粟 皓,趙 暉

(1.中國科學院大學，北京 100049；2.新疆大學，新疆 烏魯木齊 830046)

一、引言

隨著數(shù)字化、網(wǎng)絡化、智能化的快速發(fā)展，數(shù)字電視網(wǎng)絡運營商依托技術優(yōu)勢逐漸實現(xiàn)了電視節(jié)目點播與個性化推薦功能，從而開拓出與以往不同的電視節(jié)目營銷方式。如2017年3月7日，“央視專區(qū)”在北京歌華有線試點上線智能推薦功能，為專區(qū)用戶提供個性化節(jié)目推薦服務[1]。對于推薦系統(tǒng)，Resnick和Varian[2]認為，它利用電子商務網(wǎng)站為顧客提供商品信息和建議，幫助用戶決定應該購買什么產(chǎn)品，模擬銷售人員幫助客戶完成購買過程。系統(tǒng)的個性化推薦技術能夠自動為用戶推薦符合其偏好的信息，減少用戶檢索的時間，提升用戶體驗，提高傳播效率。其中，大數(shù)據(jù)處理為此提供了很好的技術支撐。大數(shù)據(jù)處理，就是對大量的用戶數(shù)據(jù)使用一定的處理方法進行統(tǒng)計與分析，幫助使用者在決策、洞察外界環(huán)境變化和優(yōu)化流程等方面表現(xiàn)得更佳[3]。大數(shù)據(jù)與互聯(lián)網(wǎng)在電視平臺中的應用促進了傳統(tǒng)推薦營銷方式的變革，其中最突出的變化表現(xiàn)在以下方面。

首先是臺網(wǎng)融合趨勢的出現(xiàn)。當下，基于雙向互動的數(shù)字電視已走進千家萬戶，其是建立在雙向數(shù)字化技術基礎之上，具備開放式操作系統(tǒng)與應用平臺，能夠滿足用戶點播節(jié)目等個性化、多樣化和多層次需求的電視產(chǎn)品。電視平臺在數(shù)字電視的基礎上開發(fā)出各種產(chǎn)品和服務，同時互聯(lián)網(wǎng)技術以及大數(shù)據(jù)對電視平臺營銷影響巨大。在二者的共同作用下，電視平臺現(xiàn)已不僅僅是電視臺播出電視節(jié)目的渠道，而是逐漸轉(zhuǎn)變?yōu)橛蓛?nèi)容提供商、服務提供商和電視臺共同構成的跨網(wǎng)、跨終端的多元化業(yè)務組合。電視平臺通過數(shù)字電視完成了對用戶信息的收集與分析，實現(xiàn)了電視節(jié)目的個性化推薦。

其次是電視節(jié)目市場的分眾化。傳統(tǒng)的電視節(jié)目推薦主要以首頁頂置和黃金展位為主導，關注最為大眾接受的節(jié)目，小眾內(nèi)容很難占據(jù)流量位置。這有利于電視平臺打造大流量爆款內(nèi)容，但不利于更全面地吸引觀眾。而電視節(jié)目個性化推薦的營銷方式則彌補了這種不足，使小眾用戶也可以更加快捷地搜尋到符合自身觀看偏好的節(jié)目。個性化推薦需針對不同的用戶偏好推薦不同的電視節(jié)目，因而電視平臺對于市場的關注需從僅關注流量節(jié)目轉(zhuǎn)而同時關注爆款節(jié)目和小眾節(jié)目，由此帶來了電視節(jié)目市場的細分。

最后是電視平臺對大數(shù)據(jù)的依賴程度加深。個性化推薦營銷建立在對大量用戶數(shù)據(jù)收集、整理、分析和分類的基礎之上，電視平臺需對不同的節(jié)目進行分類，采用相關算法計算出各種電視節(jié)目之間的相似程度，向用戶進行個性化節(jié)目推薦時也需計算用戶常觀看節(jié)目與平臺內(nèi)節(jié)目組之間的相似程度，根據(jù)相似程度進行匹配進而推薦節(jié)目。由此，電視平臺對于大數(shù)據(jù)的依賴程度顯著提升。根據(jù)個性化推薦技術手段的不同，電視平臺需對用戶觀看偏好數(shù)據(jù)進行不同方式的處理，并及時接收用戶的反饋信息。上述工作均是在對用戶觀看數(shù)據(jù)進行處理的基礎上進行的，從中可以反映出電視平臺對大數(shù)據(jù)依賴程度之深。

