高可靠、實時響應。

2.5 數(shù)據(jù)應用

數(shù)據(jù)分析指導頁面編輯通過分析用戶使用頁面的頻度，針對性的進行優(yōu)化；

活動評估分析專題活動的參與人數(shù)規(guī)模，活動人群的留存及轉化情況等；

訂購分析展現(xiàn)人群的行為特點、觀影習慣、剩余天數(shù)，以便進行差異化服務；

用戶分群對分析出的用戶進行歸類分群，以便精準運營；

通過在線數(shù)據(jù)訪問服務API，為三方系統(tǒng)提供數(shù)據(jù)分析結果。

3 系統(tǒng)接口設計

3.1 數(shù)據(jù)采集接口

系統(tǒng)提供統(tǒng)一數(shù)據(jù)采集接口服務，實現(xiàn)從廣電域和互聯(lián)網(wǎng)各系統(tǒng)或平臺采集多源異構的海量數(shù)據(jù)。采集數(shù)據(jù)包括但不限于全網(wǎng)用戶直播、點播、回看等視頻點播產(chǎn)生的數(shù)據(jù)；所有用戶在EPG 上所產(chǎn)生的任何行為數(shù)據(jù)以及C2 或互聯(lián)網(wǎng)媒資數(shù)據(jù)以及從外部系統(tǒng)收集頻道、節(jié)目等內(nèi)容資源數(shù)據(jù)；EPG系統(tǒng)提供的直播頻道信息和節(jié)目信息；點播和回看系統(tǒng)提供點播回看節(jié)目信息，以及用戶視頻點播行為信息。

采集接口有EPG 實時探針、App 采集SDK、FTP 文件接口等方式（如圖2 所示）。

圖2

3.2 數(shù)據(jù)服務接口

數(shù)據(jù)服務接口向其他基礎業(yè)務系統(tǒng)提供數(shù)據(jù)分析的結果數(shù)據(jù)，即用戶分群的用戶畫像信息。向運營推薦系統(tǒng)提供基于用戶特點的行為數(shù)據(jù)，方便進行針對性的差異化運營。

4 系統(tǒng)功能特性

4.1 元數(shù)據(jù)管理

（1）事件的定義：事件定義為一個獨立的用戶操作行為。如瀏覽了一個網(wǎng)頁，觀看了一個視頻，發(fā)生了一次訂購等。事件的幾個要素用4W1H 表述：Who，When，What，Where，How。

Who：誰做了這個事件，即用戶的ID、名稱等；

When：什么時候做的這個事件，即開始時間，結束時間，持續(xù)時間等；

What：做了什么事情，即觀看直播、訂購、點播等；

Where：事情是在哪里發(fā)生的，即用戶所在的區(qū)域；

How：用戶怎么做的這個事情，即使用的機頂盒類型、版本，從哪個頁面跳轉等。

（2）事件表：事件表是統(tǒng)一管理的事件列表，包括事件包含哪些屬性，不同的事件因為行為特點的不同會有不同的屬性。

例如，直播事件的屬性包括頻道名稱、頻道ID、頻道分組等，點播事件的屬性包括影片名稱，影片的導演、演員，影片所屬欄目等，瀏覽事件的屬性主要包括頁面名稱、上一個頁面名稱、所屬欄目等。

（3）事件屬性：用戶行為事件的屬性，不同的事件有不同的屬性。

如點播事件的屬性是播放的內(nèi)容名稱、播放內(nèi)容的標簽等，瀏覽事件的屬性是頁面名稱及欄目名稱等，訂購事件的屬性是產(chǎn)品的價格及名稱。

將事件的屬性統(tǒng)一在屬性池中管理，為不同的事件設置不同的屬性。

（4）用戶表：用戶表的信息包括用戶的基本屬性以及用戶的行為屬性。

用戶的基本屬性包括用戶ID、姓名、地址、手機號、生日、身份證號碼、用戶所在區(qū)域、用戶的機頂盒型號、用戶的機頂盒軟件版本等固有屬性標簽。

用戶的行為屬性包括用戶的開戶時間、首次登陸時間、訂購產(chǎn)品包剩余天數(shù)、入網(wǎng)天數(shù)、上次登陸時間、用戶在線時段、畫像標簽等，同時還包括根據(jù)用戶的實際行為而產(chǎn)生的屬性標簽。

4.2 數(shù)據(jù)分析模型

4.2.1 模型概述

精細化運營分析系統(tǒng)是建立在數(shù)據(jù)模型基礎上的模型化分析系統(tǒng)。事件表和用戶表是通過一個用戶ID 進行關聯(lián)的，各種分析模型也都建立在這兩張表之上。即做什么事的是什么人，有多少人，這些人有哪些屬性特點，事情本身又有哪些屬性特點。用戶可以自己增加篩選條件進行數(shù)據(jù)挖掘和分析，精準定位到符合自己業(yè)務特點的用戶群。

同一個事件，通過各個模型的綜合分析，就可以知道這個事件的受歡迎程度、用戶群的規(guī)模、在哪些地區(qū)受歡迎、對哪類用戶影響大、產(chǎn)品的盈利等情況，從而為運營人員和企業(yè)領導在做下一步?jīng)Q策的時候提供數(shù)據(jù)支撐。

