神策数据:广电行业数字化时代的数据破局指南

  • 时间:
  • 浏览:0

如今,在移动互联网、大数据、云计算的发展与应用下,各行各业面临着新旧的冲击和颠覆。广电行业如果例外,本文为神策数据基于服务11150多家标杆企业的经验为你淬硬层 剖析广电行业的困境与破局土办法。

一、 困境:广电行业的发展趋势与挑战

广电行业伴随着冲击迎来了2.0时代——互动电视阶段。该阶段颠覆了过去单向、刻板的传播土办法,让广播电视行业的观众向“用户”转变。如下图,为广电行业发展趋势:

广电行业的发展趋势

事实上,在移动互联网时代的迅猛发展下,新媒体行业凭借信息传播的及时性、海量性与多样性等优势逐渐分割少量媒体市场,对广电媒体发展带来极大挑战,具体可分为內部和內部两方面的因素,如下图:

互动电视阶段下面临的困境

二、 破局点:以用户为中心的数据驱动

在媒体融合和大数据发展的背景下,广播电视行业要逐步转变传统理念和运营模式,借助大数据平台分派、存储、挖掘数据资产,通过大数据平台对媒体内容数据、用户服务数据进行全方位分析挖掘,其中的关键是建立以用户为中心的数据驱动,以此为业务运营、产品优化、内容推荐提供决策支持。广播电视行业向以用户为中心的运营思路转变,需积极把握用户需求与偏好,制作并传输符合用户心理预期和感观体验的节目内容,研究用户的行为数据与用户的互动数据,应用大数据技术在以“用户”为中心格局下研究广播电视业务新的需求特点,创新广播电视业务产品,都还能能更好地有利于发展。具体可从用户、内容、产品、服务一个方面展开,如下:

数据搭建以用户为中心的运营思路

究其根本是以数据驱动为加速引擎,通过用户行为数据的分派、分析、应用、反馈的闭环,实现用户需求的精准洞察,并采取相应产品服务的创新以赢得用户的喜爱。

三、 数据驱动痛点及数据生产流程的建设

广播电视行业搭建以用户为中心的运营思路的基础为数据运营体系及流程规范的稳步搭建,但目前广电行业在实践数据化运营时最常遇到以下几个难题图片:

广电行业数据驱动的难点

这四难题图片图片的根源是数据分派、数据分析等数据化驱动基础不完善。下面简单介绍数据整合及指标体系建设:

将不同探针、分派的数据整合(包括用户浏览页面、推荐位点击、节目播放、服务订购等),并丰厚相应的维度属性(比如节目媒资信息),进而根据业务需求设计科学全面的数据指标体系是数据化驱动的基础。

在数据生成过程中如果止是技术开发探针分派即可。为了正确处理分派错误、遗漏等数据不可用难题图片,都还能能 在企业內部建设并规范好数据生成的全流程,如下图为神策数据的数据高质量保障流程:

  神策数据的数据高质量保障流程

  数据的定义、分派需求由业务人员从业务都还能能 出发进行分派,算是如果所有的数据、所有的维度都都还能能 进行分派。

  首先需求挑选后,由数据产品或数据分析师对需求进行分派设计,将业务需求具象为技术实现形式,保障最终的分派结果都还能能满足业务需求。方案设计完成后,由探针或分派开发人员开发并完成自测,这是保证数据准确可用的第一层流程保障。开发完成后,还都还能能 由测试工程师进行二次测试,从数据正确性、顺序性、完整性性三方面对数据进行全面的技术验收,这是保证数据准确可用的第二层流程保障。数据上线后,再由业务人员以及分析师使用验收,确认数据算是与业务需求一致,这是保证数据准确可用的第三层流程保障。以上基本为一个企业建立数据驱动化基础的流程。

四、 以用户为中心的数据驱动内容运营

广播电视行业数据驱动内容运营主要蕴含分派用户观影数据,分析内容偏好趋势,搭建内容评价体系,指导内容采购生成,优化内容编排。推荐位运营是广播电视行业运营编辑的主要工作之一。现主要发生以下难题图片:

根据节目总体数据评估效果,无法排除某些来源影响

关注点播和订购数据,无法获知用户转化的流失环节

无法分离推荐位与推荐内容的相互影响

广播电视行业客户的原有数据系统大多以看板为主,但会 是大类数据,比如各页面UV、PV或播放的UV、PV、时长等。在推荐位分析时的核心痛点是无法区分推荐内容的多来源数据,只一个整体数据,如很难 看一遍《流浪地球》的总体点击量,很难 看一遍点击量的来源,但会 很难 分析推荐位的转化路径(点击推荐位-详情页/专题页-试看-试看现在开始英文英文英文-订购成功),更无法分析哪些内容的点击数据好,以及指导后续的内容与推荐位的高效匹配。

下面具体介绍推荐位订购归因分析、推荐位订购转化分析:

