如今，在移動互聯網、大數據、云計算的發展與應用下，各行各業面臨著新舊的沖擊和顛覆。廣電行業也不例外，本文將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隨著沖擊迎來了 2.0 時代——互動電視階段。該階段顛覆了過去單向、刻板的傳播方式，讓廣播電視行業的觀眾向“用戶”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，在移動互聯網時代的迅猛發展下，新媒體行業憑借信息傳播的及時性、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，具體可分為內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：以用戶為中心的數據驅動在媒體融合和大數據發展的背景下，廣播電視行業要逐步轉變傳統理念和運營模式，借助大數據平臺采集、存儲、挖掘數據資產，通過大數據平臺對媒體內容數據、用戶服務數據進行全方位分析挖掘，其中的關鍵是建立以用戶為中心的數據驅動，以此為業務運營、產品優化、內容推薦提供決策支持。廣播電視行業向以用戶為中心的運營思路轉變，需積極把握用戶需求與偏好，制作并傳輸符合用戶心理預期和感觀體驗的節目內容，研究用戶的行為數據與用戶的互動數據，應用大數據技術在以“用戶”為中心格局下研究廣播電視業務新的需求特點，創新廣播電視業務產品，才能更好地促進發展。具體可從用戶、內容、產品、服務四個方面展開，如下：圖數據搭建以用戶為中心的運營思路究其根本是以數據驅動為加速引擎，通過用戶行為數據的采集、分析、應用、反饋的閉環，實現用戶需求的精準洞察，并采取相應產品服務的創新以贏得用戶的喜愛。三、數據驅動痛點及數據生產流程的建設廣播電視行業搭建以用戶為中心的運營思路的基礎為數據運營體系及流程規范的穩步搭建，但目前廣電行業在實踐數據化運營時最常遇到以下幾個問題：圖廣電行業數據驅動的難點這四大問題的根源是數據采集、數據分析等數據化驅動基礎不完善。下面簡單介紹數據整合及指標體系建設：將不同探針、埋點的數據整合（包括用戶瀏覽頁面、推薦位點擊、節目播放、服務訂購等），并豐富相應的維度屬性（比如節目媒資信息），進而根據業務需求設計科學全面的數據指標體系是數據化驅動的基礎。在數據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、遺漏等數據不可用問題，需要在企業內部建設并規范好數據生成的全流程，如下圖為神策數據的數據高質量保障流程：圖神策數據的數據高質量保障流程數據的定義、采集需求由業務人員從業務需要出發進行整理，并非所有的數據、所有的維度都需要進行采集。首先需求確定后，由數據產品或數據分析師對需求進行埋點設計，將業務需求具象為技術實現形式，保障最終的采集結果能夠滿足業務需求。方案設計完成后，由探針或埋點開發人員開發并完成自測，這是保證數據準確可用的第一層流程保障。開發完成后，還需要由測試工程師進行二次測試，從數據正確性、順序性、完整性三方面對數據進行全面的技術驗收，這是保證數據準確可用的第二層流程保障。數據上線后，再由業務人員以及分析師使用驗收，確認數據是否與業務需求一致，這是保證數據準確可用的第三層流程保障。以上基本為一個企業建立數據驅動化基礎的流程。

四、以用戶為中心的數據驅動內容運營

廣播電視行業數據驅動內容運營主要包含采集用戶觀影數據，分析內容偏好趨勢，搭建內容評價體系，指導內容采購生成，優化內容編排。推薦位運營是廣播電視行業運營編輯的主要工作之一。現主要存在以下問題：

• 根據節目總體數據評估效果，無法排除其他來源影響
• 關注點播和訂購數據，無法獲知用戶轉化的流失環節
• 無法分離推薦位與推薦內容的相互影響

廣播電視行業客戶的原有數據系統大多以看板為主，而且是大類數據，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內容的多來源數據，只有一個整體數據，如只能看到《流浪地球》的總體點擊量，不能看到點擊量的來源，而且沒法分析推薦位的轉化路徑（點擊推薦位-詳情頁/專題頁-試看-試看結束-訂購成功），更無法分析哪些內容的點擊數據好，以及指導后續的內容與推薦位的高效匹配。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 業態中，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。因此，如何更好地利用數據優化推薦位流量運營，是提升 IPTV 訂購金額的關鍵之一。而推薦位的轉化歸因，根據不同的業務形態，歸因的方式有很多，比如綜合電商常用訂購前最后一次點擊的推薦位，再比如家裝社區認為一系列推薦位點擊共同貢獻，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，選擇適合自己的業務模型。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，我們以用戶的訂購成功作為轉化事件，以推薦位點擊作為待歸因事件，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擊，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（推內容《流浪地球》）是訂購貢獻度最大的推薦位，該推薦位共被點擊過 378 次，有 71 次在點擊后試看并完成了訂購，因此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用戶點擊流量、流量轉化率，就能有的放矢地進行流量優化運營，最常見的思路是將轉化好、流量低的推薦位內容調到更顯眼的推薦位、提升流量，將流量大、轉化差的內容調到頻道或專題的推薦位，提高導流的精準性。通過數據驅動的精準優化，在整體流量、用戶不變的情況下，也能產生更多的訂購。圖推薦位流量運營的思路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內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內容本身質量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》電影后，通過漏斗分析發現推薦位點擊- 詳情頁 - 試看–訂購成功的轉化率為 0.5%。那么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內容因素兩個方面進行分析。比如，我們通過漏斗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，除了推薦位點擊 - 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，判斷是因為詳情頁后介紹不吸引、沒試看完，還是試看完后沒進行訂購等。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內容中是否存在相似問題。圖推薦位轉化效果分析

