家庭用户与个性化服务探讨范文

《广播电视信息杂志》2014年第五期

1个性化服务推荐

1.1技术需求广电运营商逐渐为用户提供了一个融合通信、信息服务和增值业务的多业务环境，向家庭用户提供个性化服务正成为广电运营商努力的目标。当前运营商在获取用户需求、聚合服务资源、智能推荐等方面不能适应融合网络数字家庭服务运营的要求，因此家庭用户操作行为分析与个性化服务智能推荐技术研究需要在以下几个方面开展工作。一是家庭用户个性化需求获取方法研究工作，目前在融合网络环境下家庭服务模式和业务形态多种多样，在满足用户不断提高的个性化服务需求方面，首先需要获取数字家庭用户在服务功能、服务属性（如价格、品牌、质保等）和服务质量（如反映时间、可靠性等）等方面的需求，因此需要研究家庭用户个性化需求的获取方法挖掘用户的需求。二是服务资源聚合方法与技术研究工作，家庭服务资源种类繁多，在了解了用户的个性化需求后，需要为用户提供相关的服务资源，因此需要对服务资源的关联关系、语义关联关系等因素进行聚合分析，为用户的智能推荐提供技术支持。三是数字家庭智能推荐技术与系统研究工作，对用户感兴趣的服务资源进行智能推荐是为用户提供个性化服务的重要手段，因此需要研究智能推荐技术并开发相关系统为用户提供智能推荐服务。

1.2研究现状服务资源关联聚合与个性化服务方面面向用户提供个性化服务是运营商保留用户、巩固与开拓市场的重要手段。面向用户个性化的智能推荐技术已成功应用于互联网领域，包括基于内容的过滤技术、协同过滤技术、基于知识的推荐技术，学术界刚开展Web服务组合推荐理论研究，综合考虑用户对Web服务和质量的均衡需求。电视领域开展了基于显性用户特征的节目推荐系统的研究。目前服务关联与聚合研究主要集中在对服务组合的正确性和系统开销的减少两方面，没有专门针对家庭服务领域的服务资源关联与聚合研究。现有以服务功能为主线的服务关联和聚合方法不能适应家庭服务领域中服务资源目录的动态发展性和用户多层次需求的要求。中国电信正处在向现代综合信息服务提供商转型的时期，实施精确化管理则是实现中国电信战略转型的关键措施之一。而对IP网络及移动网络用户行为分析，是互联网业务精确化管理的任务之一，也是面向用户实施针对性营销的前提和保证。通过对互联网用户行为的深入分析，如：用户在手机上浏览了什么新闻和小说，通过搜索引擎搜索了什么关键字，在购物网站上购买了什么产品等。根据这些信息我们即可以进行业务的内容分析、业务热点分析以及用户偏好分析，可以了解用户的真正需求，充分利用网络资源，开发有吸引力的增值业务，提升用户对网络的依赖性和忠诚度，进而构建更好的盈利模式。杭州华数、北京歌华等广电运营商在推广个性化服务时，通常希望实现的推荐方式有：（1）基于社区位置的推荐，电视终端基于社区位置（五级地址与机顶盒号绑定），挖掘用户兴趣爱好，向用户推荐社区相关服务，如社区内促销活动。（2）基于消费行为的推荐，根据详单或订单，按照消费行为进行关联推荐。（3）基于搜索习惯的推荐，根据搜索关键词和内容进行关联推荐。（4）基于直播收视率的推荐，杭州华数拥有终端采集软件，能够采集直播（时段）收视和点播数据，获得停留时间收视率，以便基于收视情况进行粗略的推荐。另外，围绕家庭推荐，颗粒度粗、方向性弱，如家庭由若干个人组成，家庭成员由于外出、出租户短期逗留、家里来客等原因无法固定家庭成员，进而操作电视的家庭成员年龄性别、年龄、喜好等个人特征难以断定。基于操作行为的家庭用户偏好分析与服务推荐是一个难题。

2技术研究方法

2.1研究目标根据网络融合和业务融合情况下家庭用户个性化服务的需要,研究家庭用户操作行为分析与个性化服务智能推荐技术，构建家庭用户偏好分析与服务推荐模型，研发家庭用户操作行为分析与服务推荐系统，重点实现对电视购物、音视频点播等数字内容服务的智能推荐，为推动家庭服务向个性化方向发展提供有效技术手段。

2.2研究内容与关键技术（1）家庭用户操作行为分析技术应用集成OLAP技术、聚类分析技术、关联挖掘技术等用户行为分析技术，研究家庭用户操作行为分析方法，对家庭用户行为特征和偏好进行分析。（2）个性化服务智能推荐技术研究个性化服务智能推荐技术，研究基于个人偏好的服务推荐算法和基于关联规则的协同过滤推荐算法，实现基于操作行为分析的家庭用户个性化服务推荐方法。（3）家庭用户偏好分析与服务推荐模型研究基于操作行为的家庭用户偏好分析与服务推荐模型构建方法，建立家庭用户行为分析模型、群组及内容关联模型、服务推荐模型、效果评估模型。（4）家庭用户行为分析与服务推荐技术应用家庭用户操作行为分析与服务推荐方法与模型的研究成果，重点研究面向电视购物、音视频点播等数字内容服务的家庭用户行为分析与服务推荐技术实现方案。（5）家庭用户行为分析与服务推荐系统研发家庭用户行为分析与服务推荐系统，研发与集成环境相适应的个性化服务智能推荐功能接口，并结合电视购物、音视频点播等典型应用实践个性化服务推荐服务。

