IPTV/OTT 精细化运营体系构建指南在移动互联网冲击下

在移动互联网冲击下， IPTV/OTT 业务正在经历着一场转型巨变，如何吸引用户注意力，如何构建全媒体传播格局，打破传统与现代之间的桎梏与边界，如何顺应互联网生存，成为行业正在面临的机遇与挑战。
而大数据与用户行为分析技术，使得媒体比过往任何时候都能更快、更精准地了解受众特点，驾驭日益丰富的媒体内容形态与互动形式，创新线上媒体传播方式。
神策数据《存量经营时代：数据驱动 IPTV/ OTT 精细化运营》白皮书立足 IPTV/OTT 行业现状，探索精细化运营的核心发力点及未来发展方向，分别从数据根基建设、数据赋能业务、数据驱动实例等角度出发，为存量经营时代的 IPTV/OTT 指明关键发展路径，构建行业核心竞争力。
报告目录

文章图片

文章图片
精彩抢先看
一、搭建完整的数据根基体系
采用“以终为始”的方案。
所谓以终为始，就需要我们在建数据根基平台之前先梳理清楚数据需求，在当前阶段规划出希望通过数据实现的主要目标。相关人员需要通过对数据应用进行梳理，解决业务部门的各种问题，从而实现降本、增效、创收的目的。同时，也需要根据自身发展规划，构建战略地图，根据业务发展方向及维度构建业务和应用的数据地图，并通过应用地图清晰地治理、应用数据，管理整个数据体系，如与平台运营相关的业务指标、用户行为相关的数据指标，以及用户画像相关的需求等。
之后，基于数据需求的梳理，再进行拆分下钻，梳理出为实现所有数据需求，需要采集的用户行为事件及对应的属性。
有了数据采集方案，我们就知道到底需要采集哪些事件，以及采集哪些属性，那么就可以根据数据采集方案制定出埋点方案，确定在前端 EPG 界面采集哪些数据、在后端服务器采集哪些数据。行业中的一般埋点方案如下图，供参考。

文章图片

文章图片
最后，需要进行数据校验。数据校验可以分成两个阶段。第一阶段的数据校验主要包括基本的 Schema 校验、简单质量指标、自定义规则质量指标及智能质量指标，在本次数据校验过程中将不合法数据提取出来进行暂存处理，待不合法数据修正后重新导入数据校验模块，再次进行数据校验工作，保证所有数据符合统一标准后再导入到数据存储中。
当完成上述动作后，将进行第二阶段的后置数据校验，目的为确保后端数据分析模块的数据准确性。
二、实现机器学习与人工经验的完美融合
在内容列表、Banner 位、Icon 等 EPG 栏位增加热门节目专题，是 IPTV/OTT 行业常见的运营手段，但是导航栏资源有限，而热点节目频发，此时，基于千人千面的推荐系统，可以实现差异化的内容展示。
除了规则推荐， IPTV/OTT 行业还可以通过深度学习等先进机器学习算法，实现“千人千面”的个性化推荐，改善用户体验，提升核心业务指标。IPTV/OTT 具有以下 4 大特征：终端角色、内容曝光次数及爆点、收视连续性、内容标准。

文章图片

文章图片
神策数据智能推荐系统覆盖 IPTV/OTT 业务中的“EPG 栏目页推荐”“搜索页推荐”“个人中心推荐”“详情页推荐”“直播点播推荐”及“分类页面”六类页面，包括“热门推荐”“猜你喜欢”“相关推荐”“专题推荐”“最新上线”“大家都在看”“收视排行榜”“分类排行”等多种常见的场景。利用 10 余种算法模型，解决业务痛点，比如提升开机率、增加订购人数、解决付费人数低迷、改变用户续订难等。