五、以用戶為中心的數據驅動產品運營

廣播電視行業產品在互聯網視頻產品的高速發展沖擊下，對顛覆傳統產品服務，加強產品的智能化實踐提出了更高要求，由于其用戶畫像的豐富多樣性和觀看場景的完整性（分發曝光幾率小），導致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內容特征，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信息過載和馬太效應的兩大特征，針對信息過載，企業需要提供用戶感興趣的節目，增加用戶體驗；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將節目庫數據、用戶行為數據與推薦系統（如神策智能推薦）打通，通過推薦系統基于用戶行為與偏好的排序集進行“千人千面”定制，同時可以加入人工干預的運營規則，將用戶當下的行為數據，實時反饋給推薦系統進行分析和運營干預，提升首頁推薦流量精準度。在這個過程中的關聯指標為 CTR、人均點擊次數、點擊播放率。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別在于猜你喜歡對推薦內容的把控度要更高。首先，企業可以將點播節目庫數據與推薦系統（如神策智能推薦）打通，再基于用戶行為數據將視頻內容分門別類形成不同的視頻子集，用于賦能各個細分場景的推薦，如猜你喜歡、播放結束推薦、搜索頁推薦等，且在這個過程中用戶行為數據最好是保持實時更新，以保證推薦的精準度。在首頁、搜索頁等流量位置基于用戶行為進行偏好推薦的猜你喜歡，可提升人均播放時長，同時為付費內容、服務引流、提升訂購業務次數，其關聯指標為 CTR、點擊播放率、點擊付費率。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頻、東方明珠、惠頭條、媽媽幫等行業標桿企業都在使用的推薦系統）。某 IPTV 播放平臺 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內容全量推薦。在明確廣播電視行業的發展趨勢后，急需引入智能推薦引擎，實現“千人千面”的個性化推薦，以實現提升影視推薦的精準度、更新頻率和提升用戶觀影體驗的兩個主要目標。A 企業在接入神策智能推薦后，不僅對比人工推薦讓 CTR 指標提升了 6 倍、對推薦內容的人均瀏覽次數也提升了 1.9 倍，同時在整個實施過程中接受了神策數據整體方案的培訓，A 企業的算法團隊能力也有了顯著提升，并將方案試圖推廣到其他駐地。此外，神策推薦的運營干預后臺賦能運營編輯能夠進行全局內容的播控管理，比如封禁某些敏感內容，置頂、必推某些節目內容等等。圖 某 IPTV 推薦實踐
圖 神策推薦的運營干預功能

六、數據驅動用戶運營

目前，廣播電視行業的用戶運營意識還比較薄弱，大部分沒有專門的用戶運營團隊，運營方式單一，有很大的潛能可挖掘。廣電企業用戶運營的一大困境是用戶的大量流失，其流失后再進行召回的難度和成本很大，而防止用戶流失的第一步是預先識別潛在的流失。下面具體介紹：首先，廣電企業需要定義流失，通過一些流失用戶的特征來進行流失用戶的判定，如隨著時間推移，一直沒有開機的用戶越來越少，并趨于穩定，這群一直不開機的用戶即可定義為流失。事實上，廣電企業可以通過建立適合自身的用戶沉默流失曲線來判定流失，如此一來用戶所處生命周期階段便一目了然，可及時抓住黃金時機進行用戶運營干預，促進用戶的活躍防止流失等。如下圖，某廣電企業將連續不開機 4 天的用戶定義為沉默用戶；將連續 10 天不開機的用戶定義為流失用戶。圖 用戶沉默流失曲線明確流失用戶的定義后，企業可以使用相關的數據分析工具進行更細粒度的分析。如使用神策分析可以通過用戶行為特征定位流失用戶群（如下圖），并保存為單獨的流失用戶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 神策分析的用戶行為流失分析同時，在明確流失用戶群后，企業還可以做更豐富的維度探索，挖掘沉默用戶特征，如下圖，企業可通過使用度減少、內容滿足度下降、觀影角色變化、服務到期四個方面進行分析，定位沉默流失用戶潛在的具體特征行為。圖 用戶流失原因分析企業明確沉默用戶及流失用戶特征后，可通過用戶行為分析工具進行多維干預，及時防止沉默或流失，如通過神策分析的用戶分群將沉默用戶和流失用戶群劃分出來，給沉默用戶進行偏好內容的推薦，激發用戶的再次活躍；給流失用戶進行優惠促銷的信息推送，促進用戶的再次使用和活躍等。除此之外，企業還可以通過用戶行為分析，進行線上線下運營的打通。舉個例子，當企業通過線上的用戶行為數據的標簽發現某些用戶的使用度降低，社區經理就可以去這些用戶的家中進行訪問和溝通，了解具體原因，之后企業也可以將這些反饋結果通過標簽的形式加到線上的數據系統中，從而建立流失用戶特征的提煉，建立流失特征標簽，生成沉默用戶群，如此一來，就實現了線上運營到線下客情維護再到運營策略制定和實施的打通。圖 數據賦能線下運營流程綜上所述，廣電行業的升級變革離不開數據和用戶兩個關鍵，其核心建立在數據驅動基礎上的以用戶為中心的業務實踐。未來，神策數據也將致力于賦能廣電企業數字經濟轉型發展和突破創新，以數字化技術加速產業變革。
現在神策智能推薦已有免費 demo 可體驗，歡迎在神策數據官網體驗（網址：https://www.sensorsdata.cn）。

『不容錯過的精彩內容』

▼▼▼

收藏★公眾號，及時獲取精彩內容

關注

神策數據

幫助客戶實現數據驅動。

↙↙↙戳此，免費體驗神策分析

“在看”，你就戳戳我??

總結

以上是生活随笔為你收集整理的干货 | 广电行业数字化时代的「数据破局」指南的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。