如今，在移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算的發(fā)展與應(yīng)用下，各行各業(yè)面臨著新舊的沖擊和顛覆。廣電行業(yè)也不例外，本文為神策數(shù)據(jù)基于服務(wù)1000多家標桿企業(yè)的經(jīng)驗為你深度剖析廣電行業(yè)的困境與破局方式。

一、困境：廣電行業(yè)的發(fā)展趨勢與挑戰(zhàn)

廣電行業(yè)伴隨著沖擊迎來了2.0時代——互動電視階段。該階段顛覆了過去單向、刻板的傳播方式，讓廣播電視行業(yè)的觀眾向"用戶"轉(zhuǎn)變。如下圖，為廣電行業(yè)發(fā)展趨勢：

 

 

廣電行業(yè)的發(fā)展趨勢

事實上，在移動互聯(lián)網(wǎng)時代的迅猛發(fā)展下，新媒體行業(yè)憑借信息傳播的及時性、海量性與多樣性等優(yōu)勢逐漸分割大量媒體市場，對廣電媒體發(fā)展帶來極大挑戰(zhàn)，具體可分為內(nèi)部和外部兩方面的因素，如下圖：

 

 

互動電視階段下面臨的困境

二、破局點：以用戶為中心的數(shù)據(jù)驅(qū)動

在媒體融合和大數(shù)據(jù)發(fā)展的背景下，廣播電視行業(yè)要逐步轉(zhuǎn)變傳統(tǒng)理念和運營模式，借助大數(shù)據(jù)平臺采集、存儲、挖掘數(shù)據(jù)資產(chǎn)，通過大數(shù)據(jù)平臺對媒體內(nèi)容數(shù)據(jù)、用戶服務(wù)數(shù)據(jù)進行全方位分析挖掘，其中的關(guān)鍵是建立以用戶為中心的數(shù)據(jù)驅(qū)動，以此為業(yè)務(wù)運營、產(chǎn)品優(yōu)化、內(nèi)容推薦提供決策支持。廣播電視行業(yè)向以用戶為中心的運營思路轉(zhuǎn)變，需積極把握用戶需求與偏好，制作并傳輸符合用戶心理預(yù)期和感觀體驗的節(jié)目內(nèi)容，研究用戶的行為數(shù)據(jù)與用戶的互動數(shù)據(jù)，應(yīng)用大數(shù)據(jù)技術(shù)在以"用戶"為中心格局下研究廣播電視業(yè)務(wù)新的需求特點，創(chuàng)新廣播電視業(yè)務(wù)產(chǎn)品，才能更好地促進發(fā)展。具體可從用戶、內(nèi)容、產(chǎn)品、服務(wù)四個方面展開，如下：

 

 

數(shù)據(jù)搭建以用戶為中心的運營思路

究其根本是以數(shù)據(jù)驅(qū)動為加速引擎，通過用戶行為數(shù)據(jù)的采集、分析、應(yīng)用、反饋的閉環(huán)，實現(xiàn)用戶需求的精準洞察，并采取相應(yīng)產(chǎn)品服務(wù)的創(chuàng)新以贏得用戶的喜愛。

三、數(shù)據(jù)驅(qū)動痛點及數(shù)據(jù)生產(chǎn)流程的建設(shè)

廣播電視行業(yè)搭建以用戶為中心的運營思路的基礎(chǔ)為數(shù)據(jù)運營體系及流程規(guī)范的穩(wěn)步搭建，但目前廣電行業(yè)在實踐數(shù)據(jù)化運營時最常遇到以下幾個問題：

 

 

廣電行業(yè)數(shù)據(jù)驅(qū)動的難點

這四大問題的根源是數(shù)據(jù)采集、數(shù)據(jù)分析等數(shù)據(jù)化驅(qū)動基礎(chǔ)不完善。下面簡單介紹數(shù)據(jù)整合及指標體系建設(shè)：

將不同探針、埋點的數(shù)據(jù)整合(包括用戶瀏覽頁面、推薦位點擊、節(jié)目播放、服務(wù)訂購等)，并豐富相應(yīng)的維度屬性(比如節(jié)目媒資信息)，進而根據(jù)業(yè)務(wù)需求設(shè)計科學(xué)全面的數(shù)據(jù)指標體系是數(shù)據(jù)化驅(qū)動的基礎(chǔ)。