二、電視節(jié)目個性化推薦營銷中的技術手段分析

基于大數(shù)據(jù)的電視節(jié)目個性化推薦是各電視平臺向消費者提供個性化視覺體驗服務的重要營銷方式之一。通過大數(shù)據(jù)處理，電視平臺可以實現(xiàn)對用戶觀看與點播歷史的統(tǒng)計，并根據(jù)歷史數(shù)據(jù)對用戶未來可能觀看的節(jié)目作出預測進而進行推送。在電視平臺進行電視節(jié)目個性化推薦營銷的過程中，用戶會接收并響應電視平臺的刺激進而進行自我參照，其注意力會自發(fā)地集中于與過去觀看經(jīng)驗相似的內(nèi)容。若推薦內(nèi)容符合用戶的自我參照，則其更有可能觀看推薦內(nèi)容并減少對其他內(nèi)容的搜索。目前，個性化推薦所依賴的數(shù)據(jù)主要是基于內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)這兩類[4]。

(一)基于內(nèi)部數(shù)據(jù)的推薦方法

內(nèi)部數(shù)據(jù)來自于平臺自身對用戶觀看數(shù)據(jù)的統(tǒng)計和分析，當下使用比較廣泛的基于內(nèi)部數(shù)據(jù)的個性化推薦算法有兩種。一種是基于內(nèi)容的推薦方法，又稱為基于信息過濾的推薦，其是根據(jù)用戶選擇的節(jié)目對象推薦屬性類似的節(jié)目，核心思想是根據(jù)用戶興趣和節(jié)目特征的相似性進行推薦。另一種是基于協(xié)同過濾的推薦方法，其是根據(jù)用戶所在分類的同分類用戶的觀看歷史來估計當前用戶的觀看偏好，從而對節(jié)目進行篩選推薦。

上述兩種推薦方法各有優(yōu)缺點。基于內(nèi)容的推薦方法是根據(jù)用戶個人觀看歷史進行相似節(jié)目的類比并進行推薦，以該方法推薦的結果不會受同類別其他用戶觀看偏好的影響，推薦結果更為直觀、準確。但是此種方法難以處理復雜的數(shù)據(jù)且難以發(fā)現(xiàn)用戶的潛在興趣，因而容易形成偏好固化。這種推薦方法是根據(jù)用戶觀看節(jié)目的特征信息進行匹配推薦，若同一終端使用者不為一人，系統(tǒng)統(tǒng)計到的用戶觀看偏好無法保持一致則不易形成匹配結構，導致推薦出現(xiàn)困難。同時，這種推薦方法向用戶推薦的內(nèi)容具有高度同質(zhì)性，很難發(fā)現(xiàn)用戶的相似偏好或其他方面的潛在興趣。

基于協(xié)同過濾的推薦方法可在一定程度上克服基于內(nèi)容的推薦方法的不足。該方法使用的是與用戶有著相似觀看偏好的用戶群數(shù)據(jù)，進行類比后再為用戶推薦相類似的節(jié)目。從用戶的角度來說，其獲得的推薦信息來自于用戶群的瀏覽行為，不需用戶主動查找適合自己的推薦信息；并且該方法可以處理包含圖像、聲音等較為復雜的非結構化對象數(shù)據(jù)。此外，這種方法對用戶的推薦是基于群體觀看偏好，因而推薦的節(jié)目雖具有一定的相似度但同時也保持了一定的差異性。這可以幫助用戶在觀看節(jié)目時拓展自我參照邊界，發(fā)現(xiàn)相似的潛在興趣。但是這種推薦方法存在冷啟動和數(shù)據(jù)稀疏性問題。數(shù)據(jù)稀疏性問題是指在現(xiàn)實中，電視平臺存在著大量沒有觀看或評價數(shù)據(jù)的用戶，沒有或者只有極少量的新用戶信息，包括用戶的歷史瀏覽記錄以及用戶對推薦內(nèi)容的反饋信息等，也就是說用戶還未在該平臺表現(xiàn)出穩(wěn)定的觀看偏好，而只有當用戶有一定的歷史記錄后系統(tǒng)才能對其偏好進行分類；且由于用戶之間的選擇存在差異性，因而用戶對于同樣的節(jié)目可能評價差異很大。另外，新節(jié)目加入系統(tǒng)數(shù)據(jù)庫后，必須有一定數(shù)量的用戶觀看記錄及評論后系統(tǒng)才能對其進行分類。冷啟動則是數(shù)據(jù)稀疏的一種特殊情況，是指用戶在該平臺內(nèi)完全沒有歷史記錄，此時使用該推薦方法便無法對其進行個性化推薦。