4.2.2 事件分析

事件分析通過對某個用戶的行為模型進行統(tǒng)計分析，從而判斷該行為的影響和價值。例如，統(tǒng)計某一個頻道的指標，如CCTV-1 的收視人數(shù)、收視次數(shù)、收視時長；統(tǒng)計某一個欄目的指標，如少兒欄目的收視人數(shù)、收視次數(shù)、收視時長；統(tǒng)計訪問某一頁面的指標，如電影首頁的訪問次數(shù)；統(tǒng)計訪問某一功能的指標，如搜索次數(shù)。

事件分析模型包含幾個重要的概念：事件、維度、統(tǒng)計指標、事件屬性、用戶屬性等，支持用戶從不同的維度查看事件指標，同時支持事件屬性、用戶屬性的篩選，通過不斷下鉆分析做到精準定位。

4.2.3 留存分析

留存分析包含狹義和廣義兩種。狹義的留存分析是指用戶先做了事件A，之后第N 天又做了事件A，那么這個用戶就是事件A 的N 日留存用戶。初始事件與后續(xù)事件可以是同一事件，或者有業(yè)務相關性的事件。例如，初始事件是用戶收看央視節(jié)目，后續(xù)事件是用戶收看CCTV-1，或者初始事件是用戶收看CCTV-1，后續(xù)事件也是用戶收看CCTV-1。

廣義的留存分析是指用戶先做了事件A，之后第N 天又做了事件B，那么這個用戶就是事件A 引流用戶對事件B 的N 日留存用戶，初始事件與后續(xù)事件也可以是完全不同的事件，即完全無業(yè)務相關性的事件。例如，初始事件是用戶觀看CCTV-1，后續(xù)事件是用戶看到點播節(jié)目。

4.2.4 漏斗分析

漏斗分析是一套流程式數(shù)據(jù)分析，它能夠科學反映用戶行為狀態(tài)以及從起點到終點各階段用戶轉化率的情況。通過漏斗模型統(tǒng)計可展示用戶在不同層級的頁面上訪問的情況以及轉化情況。

4.2.5 路徑分析

路徑分析包含兩個部分，即統(tǒng)計用戶從某一個行為開始之后的行為操作統(tǒng)計，統(tǒng)計用戶到達某一個行為之前的操作路徑。

4.3 用戶分組

用戶分組是將具有相同屬性和特點的用戶進行歸類，創(chuàng)建成相應的用戶分組，把經(jīng)由留存分析、漏斗分析、用戶分析等分析模型篩選出來的用戶歸類到同一個組里并進行管理。

舉例分析使用場景如下：向瀏覽過訂購頁的用戶發(fā)送優(yōu)惠券；向觀看直播頻道的用戶推薦點播內(nèi)容；針對某個城市的用戶進行促銷活動；向習慣看美國片的用戶推薦新上映的美國片。

4.4 系統(tǒng)性能

系統(tǒng)采用目前業(yè)界領先的查詢引擎進行OLAP 實時數(shù)據(jù)分析處理方案，能有效應對用戶的實時數(shù)據(jù)查詢需求，實現(xiàn)大容量高并發(fā)分布式的查詢機制，保證系統(tǒng)響應時間和查詢的穩(wěn)定性，處理性能得到大幅提升。

（1）選用高性能通用服務器（如48 核+，256GB 內(nèi) 存，SSD 硬盤的通用服務器）搭建實時分析的大數(shù)據(jù)集群，且可通過軟硬件的升級擴容滿足200 萬終端用戶行為數(shù)據(jù)分析的要求；

（2）系統(tǒng)數(shù)據(jù)采集處理支持單點故障自動切換，峰值可緩存數(shù)據(jù)，延后處理，數(shù)據(jù)不積壓、不丟失；

（3）系統(tǒng)采用實時數(shù)據(jù)共享服務接口向第三方系統(tǒng)實時提供數(shù)據(jù)，延時低于1 分鐘；

（4）系統(tǒng)按照本項目建設要求設計支持多套備份策略以滿足不同數(shù)據(jù)安全管理需求，包括數(shù)據(jù)增量備份時間周期不超過24 小時，數(shù)據(jù)全備份時間周期不超過7天，數(shù)據(jù)永久保存；

（5）系統(tǒng)采用雙路冗余網(wǎng)絡設計、分布式集群部署等安全保障機制，無單點故障，支持自動負載均衡，集群中單點宕機或單點關機不會影響對系統(tǒng)正常數(shù)據(jù)采集處理，確保7×24 小時系統(tǒng)穩(wěn)定運行。

總結

精細化運營分析系統(tǒng)的搭建為IPTV 播控平臺進一步完善了整套的集數(shù)據(jù)采集、數(shù)據(jù)建模、模型分析、業(yè)務應用為一體的數(shù)據(jù)系統(tǒng)，不但為運營人員提供了強有力的數(shù)據(jù)支撐，也通過在業(yè)務系統(tǒng)中的應用為IPTV 用戶提供了精細化、差異化的經(jīng)營服務。