智能画像赋能大屏精细化运营

2021-04-22 作者:中兴通讯 何燕锋,刘志军 阅读量:
智能画像赋能大屏精细化运营 - 中兴通讯技术(简讯)
您当前访问的的浏览器版本过低,为了给您带来更好的体验,建议您升级至Edge浏览器或者推荐使用Google浏览器
取消

智能画像赋能大屏精细化运营

发布时间:2021-04-22  作者:中兴通讯 何燕锋,刘志军  阅读量:

 工信部数据显示,截至2020年11月全国IPTV用户数已达3.12亿户,覆盖近10亿人,增长速度超过有线电视和OTT视频。骄人的数据背后,IPTV的用户增长速度其实已经放缓。数据显示,2020年7—8月期间三大运营商IPTV平均每月只有150万户的增长,低于2019年平均每月近400万户的增速,更远低于过去3—5年间的超高速增长。未来以用户数增长为主要目标的运营模式已难以为继,存量用户的精细化运营是未来运营商大屏业务运营的必由之路。

 数据是精细化运营的基础,而真正赋能精细化运营的则是基于数据构建的运营画像模型。中兴通讯基于易k数据智能标签体系构建的智能画像,以用户画像为核心,利用机器学习算法模型将不同运营场景的画像标签进行智能管理。相比传统的用户画像,其针对不同运营场景的适应性、匹配度和自动化程度更高。

 

智能画像的构建 

 智能画像模型主要通过数据处理的4大步骤完成构建。

 第一步是打通各运营相关的应用,实现系统间的数据共享,为构建画像模型提供坚实的数据基础。

 第二步是针对共享数据的原子化处理,实现数据的格式统一、命名规则统一、指标体系统一。数据的原子化其实是指单一数据的完整性、独立性,共享数据原子化后,会形成结构化的数字字典,可以快速查询和检索。

 第三步是标签化,通过对结构化的原子数据进行统计、分析和算法处理,形成面向运营实体的可被运营人员识别的语义标签。

 第四步是模型化,基于运营实体标签体系,利用特定的模型构建面向运营场景的画像模型,最终生成智能画像模型。

 

构建标签体系

 标签体系是构建智能画像的前提与模型保障,画像模型是否可用和好用直接取决于标签体系的设计与构建。对于普通运营人员来说,原始数据和数字字典都是非常技术化的数据体系,令人望而生畏。而基于标签体系对运营大数据进行场景化关联,可以让运营人员更容易理解运营数据所反馈的运营现状,同时通过标签体系对运营数据进行可视化操作和分析,让数据分析可以被运营人员掌握,并有针对性地做出运营策略,提升运营目标达成效率。

 标签的创建从标签定义开始,一个标签的定义主要包括以下内容:

      - 标签分类:标签分类的依据其实是其实体或场景的分类,如金融、旅游、教育等分类;

      - 标签分级:在分类的基础上,会根据实体或场景的隶属关系,对标签进行分级,如在金融分类中,金融本身

 可以作为一级标签,而金融包含的产品(储蓄、期货、股票等)可以作为二级标签,而期货产品下面的业务

 可以作为三级标签,以此类推可以根据需要扩展标签的分级;

      - 标签命名:一般会给标签命名一个与运营场景相关的名称,便于普通运营人员识别和使用;

      - 标签赋值:标签的赋值可以通过数据字典进行自动化赋值,也可以人工标注赋值;

      -标签属性定义:标签的属性主要和场景和实体的特性相关,同一个标签的不同属性会决定其在不同场景下的应用模式;如银行账号,本省的值是用户的姓名,而姓名本身的属性包含值、类型、范围、格式等。

 标签主要分为实标签和虚标签。

 实标签主要有两种创建方式,一种是直接来源于数字字典的相关原子字段,称为事实标签;另外一种是基于数字字典进行简单的统一和聚合生成的指标,称为统计标签。

 虚标签也有两种创建方式,一种是基于某种事件关系模型生成的标签,称为模型标签,和具体的运营场景相关;另外一种是基于AI预测模型生成的预测标签。

 

基于OST模型构建智能画像

 基于标签,可以构建运营场景模型。运营场景模型是通过运营时间将参与运营的实体进行关联的模型,运营实体可以通过特定的标签集合进行标识,事件也可以表示为管理参与运营实体的标签集合。由此,中兴通讯设计出OST(Object Scenario Tag)实体、场景、标签模型,三者的关系如下:

     - 实体是由拥有特定物理关联属性的标签组成的集合;

     - 标签是用于表示实体或者场景特性的可读性指标;

     - 场景则是在特定实体发生某种关系情况下产生的事件标签集合组成的。

 基于OST模型构建智能画像的过程如下:

     - 利用标签管理平台,基于标签,通过人为或者基于算法的智能发现和关联生成OST标签模型;

     - 在OST模型基础上,结合具体的运营场景,通过对于特定标签进行属性和值的过滤,实现标签过滤,完成特定实体群或者场景群的群运算,生成符合运营场景目标的模型;

     - 基于上述模型结合具体的运营数据生成智能画像。

 智能画像的输出模式有两种:一种是以指标报表方式输出,提供特定运营场景的画像分析报告;另一种是以API方式输出特定运营场景的画像数据,支撑相关运营工具实施触点运营。

 

基于智能画像的精细化运营支撑系统

 

 基于智能画像,能够准确而精细地把握和

 区分不同业务运营中的用户群体、用户行为和用户属性,同时可以通过智能画像精准匹配不同用户群体、行为和属性所需要的业务,从而能够提升运营目标达成的效率,真正促成精细化运营的实现。

 中兴通讯基于智能画像的精细化运营支撑系统架构分为5层,通过数据管理编排实现关联,而整体系统对于精细化运营的赋能体现在最上面一层,由4个阶段的功能组成:目标监测、经营分析、决策支撑和闭环优化(见图1)。基于这4个功能系统可以实现精细化的运营目标管理和日程的精细化运营支撑。

                      图1  基于智能画像的精细化运营支撑平台架构

 通过智能画像运营支撑系统可以实现对运营目标的闭环管理,实现运营目标的精细化达成(见图2)。

                    图2  基于智能画像的精细化运营目标达成的闭环流程

 该闭环管理主要赋能运营管理人员,运营管理人员可以通过该功能实时或者定期监测运营目标的达成情况,并且可以根据分析报告调整运营目标,让运营的目标更加契合实际的运营投入。

 智能画像运营支撑系统对于日常运营活动(如推荐、广告、套餐等)实施数据化的监测、目标分析、决策支撑,同时可以根据支撑策略实施的结果实施闭环的监测和优化(见图3)。

 

                图3  基于智能画像的精细化日常运营闭环流程

 大屏的精细化运营由原来的粗犷式的用户数扩张转向对于用户价值的发掘,是运营商基于庞大的存量用户实现业务增长模式转变的关键。而精细化运营的成败取决于对于数据的赋能,中兴通讯基于智能画像的运营支撑平台系统通过对数据实施共享化、原子化、标签化和模型化,将数据转化为支撑精细化运营的AI能力,帮助运营商客户实现运营模式质的转变。

分享到: