如今，在移動網際網路、大資料、雲計算的發展與應用下，各行各業面臨着新舊的沖擊和颠覆。廣電行業也不例外，本文将為你深度剖析廣電行業的困境與破局方式。
一、困境： 廣電行業的發展趨勢與挑戰 廣電行業伴随着沖擊迎來了 2.0 時代——互動電視階段。 該階段颠覆了過去單向、刻闆的傳播方式，讓廣播電視行業的觀衆向“使用者”轉變。 如下圖，為廣電行業發展趨勢：
圖 廣電行業的發展趨勢 事實上，在移動網際網路時代的迅猛發展下，新媒體行業憑借資訊傳播的及時性、海量性與多樣性等優勢逐漸分割大量媒體市場，對廣電媒體發展帶來極大挑戰，具體可分為内部和外部兩方面的因素，如下圖：
圖 互動電視階段下面臨的困境 二、破局點： 以使用者為中心的資料驅動 在媒體融合和大資料發展的背景下，廣播電視行業要逐漸轉變傳統理念和營運模式，借助大資料平台采集、存儲、挖掘資料資産，通過大資料平台對媒體内容資料、使用者服務資料進行全方位分析挖掘，其中的關鍵是建立以使用者為中心的資料驅動，以此為業務營運、産品優化、内容推薦提供決策支援。 廣播電視行業向以使用者為中心的營運思路轉變，需積極把握使用者需求與偏好，制作并傳輸符合使用者心理預期和感觀體驗的節目内容，研究使用者的行為資料與使用者的互動資料，應用大資料技術在以“使用者”為中心格局下研究廣播電視業務新的需求特點，創新廣播電視業務産品，才能更好地促進發展。 具體可從使用者、内容、産品、服務四個方面展開，如下：
圖 資料搭建以使用者為中心的營運思路 究其根本是以資料驅動為加速引擎，通過使用者行為資料的采集、分析、應用、回報的閉環，實作使用者需求的精準洞察，并采取相應産品服務的創新以赢得使用者的喜愛。 三、資料驅動痛點及資料生産流程的建設 廣播電視行業搭建以使用者為中心的營運思路的基礎為資料營運體系及流程規範的穩步搭建，但目前廣電行業在實踐資料化營運時最常遇到以下幾個問題：
圖 廣電行業資料驅動的難點 這四大問題的根源是資料采集、資料分析等資料化驅動基礎不完善。下面簡單介紹 資料整合及名額體系建設： 将不同探針、埋點的資料整合（包括使用者浏覽頁面、推薦位點選、節目播放、服務訂購等），并豐富相應的次元屬性（比如節目媒資資訊），進而根據業務需求設計科學全面的資料名額體系是資料化驅動的基礎。 在資料生成過程中也不止是技術開發探針采集即可。 為了避免采集錯誤、遺漏等資料不可用問題，需要在企業内部建設并規範好資料生成的全流程，如下圖為神策資料的資料高品質保障流程：
圖 神策資料的資料高品質保障流程 資料的定義、采集需求由業務人員從業務需要出發進行整理，并非所有的資料、所有的次元都需要進行采集。 首先需求确定後，由資料産品或資料分析師對需求進行埋點設計，将業務需求具象為技術實作形式，保障最終的采集結果能夠滿足業務需求。 方案設計完成後，由探針或埋點開發人員開發并完成自測，這是保證資料準确可用的第一層流程保障。 開發完成後，還需要由測試工程師進行二次測試，從資料正确性、順序性、完整性三方面對資料進行全面的技術驗收，這是保證資料準确可用的第二層流程保障。 資料上線後，再由業務人員以及分析師使用驗收，确認資料是否與業務需求一緻，這是保證資料準确可用的第三層流程保障。以上基本為一個企業建立資料驅動化基礎的流程。
四、以使用者為中心的資料驅動内容營運
廣播電視行業資料驅動内容營運主要包含采集使用者觀影資料，分析内容偏好趨勢，搭建内容評價體系，指導内容采購生成，優化内容編排。 推薦位營運是廣播電視行業營運編輯的主要工作之一。 現主要存在以下問題：
- 根據節目總體資料評估效果，無法排除其他來源影響
- 關注點播和訂購資料，無法獲知使用者轉化的流失環節
- 無法分離推薦位與推薦内容的互相影響
