文｜陳亞然 梁 宇 曹三省

大數(shù)據(jù)研究背景

1、大數(shù)據(jù)基本概念

隨著當(dāng)代移動通信、移動互聯(lián)網(wǎng)、云計算、物聯(lián)網(wǎng)、三網(wǎng)融合等新興技術(shù)的發(fā)展，大量的數(shù)據(jù)已經(jīng)累積成了豐厚的資源。通常所稱的大數(shù)據(jù)（Big data），或者巨量數(shù)據(jù)、海量數(shù)據(jù)、大資料，指的是所涉及的數(shù)據(jù)量規(guī)模巨大到無法通過人工，在合理時間內(nèi)達(dá)到截取、管理、處理并整理成為人類所能解讀的信息。它數(shù)量巨大、結(jié)構(gòu)復(fù)雜，是由類型眾多的數(shù)據(jù)構(gòu)成的數(shù)據(jù)集合。大數(shù)據(jù)是基于云計算的數(shù)據(jù)處理與應(yīng)用模式，是通過數(shù)據(jù)的集成共享、交叉復(fù)用形成的智力資源和知識服務(wù)能力。

最早提出“大數(shù)據(jù)”時代到來的是全球知名咨詢公司麥肯錫，麥肯錫稱：“數(shù)據(jù)，已經(jīng)滲透到當(dāng)今每一個行業(yè)和業(yè)務(wù)職能領(lǐng)域，成為重要的生產(chǎn)因素。人們對于海量數(shù)據(jù)的挖掘和運用，預(yù)示著新一波生產(chǎn)率增長和消費者盈余浪潮的到來。”目前，全球的電子化信息量是千萬億兆的數(shù)據(jù)量，預(yù)計2020年整個數(shù)據(jù)量可能會達(dá)到35千萬億兆。根據(jù)著名的分析調(diào)研機(jī)構(gòu)IDC的研究報告《從混沌中提取價值》顯示，僅2011年，全球就產(chǎn)生了1.8ZB（也就是1.8萬億GB）的大數(shù)據(jù)。另外，有資料顯示，淘寶網(wǎng)站每天有超過數(shù)千萬筆交易，單日數(shù)據(jù)產(chǎn)生量超過50TB；百度公司每天大約要處理60 億次搜索請求，幾十PB數(shù)據(jù)。這些都是基于以云計算為代表的大存儲量技術(shù)基礎(chǔ)之上，目前，計算機(jī)存儲單位已從G、T發(fā)展到P（1P=1024T）?？梢哉f，如果沒有云計算的迅速發(fā)展，不會這么快迎來大數(shù)據(jù)時代的到來。

據(jù)統(tǒng)計，2012 年中國“大數(shù)據(jù)”市場規(guī)模達(dá)到4.5億元，2013年還將持續(xù)增長，未來3年內(nèi)有望突破40億元，2016年有望達(dá)到百億規(guī)模，如圖1 所示。

2、廣電行業(yè)中的大數(shù)據(jù)概況

廣電行業(yè)站在媒體信息融合的制高點，本身掌握著豐富的數(shù)據(jù)資源，不管是來自電視、廣播、網(wǎng)絡(luò)還是移動終端。廣電行業(yè)在大數(shù)據(jù)面前同時扮演著接收、處理和傳播的角色。一方面廣電行業(yè)從各種渠道接收到大量信息，另一方面又將大量信息傳遞給受眾。所以研究廣電行業(yè)在大數(shù)據(jù)時代的影響具有重要的意義。

1）邁入大數(shù)據(jù)的基礎(chǔ)

隨著本世紀(jì)初“數(shù)字化浪潮”的襲來，傳統(tǒng)廣播、電視、報紙、期刊、手機(jī)、互聯(lián)網(wǎng)等各種媒介形態(tài)內(nèi)容經(jīng)由模擬到數(shù)字的融合技術(shù)，紛紛轉(zhuǎn)換為由一串“0”、“1”比特流編碼表示的信息。從此，它們有了統(tǒng)一數(shù)字編碼的基礎(chǔ)，這種基礎(chǔ)也為廣電行業(yè)步入大數(shù)據(jù)時代奠定了基礎(chǔ)。廣播電視內(nèi)容數(shù)字化后更易于存儲、