在數(shù)據(jù)生成過程中也不止是技術(shù)開發(fā)探針采集即可。為了避免采集錯誤、遺漏等數(shù)據(jù)不可用問題，需要在企業(yè)內(nèi)部建設(shè)并規(guī)范好數(shù)據(jù)生成的全流程，如下圖為神策數(shù)據(jù)的數(shù)據(jù)高質(zhì)量保障流程：

 

 

神策數(shù)據(jù)的數(shù)據(jù)高質(zhì)量保障流程

數(shù)據(jù)的定義、采集需求由業(yè)務(wù)人員從業(yè)務(wù)需要出發(fā)進行整理，并非所有的數(shù)據(jù)、所有的維度都需要進行采集。

首先需求確定后，由數(shù)據(jù)產(chǎn)品或數(shù)據(jù)分析師對需求進行埋點設(shè)計，將業(yè)務(wù)需求具象為技術(shù)實現(xiàn)形式，保障最終的采集結(jié)果能夠滿足業(yè)務(wù)需求。方案設(shè)計完成后，由探針或埋點開發(fā)人員開發(fā)并完成自測，這是保證數(shù)據(jù)準確可用的第一層流程保障。開發(fā)完成后，還需要由測試工程師進行二次測試，從數(shù)據(jù)正確性、順序性、完整性三方面對數(shù)據(jù)進行全面的技術(shù)驗收，這是保證數(shù)據(jù)準確可用的第二層流程保障。數(shù)據(jù)上線后，再由業(yè)務(wù)人員以及分析師使用驗收，確認數(shù)據(jù)是否與業(yè)務(wù)需求一致，這是保證數(shù)據(jù)準確可用的第三層流程保障。以上基本為一個企業(yè)建立數(shù)據(jù)驅(qū)動化基礎(chǔ)的流程。

四、以用戶為中心的數(shù)據(jù)驅(qū)動內(nèi)容運營

廣播電視行業(yè)數(shù)據(jù)驅(qū)動內(nèi)容運營主要包含采集用戶觀影數(shù)據(jù)，分析內(nèi)容偏好趨勢，搭建內(nèi)容評價體系，指導(dǎo)內(nèi)容采購生成，優(yōu)化內(nèi)容編排。推薦位運營是廣播電視行業(yè)運營編輯的主要工作之一。現(xiàn)主要存在以下問題：

根據(jù)節(jié)目總體數(shù)據(jù)評估效果，無法排除其他來源影響

關(guān)注點播和訂購數(shù)據(jù)，無法獲知用戶轉(zhuǎn)化的流失環(huán)節(jié)

無法分離推薦位與推薦內(nèi)容的相互影響

廣播電視行業(yè)客戶的原有數(shù)據(jù)系統(tǒng)大多以看板為主，而且是大類數(shù)據(jù)，比如各頁面UV、PV或播放的UV、PV、時長等。在推薦位分析時的核心痛點是無法區(qū)分推薦內(nèi)容的多來源數(shù)據(jù)，只有一個整體數(shù)據(jù)，如只能看到《流浪地球》的總體點擊量，不能看到點擊量的來源，而且沒法分析推薦位的轉(zhuǎn)化路徑(點擊推薦位-詳情頁/專題頁-試看-試看結(jié)束-訂購成功)，更無法分析哪些內(nèi)容的點擊數(shù)據(jù)好，以及指導(dǎo)后續(xù)的內(nèi)容與推薦位的高效匹配。

下面具體介紹推薦位訂購歸因分析、推薦位訂購轉(zhuǎn)化分析：

推薦位訂購歸因分析

在IPTV業(yè)態(tài)中，增值服務(wù)包的訂購是非常重要的收入來源，而且一般來說，超過一半的服務(wù)包訂購是通過各頻道頁面的推薦位導(dǎo)流。因此，如何更好地利用數(shù)據(jù)優(yōu)化推薦位流量運營，是提升IPTV訂購金額的關(guān)鍵之一。

而推薦位的轉(zhuǎn)化歸因，根據(jù)不同的業(yè)務(wù)形態(tài)，歸因的方式有很多，比如綜合電商常用訂購前最后一次點擊的推薦位，再比如家裝社區(qū)認為一系列推薦位點擊共同貢獻，而對于IPTV來說，最常用的也是末位歸因方式。在神策分析中，使用者可以自由地在多種歸因方式之間切換，選擇適合自己的業(yè)務(wù)模型。如下圖，為神策分析的歸因分析界面，可自主選擇不同的歸因分析模型。