廣播電視行業客戶的原有資料系統大多以看闆為主，而且是大類資料，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分推薦内容的多來源資料，隻有一個整體資料，如隻能看到《流浪地球》的總體點選量，不能看到點選量的來源，而且沒法分析推薦位的轉化路徑（點選推薦位-詳情頁/專題頁-試看-試看結束-訂購成功），更無法分析哪些内容的點選資料好，以及指導後續的内容與推薦位的高效比對。 下面具體介紹推薦位訂購歸因分析、推薦位訂購轉化分析： A.推薦位訂購歸因分析 在 IPTV 業态中，增值服務包的訂購是非常重要的收入來源，而且一般來說，超過一半的服務包訂購是通過各頻道頁面的推薦位導流。 是以，如何更好地利用資料優化推薦位流量營運，是提升 IPTV 訂購金額的關鍵之一。 而推薦位的轉化歸因， 根據不同的業務形态，歸因的方式有很多，比如綜合電商常用訂購前最後一次點選的推薦位，再比如家裝社群認為一系列推薦位點選共同貢獻，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，選擇适合自己的業務模型。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。
圖 神策分析歸因分析界面 上圖是神策分析中的歸因分析結果，我們以使用者的訂購成功作為轉化事件，以推薦位點選作為待歸因事件，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選，并進行訂購次數或訂購金額的統計。 比如在上述結果中，電影頻道的第二屏第二排位置（推内容《流浪地球》）是訂購貢獻度最大的推薦位，該推薦位共被點選過 378 次，有 71 次在點選後試看并完成了訂購，是以推薦位的流量轉化是 16.4%。 當我們有了電視上各頻道各推薦位的使用者點選流量、流量轉化率，就能有的放矢地進行流量優化營運，最常見的思路是将轉化好、流量低的推薦位内容調到更顯眼的推薦位、提升流量，将流量大、轉化差的内容調到頻道或專題的推薦位，提高導流的精準性。 通過資料驅動的精準優化，在整體流量、使用者不變的情況下，也能産生更多的訂購。
圖 推薦位流量營運的思路 B、推薦位訂購轉化分析 除了推薦位的訂購歸因，我們在上面提到的當發現推薦位内容的訂購轉化較差時，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内容本身品質較差造成轉化率較低。 下面舉例來說明推薦位的轉化分析思路。 比如在首頁某個推薦位全量上線《流浪地球》電影後，通過漏鬥分析發現推薦位點選- 詳情頁 - 試看–訂購成功的轉化率為 0.5%。 那麼這個轉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内容因素兩個方面進行分析。比如，我們通過漏鬥分析分析此推薦位過去 90 天的整體轉化率，以此對比新上的《流浪地球》轉化如何； 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化率情況，對比新上片的效果。 再者，除了推薦位點選 - 詳情頁 - 試看 - 訂購成功整個流程的轉化率分析，還能對比新上片轉化是在哪個環節較低，判斷是因為詳情頁後介紹不吸引、沒試看完，還是試看完後沒進行訂購等。 也能跟本位置的過往電影進行比較，分析上述舉例環節在過往推薦内容中是否存在相似問題。
圖 推薦位轉化效果分析
五、以使用者為中心的資料驅動産品營運
廣播電視行業産品在網際網路視訊産品的高速發展沖擊下，對颠覆傳統産品服務，加強産品的智能化實踐提出了更高要求，由于其使用者畫像的豐富多樣性和觀看場景的完整性（分發曝光幾率小），導緻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：
針對廣播電視行業的内容特征，個性化推薦能針對性地揚長避短，促進業務增長，如廣播電視行業的存在資訊過載和馬太效應的兩大特征，針對資訊過載，企業需要提供使用者感興趣的節目，增加使用者體驗； 針對馬太效應，企業需要利用節目的長尾效應，加強傳播效果。 如下： A、首頁個性化推薦 企業可先将節目庫資料、使用者行為資料與推薦系統（如神策智能推薦）打通，通過推薦系統基于使用者行為與偏好的排序集進行“千人千面”定制，同時可以加入人工幹預的營運規則，将使用者當下的行為資料，實時回報給推薦系統進行分析和營運幹預，提升首頁推薦流量精準度。 在這個過程中的關聯名額為 CTR、人均點選次數、點選播放率。
圖 首頁個性化推薦應用場景 B、猜你喜歡推薦 猜你喜歡推薦與首頁推薦的主要差别在于猜你喜歡對推薦内容的把控度要更高。 首先，企業可以将點播節目庫資料與推薦系統（如神策智能推薦）打通，再基于使用者行為資料将視訊内容分門别類形成不同的視訊子集，用于賦能各個細分場景的推薦，如猜你喜歡、播放結束推薦、搜尋頁推薦等，且在這個過程中使用者行為資料最好是保持實時更新，以保證推薦的精準度。 在首頁、搜尋頁等流量位置基于使用者行為進行偏好推薦的猜你喜歡，可提升人均播放時長，同時為付費内容、服務引流、提升訂購業務次數，其關聯名額為 CTR、點選播放率、點選付費率。