圖1 2011～2016年中國大數(shù)據(jù)應(yīng)用市場規(guī)模與增長（數(shù)據(jù)來源：賽迪顧問）

在互聯(lián)網(wǎng)、電信網(wǎng)、廣播電視網(wǎng)三網(wǎng)融合的背景下，大數(shù)據(jù)時代正在到來，廣電行業(yè)站在多數(shù)據(jù)信息融合的制高點，掌握了大量數(shù)據(jù)。大數(shù)據(jù)時代不僅對廣電行業(yè)的發(fā)展帶來了巨大的影響，廣電行業(yè)也應(yīng)利用大數(shù)據(jù)做出順應(yīng)時代的改進(jìn)。結(jié)合數(shù)據(jù)挖掘、數(shù)據(jù)分析相關(guān)技術(shù)，廣電行業(yè)可以獲得更多詳細(xì)的信息，生產(chǎn)出分流更細(xì)的產(chǎn)品呈現(xiàn)給用戶，為用戶生活帶來更多方便。傳輸、使用和分享，而且也大大促進(jìn)了廣電行業(yè)和互聯(lián)網(wǎng)之間的結(jié)合發(fā)展，多屏多終端的內(nèi)容傳輸功效更是推動了大數(shù)據(jù)時代數(shù)據(jù)信息的共享融合。之后，隨著三網(wǎng)融合時代的到來，廣播電視網(wǎng)、電信網(wǎng)、互聯(lián)網(wǎng)等在過去承載不同信息內(nèi)容的介質(zhì)網(wǎng)絡(luò)，逐漸實現(xiàn)了各種信息在其上的業(yè)務(wù)融合。網(wǎng)絡(luò)視頻、交互式網(wǎng)絡(luò)電視（IPTV）、互聯(lián)網(wǎng)電視（OTT TV）等互聯(lián)網(wǎng)與電視融合的視聽新媒體形態(tài)越來越多，實現(xiàn)了數(shù)據(jù)信息多元融合交互化。通過以上一系列技術(shù)的升級，廣電行業(yè)具備了一定在大數(shù)據(jù)時代發(fā)展業(yè)務(wù)的基礎(chǔ)。

2）廣電行業(yè)面臨的威脅

在大數(shù)據(jù)時代下，廣電行業(yè)也面臨許多威脅。雖然從軟件和硬件設(shè)施上來看，廣電體系已經(jīng)長期坐擁內(nèi)容制作優(yōu)勢和布局完善的有線渠道優(yōu)勢，但是從市場份額占有來看，電視收視市場確實在全球范圍內(nèi)出現(xiàn)了持續(xù)性的萎縮，以央視春晚收視率為例我們可以看出具體情況（如圖2）。目前，視頻網(wǎng)站Netf lix已經(jīng)可以利用大數(shù)據(jù)制作出《紙牌屋》這樣符合觀眾口味的電視節(jié)目，電信運營商也正在原有基礎(chǔ)上希望將多年累積的用戶數(shù)據(jù)拓展到IPTV領(lǐng)域，并為其提供更有針對性的服務(wù)和內(nèi)容，而谷歌、蘋果、微軟這樣的巨頭也隨著大數(shù)據(jù)時代的到來，借助OTT TV希望在傳統(tǒng)電視媒體領(lǐng)域有所表現(xiàn)，這些巨頭公司運用強(qiáng)大的數(shù)據(jù)分析能力，將會為用戶生產(chǎn)出更為強(qiáng)大智能的電視內(nèi)容。