 

 

神策分析歸因分析界面

上圖是神策分析中的歸因分析結(jié)果，我們以用戶的訂購成功作為轉(zhuǎn)化事件，以推薦位點擊作為待歸因事件，按照末位歸因模型，這時神策分析就會自動回溯每次訂購成功最近一次的推薦位點擊，并進行訂購次數(shù)或訂購金額的統(tǒng)計。

比如在上述結(jié)果中，電影頻道的第二屏第二排位置(推內(nèi)容《流浪地球》)是訂購貢獻度最大的推薦位，該推薦位共被點擊過378次，有71次在點擊后試看并完成了訂購，因此推薦位的流量轉(zhuǎn)化是16.4%。

當我們有了電視上各頻道各推薦位的用戶點擊流量、流量轉(zhuǎn)化率，就能有的放矢地進行流量優(yōu)化運營，最常見的思路是將轉(zhuǎn)化好、流量低的推薦位內(nèi)容調(diào)到更顯眼的推薦位、提升流量，將流量大、轉(zhuǎn)化差的內(nèi)容調(diào)到頻道或?qū)ｎ}的推薦位，提高導(dǎo)流的精準性。通過數(shù)據(jù)驅(qū)動的精準優(yōu)化，在整體流量、用戶不變的情況下，也能產(chǎn)生更多的訂購。

 

 

推薦位流量運營的思路

B、推薦位訂購轉(zhuǎn)化分析

除了推薦位的訂購歸因，我們在上面提到的當發(fā)現(xiàn)推薦位內(nèi)容的訂購轉(zhuǎn)化較差時，需要通過更深的分析尋找原因，比如是因流量不夠精準還是因內(nèi)容本身質(zhì)量較差造成轉(zhuǎn)化率較低。

下面舉例來說明推薦位的轉(zhuǎn)化分析思路。比如在首頁某個推薦位全量上線《流浪地球》電影后，通過漏斗分析發(fā)現(xiàn)推薦位點擊-詳情頁-試看–訂購成功的轉(zhuǎn)化率為0.5%。那么這個轉(zhuǎn)化率是好還是差還是一般呢，我們可以按照下述思路進行分析：

 

 

可以看到主要可從位置因素和內(nèi)容因素兩個方面進行分析。比如，我們通過漏斗分析分析此推薦位過去90天的整體轉(zhuǎn)化率，以此對比新上的《流浪地球》轉(zhuǎn)化如何;又比如限定本推薦位過往推薦的科幻電影，分析此位置過往科幻電影的轉(zhuǎn)化率情況，對比新上片的效果。再者，除了推薦位點擊-詳情頁-試看-訂購成功整個流程的轉(zhuǎn)化率分析，還能對比新上片轉(zhuǎn)化是在哪個環(huán)節(jié)較低，判斷是因為詳情頁后介紹不吸引、沒試看完，還是試看完后沒進行訂購等。也能跟本位置的過往電影進行比較，分析上述舉例環(huán)節(jié)在過往推薦內(nèi)容中是否存在相似問題。

 

 

推薦位轉(zhuǎn)化效果分析

五、以用戶為中心的數(shù)據(jù)驅(qū)動產(chǎn)品運營

廣播電視行業(yè)產(chǎn)品在互聯(lián)網(wǎng)視頻產(chǎn)品的高速發(fā)展沖擊下，對顛覆傳統(tǒng)產(chǎn)品服務(wù)，加強產(chǎn)品的智能化實踐提出了更高要求，由于其用戶畫像的豐富多樣性和觀看場景的完整性(分發(fā)曝光幾率小)，導(dǎo)致對精準個性化推薦的需求更為迫切。下面針對這一核心痛點，下面展開介紹：

針對廣播電視行業(yè)的內(nèi)容特征，個性化推薦能針對性地揚長避短，促進業(yè)務(wù)增長，如廣播電視行業(yè)的存在信息過載和馬太效應(yīng)的兩大特征，針對信息過載，企業(yè)需要提供用戶感興趣的節(jié)目，增加用戶體驗;針對馬太效應(yīng)，企業(yè)需要利用節(jié)目的長尾效應(yīng)，加強傳播效果。如下：