推荐位订购归因分析

在IPTV业态中,增值服务包的订购是非常重要的收入来源,但会 一般来说,超过一半的服务包订购是通过各频道页面的推荐位导流。但会 ,如保更好地利用数据优化推荐位流量运营,是提升IPTV订购金额的关键之一。

而推荐位的转化归因,根据不同的业务形状,归因的土办法有某些,比如综合电商常用订购前最后一次点击的推荐位,再比如家装社区认为一系列推荐位点击同時 贡献,而对于IPTV来说,最常用的也是末位归因土办法。在神策分析中,使用者都都还能能 自由地在多种归因土办法之间切换,挑选适合个人的业务模型。如下图,为神策分析的归因分析界面,可自主挑选不同的归因分析模型。

神策分析归因分析界面

上图是神策分析中的归因分析结果,朋友 儿以用户的订购成功作为转化事件,以推荐位点击作为待归因事件,按照末位归因模型,这时神策分析就会自动回溯每次订购成功最近一次的推荐位点击,并进行订购次数或订购金额的统计。

比如在上述结果中,电影频道的第二屏第二排位置(推内容《流浪地球》)是订购贡献度最大的推荐位,该推荐位共被点击过378次,有71次在点击后试看并完成了订购,但会 推荐位的流量转化是16.4%。

  当朋友 儿有了电视上各频道各推荐位的用户点击流量、流量转化率,就能有的放矢地进行流量优化运营,最常见的思路是将转化好、流量低的推荐位内容调到更显眼的推荐位、提升流量,将流量大、转化差的内容调到频道或专题的推荐位,提高导流的精准性。通过数据驱动的精准优化,在整体流量、用户不变的具体情况下,都还能能产生更多的订购。

推荐位流量运营的思路

B、推荐位订购转化分析

除了推荐位的订购归因,朋友 儿在里边提到的当发现推荐位内容的订购转化较差时,都还能能 通过更深的分析寻找原因 ,比如是因流量缺乏精准还是因内容一种质量较差造成转化率较低。

下面举例来说明推荐位的转化分析思路。比如在首页某个推荐位全量上线《流浪地球》电影后,通过漏斗分析发现推荐位点击-详情页-试看–订购成功的转化率为0.5%。很难 一种转化率是好还是差还是一般呢,朋友 儿都都还能能 按照下述思路进行分析:

都都还能能 看一遍主要可从位置因素和内容因素一个方面进行分析。比如,朋友 儿通过漏斗分析分析此推荐位过去90天的整体转化率,以此对比新上的《流浪地球》转化如保;又比如限定本推荐位过往推荐的科幻电影,分析此位置过往科幻电影的转化率具体情况,对比新上片的效果。再者,除了推荐位点击-详情页-试看-订购成功整个流程的转化率分析,还能对比新上片转化是在哪个环节较低,判断是但会 详情页后介绍不吸引、没试看一遍,还是试看如果没进行订购等。都还能能跟本位置的过往电影进行比较,分析上述举例环节在过往推荐内容中算是发生例如难题图片。

推荐位转化效果分析

五、 以用户为中心的数据驱动产品运营

广播电视行业产品在互联网视频产品的高速发展冲击下,对颠覆传统产品服务,加强产品的智能化实践提出了更高要求,但会 其用户画像的丰厚多样性和观看场景的完整性性(分派曝光几率小),原因 对精准个性化推荐的需求更为迫切。下面针对一种核心痛点,下面展开介绍:

针对广播电视行业的内容形状,个性化推荐能针对性地扬长避短,有利于业务增长,如广播电视行业的发生信息过载和马太效应的两大形状,针对信息过载,企业都还能能 提供用户感兴趣的节目,增加用户体验;针对马太效应,企业都还能能 利用节目的长尾效应,加强传播效果。如下:

  首页个性化推荐

  企业可先将节目库数据、用户行为数据与推荐系统(如神策智能推荐)打通,通过推荐系统基于用户行为与偏好的排序集进行“千人千面”定制,同時 都都还能能 加入人工干预的运营规则,将用户当下的行为数据,实时反馈给推荐系统进行分析和运营干预,提升首页推荐流量精准度。在一种过程中的关联指标为CTR、人均点击次数、点击播放率。

首页个性化推荐应用场景

猜你喜欢推荐

猜你喜欢推荐与首页推荐的主要差别在于猜你喜欢对推荐内容的把控度要更高。首先,企业都都还能能 将点播节目库数据与推荐系统(如神策智能推荐)打通,再基于用户行为数据将视频内容分门别类形成不同的视频子集,用于赋能各个细分场景的推荐,如猜你喜欢、播放现在开始英文英文英文推荐、搜索页推荐等,且在一种过程中用户行为数据最好是保持实时更新,以保证推荐的精准度。在首页、搜索页等流量位置基于用户行为进行偏好推荐的猜你喜欢,可提升人均播放时长,同時 为付费内容、服务引流、提升订购业务次数,其关联指标为CTR、点击播放率、点击付费率。