3）大數(shù)據(jù)帶來的影響

廣電行業(yè)本身就對數(shù)據(jù)充滿了興趣，多年行業(yè)發(fā)展一直用收視率分析節(jié)目信息。通過數(shù)據(jù)他們可以將一個個看不見摸不著的用戶提煉出具體詳細(xì)的信息，然后又參考數(shù)據(jù)“重建”一個習(xí)慣、喜好清晰透明的“用戶”。比如用戶們都是哪個年齡段，他們都在看什么節(jié)目，每個節(jié)目他們大概看了多久，不同地區(qū)用戶喜歡看怎樣的節(jié)目。當(dāng)前電視機(jī)和機(jī)頂盒的結(jié)合已經(jīng)可以應(yīng)對這些問題，機(jī)頂盒作為一個封閉的終端已經(jīng)能夠有效記錄大量數(shù)據(jù)，能對觀眾開關(guān)機(jī)頂盒、轉(zhuǎn)換頻道以及使用增值業(yè)務(wù)等操作行為進(jìn)行精確到秒的詳細(xì)記錄。

但是，大數(shù)據(jù)時代來臨后，廣播電視系統(tǒng)許多傳統(tǒng)指標(biāo)將會發(fā)生不同于以往的顯著影響。以前我們對于廣播電視傳播內(nèi)容的評估主要是用收視率、收聽率等，但是在大數(shù)據(jù)時代，用戶將可以從更多終端選擇內(nèi)容獲取，也將有更多數(shù)據(jù)形式出現(xiàn)在統(tǒng)計行列。大數(shù)據(jù)時代，如果僅靠機(jī)頂盒回傳海量用戶數(shù)據(jù)樣本用于測量的方法應(yīng)該不再行得通。

圖2 2007年至2013 年央視一套（CCTV-1）央視春晚收視率

基于網(wǎng)絡(luò)電視媒體的發(fā)展，當(dāng)今電視媒體創(chuàng)作人員應(yīng)該把網(wǎng)絡(luò)平臺播出的特殊性考慮進(jìn)去，不應(yīng)僅僅制作能在電視上觀看的節(jié)目。未來電視節(jié)目制作或許會轉(zhuǎn)變?yōu)橐曨l節(jié)目制作。

隨著多年來互聯(lián)網(wǎng)業(yè)務(wù)的蓬勃發(fā)展，互聯(lián)網(wǎng)帶來的個性化、智能化、交互性服務(wù)，讓電視機(jī)前的觀眾數(shù)量流失。因為電視機(jī)本身具備占據(jù)家庭客廳優(yōu)勢，所以在這種情況下，電視機(jī)不應(yīng)僅僅滿足放電視的功能。如今的OTT TV、IPTV等都在大力發(fā)掘電視的其他功能，希望電視在扮演客廳主導(dǎo)地位的同時發(fā)揮更完善的功能，比如通過對新興產(chǎn)業(yè)技術(shù)的融合研發(fā)，大力開發(fā)基于數(shù)字電視基礎(chǔ)之上的視頻點播、電子政務(wù)、銀行支付、民生信息、電視通話、寬帶接入、家庭智能化等多種新業(yè)務(wù)。通過這些業(yè)務(wù)實現(xiàn)，不僅能滿足家庭用戶的多樣化需求，還能帶來更大的數(shù)據(jù)，而對這些數(shù)據(jù)的有效處理已經(jīng)不再是傳統(tǒng)意義上的廣播電視功能了，而是將電視放置在了更大的社會背景里。

大數(shù)據(jù)中的數(shù)據(jù)處理

1、大數(shù)據(jù)特點

數(shù)據(jù)（Data）是載荷或記錄信息的按一定規(guī)則排列組合的物理符號?？梢允菙?shù)字、文字、圖像，也可以是計算機(jī)代碼。對信息的接收始于對數(shù)據(jù)的接收，對信息的獲取只能通過對數(shù)據(jù)背景的解讀。而“大數(shù)據(jù)”則是一個體量特別大，數(shù)據(jù)類別特別大的數(shù)據(jù)集，并且這樣的數(shù)據(jù)集無法用傳統(tǒng)數(shù)據(jù)庫工具對其內(nèi)容進(jìn)行抓取、管理和處理。