圖 猜你喜歡推薦應用場景 下面以某個使用神策智能推薦的 IPTV 企業為例，介紹廣播電視行業的個性化推薦應用（神策智能推薦系統是一款百度視訊、東方明珠、惠頭條、媽媽幫等行業标杆企業都在使用的推薦系統）。 某 IPTV 播放平台 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内容全量推薦。 在明确廣播電視行業的發展趨勢後，急需引入智能推薦引擎，實作“千人千面”的個性化推薦，以實作提升影視推薦的精準度、更新頻率和提升使用者觀影體驗的兩個主要目标。 A 企業在接入神策智能推薦後，不僅對比人工推薦讓 CTR 名額提升了 6 倍、對推薦内容的人均浏覽次數也提升了 1.9 倍，同時在整個實施過程中接受了神策資料整體方案的教育訓練，A 企業的算法團隊能力也有了顯著提升，并将方案試圖推廣到其他駐地。 此外，神策推薦的營運幹預背景賦能營運編輯能夠進行全局内容的播控管理，比如封禁某些敏感内容，置頂、必推某些節目内容等等。
圖 某 IPTV 推薦實踐
圖 神策推薦的營運幹預功能
六、資料驅動使用者營運
目前，廣播電視行業的使用者營運意識還比較薄弱，大部分沒有專門的使用者營運團隊，營運方式單一，有很大的潛能可挖掘。 廣電企業使用者營運的一大困境是使用者的大量流失，其流失後再進行召回的難度和成本很大，而防止使用者流失的第一步是預先識别潛在的流失。 下面具體介紹： 首先，廣電企業需要定義流失，通過一些流失使用者的特征來進行流失使用者的判定，如随着時間推移，一直沒有開機的使用者越來越少，并趨于穩定，這群一直不開機的使用者即可定義為流失。 事實上，廣電企業可以通過建立适合自身的使用者沉默流失曲線來判定流失，如此一來使用者所處生命周期階段便一目了然，可及時抓住黃金時機進行使用者營運幹預，促進使用者的活躍防止流失等。 如下圖，某廣電企業将連續不開機 4 天的使用者定義為沉默使用者； 将連續 10 天不開機的使用者定義為流失使用者。
圖 使用者沉默流失曲線 明确流失使用者的定義後，企業可以使用相關的資料分析工具進行更細粒度的分析。 如使用神策分析可以通過使用者行為特征定位流失使用者群（如下圖），并儲存為單獨的流失使用者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。
圖 神策分析的使用者行為流失分析 同時，在明确流失使用者群後，企業還可以做更豐富的次元探索，挖掘沉默使用者特征，如下圖，企業可通過使用度減少、内容滿足度下降、觀影角色變化、服務到期四個方面進行分析，定位沉默流失使用者潛在的具體特征行為。
圖 使用者流失原因分析 企業明确沉默使用者及流失使用者特征後，可通過使用者行為分析工具進行多元幹預，及時防止沉默或流失，如通過神策分析的使用者分群将沉默使用者和流失使用者群劃分出來，給沉默使用者進行偏好内容的推薦，激發使用者的再次活躍； 給流失使用者進行優惠促銷的資訊推送，促進使用者的再次使用和活躍等。 除此之外，企業還可以通過使用者行為分析，進行線上線下營運的打通。 舉個例子，當企業通過線上的使用者行為資料的标簽發現某些使用者的使用度降低，社群經理就可以去這些使用者的家中進行通路和溝通，了解具體原因，之後企業也可以将這些回報結果通過标簽的形式加到線上的資料系統中，進而建立流失使用者特征的提煉，建立流失特征标簽，生成沉默使用者群，如此一來，就實作了線上營運到線下客情維護再到營運政策制定和實施的打通。
圖 資料賦能線下營運流程 綜上所述，廣電行業的更新變革離不開資料和使用者兩個關鍵，其核心建立在資料驅動基礎上的以使用者為中心的業務實踐。 未來，神策資料也将緻力于賦能廣電企業數字經濟轉型發展和突破創新，以數字化技術加速産業變革。
現在神策智能推薦已有免費 demo 可體驗，歡迎在神策資料官網體驗（網址：https://www.sensorsdata.cn）。
『不容錯過的精彩内容』
▼▼▼
收藏 ★ 公衆号，及時擷取精彩内容
關注
神策資料
幫助客戶實作資料驅動。
↙↙↙戳此，免費體驗神策分析
“在看”，你就戳戳我☟