猜你喜欢推荐应用场景

下面以某个使用神策智能推荐的IPTV企业为例,介绍广播电视行业的个性化推荐应用(神策智能推荐系统是一款百度视频、东方明珠、惠头条、妈妈帮等行业标杆企业算是使用的推荐系统)。

某IPTV播放平台A在使用神策智能推荐前采用人工编辑,以周为时间周期固定内容全量推荐。在明确广播电视行业的发展趋势后,急需引入智能推荐引擎,实现“千人千面”的个性化推荐,以实现提升影视推荐的精准度、更新频率和提升用户观影体验的一个主要目标。

A企业在接入神策智能推荐后,不仅对比人工推荐让CTR指标提升了6倍、对推荐内容的人均浏览次数也提升了1.9倍,同時 在整个实施过程中接受了神策数据整体方案的培训,A企业的算法团队能力算是了显著提升,并将方案试图推广到某些驻地。

此外,神策推荐的运营干预后台赋能运营编辑都还能能进行全局内容的播控管理,比如封禁某些敏感内容,置顶、必推某些节目内容等等。

  某IPTV推荐实践

  神策推荐的运营干预功能

六、 数据驱动用户运营

  目前,广播电视行业的用户运营意识还比较薄弱,大次要很难 专门的用户运营团队,运营土办法单一,有很大的潜能可挖掘。广电企业用户运营的一大困境是用户的少量流失,其流失后再进行召回的难度和成本很大,而正确处理用户流失的第一步是预先识别潜在的流失。下面具体介绍:

  首先,广电企业都还能能 定义流失,通过某些流失用户的形状来进行流失用户的判定,如随着时间推移,突然很难 开机的用户很难 少,并发生,这群突然不开机的用户即可定义为流失。

  事实上,广电企业都都还能能 通过建立适合自身的用户沉默流失曲线来判定流失,很难 一来用户发生生命周期阶段便一目了然,可及时抓住黄金时机进行用户运营干预,有利于用户的活跃正确处理流失等。如下图,某广电企业将连续不开机五六天的用户定义为沉默用户;将连续10天不开机的用户定义为流失用户。

用户沉默流失曲线

明确流失用户的定义后,企业都都还能能 使用相关的数据分析工具进行更细粒度的分析。如使用神策分析都都还能能 通过用户行为形状定位流失用户群(如下图),并保存为单独的流失用户群以进行不同行为的流失分析,如开机流失、点播流失、直播流失等分析。

神策分析的用户行为流失分析

同時 ,在明确流失用户群后,企业还都都还能能 做更丰厚的维度探索,挖掘沉默用户形状,如下图,企业可通过使用度减少、内容满足度下降、观影角色变化、服务到期一个方面进行分析,定位沉默流失用户潜在的具体形状行为。

用户流失原因

企业明确沉默用户及流失用户形状后,可通过用户行为分析工具进行多维干预,及时正确处理沉默或流失,如通过神策分析的用户分群将沉默用户和流失用户群划分出来,给沉默用户进行偏好内容的推荐,激发用户的再次活跃;给流失用户进行优惠促销的信息推送,有利于用户的再次使用和活跃等。

除此之外,企业还都都还能能 通过用户行为分析,进行线上线下运营的打通。举个例子,当企业通过线上的用户行为数据的标签发现某些用户的使用度降低,社区经理就都都还能能 去哪些用户的家中进行访问和沟通,了解具体原因 ,如果企业也都都还能能 将哪些反馈结果通过标签的形式加到线上的数据系统中,从而建立流失用户形状的提炼,建立流失形状标签,生成沉默用户群,很难 一来,就实现了线上运营到线下客情维护再到运营策略制定和实施的打通。

数据赋能线下运营流程

综上所述,广电行业的升级变革离不开数据和用户一个关键,其核心建立在数据驱动基础上的以用户为中心的业务实践。未来,神策数据也将致力于赋能广电企业数字经济转型发展和突破创新,以数字化技术加速产业变革。

现在神策智能推荐已有免费demo可体验,欢迎在神策数据官网体验(网址:https://www.sensorsdata.cn)。

关于神策数据

神策数据是专业的大数据分析平台服务提供商,致力于帮助客户实现数据驱动。公司围绕用户级大数据分析和管理需求,推出神策分析、神策用户画像、神策智能运营、神策智能推荐、神策客景等产品。

此外,还提供大数据相关咨询和完整性正确处理方案。神策数据积累了中国银联、中国电信、百度视频、小米、中邮消费金融、海通证券、广发证券、东方证券、中原银行、百信银行、中青旅、平安寿险、四川航空、翼支付、好未来、VIPKID、东方明珠、华润、有赞、百姓网、货拉拉、闪送、驴妈妈、Keep、36氪、拉勾、VUE、春雨医生、聚美优品、惠头条、纷享销客、妈妈帮等11150余家付费企业用户的服务和客户成功经验,为客户全面提供指标梳理、数据模型搭建等专业的咨询、实施和技术支持服务。希望更深入了解神策数据或有数据驱动相关难题图片,请拨打15061509827电话咨询,会有专业的工作人员为您解答。