大數(shù)據(jù)具有4V特點，即Volume（大量）、Velocity（高速）、Variety（多樣）、Veracity（精確）。大數(shù)據(jù)的4個“V”，或者說特點有四個層面：第一，數(shù)據(jù)體量巨大。一般在TB級別；第二，數(shù)據(jù)類型繁多。來源渠道可以是網(wǎng)絡(luò)日志、視頻、圖片、地理位置信息等等。第三，價值密度低，商業(yè)價值高，數(shù)據(jù)真實性高。以視頻為例，連續(xù)不間斷監(jiān)控過程中，可能有用的數(shù)據(jù)僅僅有一兩秒。第四，處理速度快。1秒定律。即使在數(shù)據(jù)量非常龐大的情況下，也能夠做到數(shù)據(jù)的實時處理。最后這一點也是和傳統(tǒng)的數(shù)據(jù)處理技術(shù)有著本質(zhì)的不同。

2、大數(shù)據(jù)處理方法

實際應(yīng)用中大數(shù)據(jù)的處理方法有很多，根據(jù)各種流程可以概括出大數(shù)據(jù)處理流程大概有四步，分別是采集、導(dǎo)入和預(yù)處理、統(tǒng)計和分析，以及挖掘。如圖3。

采集 大數(shù)據(jù)的采集是指利用多個數(shù)據(jù)庫來接收從各客戶端（Web、App或者傳感器形式等）發(fā)出的數(shù)據(jù)，并且用戶可以通過這些數(shù)據(jù)庫來進(jìn)行簡單的查詢和處理工作。比如電商可以使用傳統(tǒng)關(guān)系型數(shù)據(jù)庫MySQL和Oracle等來存儲每一筆事務(wù)數(shù)據(jù)，另外，Redis和MongoDB這樣的NoSQL數(shù)據(jù)庫也常用于數(shù)據(jù)的采集。

導(dǎo)入/預(yù)處理 雖然采集端本身會有很多數(shù)據(jù)庫，但是如果要對這些海量數(shù)據(jù)進(jìn)行有效的分析，還是應(yīng)該將這些來自前端的數(shù)據(jù)導(dǎo)入到一個集中的大型分布式數(shù)據(jù)庫，或者分布式存儲集群，并且可以在導(dǎo)入基礎(chǔ)上做一些簡單的清洗和預(yù)處理工作。

統(tǒng)計/分析 統(tǒng)計與分析主要利用分布式數(shù)據(jù)庫，或者分布式計算集群來對存儲于其內(nèi)的海量數(shù)據(jù)進(jìn)行普通的分析和分類匯總等，以滿足大多數(shù)常見的分析需求，在這方面，一些實時性需求會用到EMC 的GreenPlum、Oracle的Exadata，以及基于MySQL的列式存儲Infobright等，而一些批處理，或者基于半結(jié)構(gòu)化數(shù)據(jù)的需求可以使用Hadoop。

挖掘 與前面統(tǒng)計和分析過程不同的是，數(shù)據(jù)挖掘一般沒有什么預(yù)先設(shè)定好的主題，主要是在現(xiàn)有數(shù)據(jù)上面進(jìn)行基于各種算法的計算，從而起到預(yù)測（Predict）的效果，從而實現(xiàn)一些高級別數(shù)據(jù)分析的需求。比較典型算法有用于聚類的K-Means、用于統(tǒng)計學(xué)習(xí)的SVM和用于分類的Naive Bayes，主要使用的工具有Hadoop的Mahout等。

圖3 大數(shù)據(jù)處理流程

從表1可以看出，數(shù)據(jù)挖掘軟件經(jīng)歷了五代發(fā)展，從第一代只能是單個算法單個機(jī)器、向量數(shù)據(jù)。第二代軟件已經(jīng)可以和數(shù)據(jù)庫以及數(shù)據(jù)倉庫集成，并且有多個算法。第三代則跨越性和預(yù)測模型系統(tǒng)集成，開始支持Web數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)，是一種網(wǎng)絡(luò)化計算。第四代是分布式數(shù)據(jù)挖掘，是基于網(wǎng)格計算來做多個算法，分布在多個節(jié)點上的方式。第五代則是基于云計算的并行數(shù)據(jù)與服務(wù)模式。同一個算法可以分布在多個節(jié)點，多個算法間也能并行，計算資源按需分配?，F(xiàn)在大數(shù)據(jù)多與云計算結(jié)合，云計算能夠?qū)崿F(xiàn)高性能、低成本的計算，能夠保證分布式并行數(shù)據(jù)挖掘和高效實時挖掘。