2.3研究方法根据该研究的预期目标、研究内容，该技术的研究方法将着重进行关键技术实现方法、分析模型构建方法、系统研发、技术集成验证等方面的工作。研究拟采取的技术路线如图1所示。（1）总体方案研究通过以电视用户为核心的新型文化与生活综合服务如电视购物、视频点播等业务的服务模式分析，家庭用户操作行为与推荐模式分析，开展总体方案设计，提出各项关键技术和支撑原型平台的总体功能要求，为各项工作的开展提供总体指导。（2）关键技术研究应用集成OLAP技术、聚类分析技术、关联挖掘技术等用户行为分析技术，研究家庭成员行为分析方法，实现对家庭用户行为特征和偏好的分析；研究个性化服务智能推荐方法，研究基于用户偏好的智能推荐算法，基于关联规则的协同过滤推荐算法，实现对家庭成员的个性化服务推荐。（3）分析模型构建建立家庭用户行为分析模型，实现对家庭用户行为特征和偏好的分析；建立群组及内容关联模型，实现对群组相似度和内容资源相似度的分析；探索合理的推荐模式和方法，建立服务推荐模型，并通过建立效果评估模型，利用样本数据来验证行为分析与服务推荐模型的有效性。（4）软件系统研发根据家庭用户行为分析与服务推荐技术方案以及家庭用户偏好分析与服务推荐模型，研发家庭成员行为分析与服务推荐系统，研发与集成环境相适应的个性化服务智能推荐功能接口，实现对家庭成员用户操作行为的分析与用户兴趣关联服务的推荐，重点实现对电视购物、音视频点播等数字媒体内容的服务推荐。同时利用软件系统，进行技术验证与优化，根据验证及评测效果，调整、优化模型方案，完善支撑技术，实现特征分析、服务推荐等配套支撑软件封装，支撑研究可持续发展。（5）技术集成验证综合关键技术、模型研究成果及系统平台研制成果，利用已有的资源和条件开展系统实验与典型应用现场试验，验证系统平台的安全性、可靠性及可扩展性，根据实验验证及测试效果，调整、优化系统方案和关键技术，为实现有线电视个性化服务、开展实际应用提供技术支撑。其中，家庭用户行为分析与服务推荐原型软件系统技术框架包括获取层、数据层、应用层和访问层四层，每层分别实现特定技术功能，如图2所示。家庭用户行为分析与服务推荐软件系统整合OLAP技术、聚类分析技术、关联挖掘技术、智能推荐技术，通过对家庭用户操作行为分析及对特定范围数字内容的服务推荐，实现家庭用户特征与偏好分析、内容热点分析、群组及内容关联分析和综合评估分析，可形成基于操作行为的家庭用户行为分析与个性化服务推荐，为全面掌握家庭用户的个性化服务需求提供有效的分析依据。

2.4应用价值挖掘家庭用户潜在的消费习惯和兴趣,实现个性化的服务策略推荐，满足用户个性化和综合性业务需求，有利于刺激用户的消费冲动，带来新的经济增长点，反过来，用户体验的满意程度的反馈有利于发掘新的业务增值点、加速推进新业务，在现有条件及环境下推动广电行业发展。（1）挖掘海量行为数据存在的潜在未知的知识，辅助管理层决策业务运营支撑系统中的拥有所有用户的基本资料、使用记录、计费详单、账单等海量复杂的行为数据，可以将这些数据集中起来，建立一个整合的、结构化的数据模型，在此基础上对数据进行标准化、抽象化、规范化分类和分析，通过数据仓库对用户数据进行联机分析和数据挖掘，为业务运营管理层提供及时的决策信息，为业务管理部门提供有效的反馈数据。（2）满足不同用户群的不同需求，使服务提供向个性化方向发展不同用户群对家庭服务业务的需要不一样，消费能力也不同，运营商需要按照不同用户群组，推出不同的资费套餐，以对不同用户群提供最优惠的资费来进行用户关系管理。推出合理的资费套餐，对用户而言，对使用频率最多的业务降低了资费，也就是享受了优惠；对运营商而言，对不同用户群提供资费优惠吸引了新老用户，是用户关系管理的良好手段。此外，由于针对不同用户群对不同业务设定不同的资费，并没有降低业务的平均收益，反而会由此吸引更多的新用户而增加总收益。（3）促进交叉销售，为企业带来更多的商业利润交叉销售是发现现有用户的多种需求,并通过满足其需求而实现销售各种相关服务或产品的营销方式。运营商需要对已有的用户进行交叉销售。数据挖掘技术可以帮助运营商寻找影响用户购买行为的因素,使运营商科学地制定营销策略,从而向用户进行合理的交叉销售获取更多的利润。

3小结

家庭用户操作行为分析与个性化服务智能推荐技术研究是面向家庭用户的个性化服务定制与消费需求，研究家庭用户操作行为分析与个性化服务智能推荐方法，通过家庭用户的操作行为习惯，获取家庭用户的消费需求，挖掘家庭用户个性化喜好，依据用户间和/或服务资源间的相似度，向家庭用户推荐其感兴趣的关联服务内容，进而提高家庭用户的满意度与忠诚度，为满足家庭用户个性化服务需求提供有效技术支撑。

作者：袁晓昆王德平早金桥单位：云南广电网络集团有限公司