首頁個性化推薦

企業(yè)可先將節(jié)目庫數(shù)據(jù)、用戶行為數(shù)據(jù)與推薦系統(tǒng)(如神策智能推薦)打通，通過推薦系統(tǒng)基于用戶行為與偏好的排序集進行"千人千面"定制，同時可以加入人工干預(yù)的運營規(guī)則，將用戶當下的行為數(shù)據(jù)，實時反饋給推薦系統(tǒng)進行分析和運營干預(yù)，提升首頁推薦流量精準度。在這個過程中的關(guān)聯(lián)指標為CTR、人均點擊次數(shù)、點擊播放率。

 

 

首頁個性化推薦應(yīng)用場景

猜你喜歡推薦

猜你喜歡推薦與首頁推薦的主要差別在于猜你喜歡對推薦內(nèi)容的把控度要更高。首先，企業(yè)可以將點播節(jié)目庫數(shù)據(jù)與推薦系統(tǒng)(如神策智能推薦)打通，再基于用戶行為數(shù)據(jù)將視頻內(nèi)容分門別類形成不同的視頻子集，用于賦能各個細分場景的推薦，如猜你喜歡、播放結(jié)束推薦、搜索頁推薦等，且在這個過程中用戶行為數(shù)據(jù)最好是保持實時更新，以保證推薦的精準度。在首頁、搜索頁等流量位置基于用戶行為進行偏好推薦的猜你喜歡，可提升人均播放時長，同時為付費內(nèi)容、服務(wù)引流、提升訂購業(yè)務(wù)次數(shù)，其關(guān)聯(lián)指標為CTR、點擊播放率、點擊付費率。

 

 

猜你喜歡推薦應(yīng)用場景

下面以某個使用神策智能推薦的IPTV企業(yè)為例，介紹廣播電視行業(yè)的個性化推薦應(yīng)用(神策智能推薦系統(tǒng)是一款百度視頻、東方明珠、惠頭條、媽媽幫等行業(yè)標桿企業(yè)都在使用的推薦系統(tǒng))。

某IPTV播放平臺A在使用神策智能推薦前采用人工編輯，以周為時間周期固定內(nèi)容全量推薦。在明確廣播電視行業(yè)的發(fā)展趨勢后，急需引入智能推薦引擎，實現(xiàn)"千人千面"的個性化推薦，以實現(xiàn)提升影視推薦的精準度、更新頻率和提升用戶觀影體驗的兩個主要目標。

A企業(yè)在接入神策智能推薦后，不僅對比人工推薦讓CTR指標提升了6倍、對推薦內(nèi)容的人均瀏覽次數(shù)也提升了1.9倍，同時在整個實施過程中接受了神策數(shù)據(jù)整體方案的培訓(xùn)，A企業(yè)的算法團隊能力也有了顯著提升，并將方案試圖推廣到其他駐地。

此外，神策推薦的運營干預(yù)后臺賦能運營編輯能夠進行全局內(nèi)容的播控管理，比如封禁某些敏感內(nèi)容，置頂、必推某些節(jié)目內(nèi)容等等。

 

 

某IPTV推薦實踐

 

 

神策推薦的運營干預(yù)功能

六、數(shù)據(jù)驅(qū)動用戶運營

目前，廣播電視行業(yè)的用戶運營意識還比較薄弱，大部分沒有專門的用戶運營團隊，運營方式單一，有很大的潛能可挖掘。廣電企業(yè)用戶運營的一大困境是用戶的大量流失，其流失后再進行召回的難度和成本很大，而防止用戶流失的第一步是預(yù)先識別潛在的流失。下面具體介紹：

首先，廣電企業(yè)需要定義流失，通過一些流失用戶的特征來進行流失用戶的判定，如隨著時間推移，一直沒有開機的用戶越來越少，并趨于穩(wěn)定，這群一直不開機的用戶即可定義為流失。

事實上，廣電企業(yè)可以通過建立適合自身的用戶沉默流失曲線來判定流失，如此一來用戶所處生命周期階段便一目了然，可及時抓住黃金時機進行用戶運營干預(yù)，促進用戶的活躍防止流失等。如下圖，某廣電企業(yè)將連續(xù)不開機4天的用戶定義為沉默用戶;將連續(xù)10天不開機的用戶定義為流失用戶。

 

 

用戶沉默流失曲線

明確流失用戶的定義后，企業(yè)可以使用相關(guān)的數(shù)據(jù)分析工具進行更細粒度的分析。如使用神策分析可以通過用戶行為特征定位流失用戶群(如下圖)，并保存為單獨的流失用戶群以進行不同行為的流失分析，如開機流失、點播流失、直播流失等分析。

 

 

神策分析的用戶行為流失分析

同時，在明確流失用戶群后，企業(yè)還可以做更豐富的維度探索，挖掘沉默用戶特征，如下圖，企業(yè)可通過使用度減少、內(nèi)容滿足度下降、觀影角色變化、服務(wù)到期四個方面進行分析，定位沉默流失用戶潛在的具體特征行為。

 

 

用戶流失原因分析

企業(yè)明確沉默用戶及流失用戶特征后，可通過用戶行為分析工具進行多維干預(yù)，及時防止沉默或流失，如通過神策分析的用戶分群將沉默用戶和流失用戶群劃分出來，給沉默用戶進行偏好內(nèi)容的推薦，激發(fā)用戶的再次活躍;給流失用戶進行優(yōu)惠促銷的信息推送，促進用戶的再次使用和活躍等。

除此之外，企業(yè)還可以通過用戶行為分析，進行線上線下運營的打通。舉個例子，當企業(yè)通過線上的用戶行為數(shù)據(jù)的標簽發(fā)現(xiàn)某些用戶的使用度降低，社區(qū)經(jīng)理就可以去這些用戶的家中進行訪問和溝通，了解具體原因，之后企業(yè)也可以將這些反饋結(jié)果通過標簽的形式加到線上的數(shù)據(jù)系統(tǒng)中，從而建立流失用戶特征的提煉，建立流失特征標簽，生成沉默用戶群，如此一來，就實現(xiàn)了線上運營到線下客情維護再到運營策略制定和實施的打通。

 

 

數(shù)據(jù)賦能線下運營流程

綜上所述，廣電行業(yè)的升級變革離不開數(shù)據(jù)和用戶兩個關(guān)鍵，其核心建立在數(shù)據(jù)驅(qū)動基礎(chǔ)上的以用戶為中心的業(yè)務(wù)實踐。未來，神策數(shù)據(jù)也將致力于賦能廣電企業(yè)數(shù)字經(jīng)濟轉(zhuǎn)型發(fā)展和突破創(chuàng)新，以數(shù)字化技術(shù)加速產(chǎn)業(yè)變革。

現(xiàn)在神策智能推薦已有免費demo可體驗，歡迎在神策數(shù)據(jù)官網(wǎng)體驗。

關(guān)于神策數(shù)據(jù)

神策數(shù)據(jù)是專業(yè)的大數(shù)據(jù)分析平臺服務(wù)提供商，致力于幫助客戶實現(xiàn)數(shù)據(jù)驅(qū)動。公司圍繞用戶級大數(shù)據(jù)分析和管理需求，推出神策分析、神策用戶畫像、神策智能運營、神策智能推薦、神策客景等產(chǎn)品。

此外，還提供大數(shù)據(jù)相關(guān)咨詢和完整解決方案。神策數(shù)據(jù)積累了中國銀聯(lián)、中國電信、百度視頻、小米、中郵消費金融、海通證券、廣發(fā)證券、東方證券、中原銀行、百信銀行、中青旅、平安壽險、四川航空、翼支付、好未來、VIPKID、東方明珠、華潤、有贊、百姓網(wǎng)、貨拉拉、閃送、驢媽媽、Keep、36氪、拉勾、VUE、春雨醫(yī)生、聚美優(yōu)品、惠頭條、紛享銷客、媽媽幫等1000余家付費企業(yè)用戶的服務(wù)和客戶成功經(jīng)驗，為客戶全面提供指標梳理、數(shù)據(jù)模型搭建等專業(yè)的咨詢、實施和技術(shù)支持服務(wù)。希望更深入了解神策數(shù)據(jù)或有數(shù)據(jù)驅(qū)動相關(guān)問題，請撥打電話咨詢，會有專業(yè)的工作人員為您解答。

(責任編輯：胡廷康)