3、廣電行業(yè)數(shù)據(jù)處理

大數(shù)據(jù)技術(shù)的戰(zhàn)略意義不在于掌握龐大的數(shù)據(jù)信息，而在于對于這些信息進(jìn)行專業(yè)化處理得到更有用內(nèi)容。如果把大數(shù)據(jù)比作一個龐大的工廠，那么數(shù)據(jù)挖掘在其中則扮演“加工”用，對于工廠效益的提高，則需通過增加加工能力來實現(xiàn)。

在“三網(wǎng)融合”的大環(huán)境和大趨勢下，有線電視公司相比于互聯(lián)網(wǎng)和電信企業(yè)，不管在運營方式以及效率上都處于劣勢。因為互聯(lián)網(wǎng)和電信企業(yè)已經(jīng)領(lǐng)先一步及早通過對大數(shù)據(jù)的挖掘進(jìn)行經(jīng)營和管理上的改良，提高效率，改善模式。他們通過聚類分群，區(qū)分對待不同的用戶，提供不同的服務(wù)。這和傳統(tǒng)的有線電視運營形成了強(qiáng)烈的對比。所以在如此嚴(yán)峻的情況下，廣電行業(yè)更應(yīng)提高數(shù)據(jù)挖掘應(yīng)用程度。而數(shù)據(jù)挖掘分析一定要根據(jù)不同運營商需求分析出合適的方法，根據(jù)自己的特色選取最優(yōu)方案。

結(jié)合廣電行業(yè)自身發(fā)展，為了更好的對數(shù)據(jù)進(jìn)行處理，我們在標(biāo)準(zhǔn)的數(shù)據(jù)處理流程之外還要結(jié)合一些其他行為。

（1）改良數(shù)據(jù)的采集方式，現(xiàn)在廣電運營商常常通過機(jī)頂盒雙向網(wǎng)自動回傳方式實現(xiàn)海量、全網(wǎng)數(shù)據(jù)的采集工作。這樣一方面可以一定程度避免因樣本偏差、樣本污染或者不科學(xué)的計算方法引起的一系列收視率不可信問題，還可以極大程度提高基本收視指標(biāo)數(shù)據(jù)的可信度。

（2）還應(yīng)擴(kuò)大采集的范圍，盡可能多的獲取用戶數(shù)據(jù)，最好能夠通過全網(wǎng)收視數(shù)據(jù)采集明確用戶的信息，并且能明確每個用戶的收視行為。用戶在直播收視之外的點播或其他增值業(yè)務(wù)數(shù)據(jù)也要搜集起來，因為相比于觀看直播節(jié)目，用戶主動選擇的點播節(jié)目數(shù)據(jù)最能詳細(xì)反映用戶的觀看喜好和點播習(xí)慣。用戶的觀看評價更要收集。

（3）加深數(shù)據(jù)挖掘的理念和技術(shù)。由于之前廣電行業(yè)面對的數(shù)據(jù)均較為簡單，因此通過簡單的統(tǒng)計計算就能得出結(jié)果。隨著數(shù)據(jù)量及數(shù)據(jù)范圍的不斷擴(kuò)大，顯然通過簡單的統(tǒng)計計算已遠(yuǎn)遠(yuǎn)不能滿足有線運營商的需求。這時候需要引入更加高級，與大數(shù)據(jù)量匹配的數(shù)據(jù)挖掘理念。

（4）應(yīng)該培養(yǎng)一批具備傳媒知識的數(shù)據(jù)人，不僅擅長數(shù)據(jù)分析，還對傳媒行業(yè)有特別的敏感性。不能固步自封，要以創(chuàng)新的精神和眼光在當(dāng)前環(huán)境下發(fā)掘到更有價值信息。

表1 數(shù)據(jù)挖掘軟件發(fā)展歷程

大數(shù)據(jù)對廣電技術(shù)的轉(zhuǎn)型作用力

通過廣泛的數(shù)據(jù)采集，我們獲得了海量數(shù)據(jù)，對用戶觀看信息有了充足儲備，再加上智能高效的數(shù)據(jù)分析讓我們可以提取出更精準(zhǔn)的用戶使用習(xí)慣和喜好。獲取數(shù)據(jù)和分析數(shù)據(jù)都不是我們研究大數(shù)據(jù)時代廣電行業(yè)影響的終點，而是要學(xué)會如何運用這些數(shù)據(jù)提取出企業(yè)運營的關(guān)鍵指標(biāo)，并能夠從中發(fā)現(xiàn)一些潛在的信息和規(guī)律，輔助企業(yè)經(jīng)營狀況分析預(yù)測以及經(jīng)營策略的制定，創(chuàng)造出更個性更特色更適合用戶的內(nèi)容。

1、智能節(jié)目推薦

在大數(shù)據(jù)的基礎(chǔ)上通過云計算，我們對用戶的收視行為進(jìn)行了分析，可以得出用戶在什么時間地點收看什么節(jié)目，可以得出每戶用戶對電視節(jié)目收看的喜好。

傳統(tǒng)的電視節(jié)目播放都是基于時間線傳送，現(xiàn)在我們可以將基于時間線的頻道資源碎片化，不再按時間管理，而是碎片為基于內(nèi)容的分塊頻道資源。可以通過預(yù)先的分析，了解到每個電視頻道將在不同時間段播出哪些節(jié)目類型，進(jìn)而將所有節(jié)目類型歸納分類，這不同于以往頻道編號或者頻道類型進(jìn)行分類的頻道方式，可以依據(jù)當(dāng)前頻道播出的節(jié)目類型對于所有頻道進(jìn)行動態(tài)分類。用戶采用這樣的方式觀看電視時，改變了過去被動的觀眾接收方式，變?yōu)橹鲃拥母鶕?jù)觀眾需求動態(tài)選擇接收方式。

通過對用戶在VOD視頻點播上觀看的節(jié)目進(jìn)行數(shù)據(jù)分析后，能夠得出更直觀更有針對性的信息。將這些信息運用在VOD視頻節(jié)目推薦上將能推薦出更針對用戶口味喜好的節(jié)目。比如用戶觀看了一部愛情片可能系統(tǒng)會為他再推薦一部愛情片或者同一個導(dǎo)演的片子。通過對用戶行為的分析，也能向用戶推薦其他用戶觀看的熱門節(jié)目，進(jìn)而提高用戶使用VOD視頻點播服務(wù)的活躍程度。

傳統(tǒng)電視節(jié)目通常按時間線性排序推出節(jié)目內(nèi)容，所以通常當(dāng)觀眾看完一集節(jié)目時要到次日才能收看到下集節(jié)目，但是如果在VOD視頻點播系統(tǒng)中已經(jīng)儲存有這部節(jié)目，則可以在電視劇播完后提醒觀眾可以通過VOD視頻點播系統(tǒng)觀看接下來的集數(shù)。這樣，可以提高用戶的電視使用率，也能提高用戶對電視的粘性。

基于電視節(jié)目的個性化推薦，順理成章可以得出每位用戶使用的EPG一定是風(fēng)格不同的。用戶使用的EPG不在是電視運營商配備的統(tǒng)一標(biāo)準(zhǔn)，而是針對為用戶推薦的電視節(jié)目制定的個性化EPG。通過在EPG上導(dǎo)入社交元素，用戶可以實現(xiàn)對好友間、鄰居間電視節(jié)目收看情況的了解或者推薦，還可以對收看的電視節(jié)目進(jìn)行交流討論。這一系列行為可以增加用戶對電視使用的活躍度，也能增強(qiáng)用戶間交流的活躍度。

2、智能廣告投放

在使用電視和機(jī)頂盒時，數(shù)字電視機(jī)頂盒的UI交互界面為廣告運營商在系統(tǒng)中為用戶推送廣告提供了很好平臺空間。傳統(tǒng)數(shù)字電視的廣告即為EPG廣告、音量條廣告、換臺廣告、貼片廣告等?，F(xiàn)在通過基于云計算大數(shù)據(jù)處理后的技術(shù)應(yīng)用，廣告投放可以更加智能化個性化。

我們可以對用戶觀看的電視節(jié)目內(nèi)容類型進(jìn)行智能分析，進(jìn)而可以投放與該頻道內(nèi)容相關(guān)的廣告。例如我們可以為時常收看娛樂節(jié)目的用戶投放時尚用品廣告，為喜歡看體育節(jié)目的用戶投放體育用品的廣告，為喜歡看家庭電視劇的家庭人士投放家庭必需品廣告。通過這一行為不僅可以提高廣告的利用效率，也能減少用戶對廣告的反感，更能促進(jìn)廣電運營商和廣告商之間的合作，挽回流失到其他終端系統(tǒng)上的廣告投放額。

3、智能化客戶管理

在當(dāng)前社會發(fā)展環(huán)境下，經(jīng)過多年互聯(lián)網(wǎng)、電信網(wǎng)和數(shù)字電視領(lǐng)域的競爭，用戶流失已經(jīng)是個非常明顯的現(xiàn)象 。隨著IPTV、網(wǎng)絡(luò)電視、手機(jī)電視等新型終端電視的發(fā)展，有線電視用戶流失在所難免。針對這些情況，我們可以對已有的有線電視用戶建立客戶屬性、服務(wù)屬性、客戶消費情況等數(shù)據(jù)與客戶流失概率相關(guān)聯(lián)的數(shù)學(xué)模型，并給出明確的客戶流失概率計算公式，利用此模型來預(yù)報客戶流失的概率，對流失可能性較大的高價值客戶發(fā)出流失預(yù)警。針對不同客戶群體或者為提高客戶忠誠度而推出各種優(yōu)惠政策。還可以結(jié)合客戶流失數(shù)據(jù)和消費習(xí)慣分析優(yōu)惠政策是否達(dá)到預(yù)期效果。對于用戶欠費情況也能得出風(fēng)險預(yù)警。

4、收視率與運行情況統(tǒng)計

傳統(tǒng)收視率測量手段采用的是抽樣測量的方法，即通過日記法或人員測量儀法記錄到的被調(diào)查者個人的電視收視數(shù)據(jù)，具體即有電視的家庭戶（樣本戶）中每位成員（年齡4周歲及以上的被調(diào)查者）在每天連續(xù)的24小時內(nèi)每15分鐘（人員測量儀為每分鐘）收看或不收看電視以及收看什么頻道的記錄信息。這種調(diào)查方法不僅成本高而且因為人工操作容易造成人為數(shù)據(jù)污染，采樣人數(shù)有限也會造成收視率的統(tǒng)計不完全準(zhǔn)確。

不同于以往的樣本采集收視率統(tǒng)計，基于云計算和大數(shù)據(jù)技術(shù)的收視率將更精確更實時。運營商可以通過雙向網(wǎng)絡(luò)實時收集每個電視終端的收視情況，結(jié)合不同地區(qū)不同時段的了解，可以細(xì)化出不同頻道不同節(jié)目的收視情況。根據(jù)這些實時收視情況，可以對用戶收視行為進(jìn)行引導(dǎo)，比如講要推廣的電視欄目向廣告一樣預(yù)先推送給觀眾，引導(dǎo)觀眾的收看行為。

基于智能機(jī)頂盒和大數(shù)據(jù)技術(shù)的運行，我們可以在機(jī)頂盒中獲取大量數(shù)據(jù)。在雙向網(wǎng)絡(luò)的環(huán)境下，用戶機(jī)頂盒可以自動記錄大量終端運行情況，進(jìn)而可以對終端盒網(wǎng)絡(luò)的情況進(jìn)行良好的反饋和分析，有助于電視運營商提高質(zhì)量。我們可以記錄觀看節(jié)目時長、信號傳輸質(zhì)量、網(wǎng)絡(luò)延時、終端CPU使用情況等。所以即使在信號傳輸發(fā)生故障造成中斷時，也能夠在第一時間獲得信息解決問題。