(二)基于外部數(shù)據(jù)的推薦方法

基于外部數(shù)據(jù)的推薦首先需要不同的電視平臺之間進行數(shù)據(jù)共享，然后根據(jù)用戶在本平臺與其他平臺的觀看歷史進行相關推薦。如果某一電視平臺能夠從其他電視平臺獲取某一用戶的觀看偏好信息，那么該電視平臺將會獲得更為全面的用戶觀看偏好，并為其提供更為精準的電視節(jié)目推薦。外部數(shù)據(jù)共享會給平臺營銷帶來更多有效數(shù)據(jù)，相關研究表明，如果公司與競爭對手之間共享消費者數(shù)據(jù)，將會同時提高兩個公司獲得消費者的能力，形成雙贏局面[5]。對規(guī)模較小的電視平臺而言，來源于外部的數(shù)據(jù)能夠更好地反映用戶的觀看偏好，如果其能很好地利用來自外部電視平臺的數(shù)據(jù)為用戶提供個性化推薦，那么用戶接受這種營銷方式的概率將會提高。對規(guī)模較大的電視平臺而言，實現(xiàn)數(shù)據(jù)共享可進一步豐富平臺自身大數(shù)據(jù)的內(nèi)容，獲取更多的平臺用戶信息資料，進而可為用戶提供更為精準的個性化推薦。用戶也可以由這種自我參照的滿足產(chǎn)生對平臺的忠誠，忠誠度越高，用戶觀看該電視平臺推送節(jié)目的概率也越高[6]。

通常情況下，用戶在電視平臺內(nèi)接收個性化節(jié)目推薦主要經(jīng)過以下階段。一是推薦請求階段，即當用戶進入電視平臺后，客戶端會將需要推送的個性化節(jié)目請求發(fā)送至服務器推薦系統(tǒng)。二是用戶個性化節(jié)目生成階段，即推薦系統(tǒng)根據(jù)請求篩選需要推薦的節(jié)目并將結果返回客戶端。三是個性化推薦顯示階段，即客戶端顯示由推薦系統(tǒng)返回的推薦節(jié)目。在這一過程中，后臺系統(tǒng)將根據(jù)不同用戶的觀看歷史記錄生成不同的推薦反饋，用戶在接收到推薦后可選擇接受或者拒絕其中的部分推薦，在此基礎上后臺系統(tǒng)可根據(jù)用戶的反饋不斷調(diào)整推薦內(nèi)容。

三、電視節(jié)目個性化推薦營銷存在的問題

(一)數(shù)據(jù)共享困難限制個性化推薦營銷

個性化推薦營銷在數(shù)據(jù)共享的情況下能夠為電視平臺帶來更多的收益，但平臺間的數(shù)據(jù)共享面臨眾多阻礙，主要表現(xiàn)為：一是數(shù)據(jù)共享涉及數(shù)據(jù)安全問題。在數(shù)據(jù)共享過程中數(shù)據(jù)會在不同電視平臺間流動，需對數(shù)據(jù)安全進行監(jiān)管。當下信息技術發(fā)達，具有商業(yè)目的的信息盜竊與信息泄露時有發(fā)生，因而保證信息安全是各電視平臺在數(shù)據(jù)共享時需應對的一大難題。二是數(shù)據(jù)共享面臨泄露商業(yè)秘密的風險。大數(shù)據(jù)時代，用戶使用信息是電視平臺的重要資源，可在一定程度上反映平臺自身欄目的建設特點和優(yōu)勢，映射出平臺的核心競爭力，而數(shù)據(jù)共享則有泄露平臺商業(yè)秘密的風險?！巴惺窃┘摇钡膫鹘y(tǒng)思想給用戶數(shù)據(jù)共享增添了一道阻礙，各電視平臺往往會出于品牌保護的目的而不愿共享用戶數(shù)據(jù)。三是數(shù)據(jù)的稀缺資源屬性在一定程度上制約了數(shù)據(jù)共享。用戶數(shù)據(jù)是電視平臺收集而來的稀缺資源，各平臺的用戶觀看數(shù)據(jù)是對用戶的觀看記錄等歷史數(shù)據(jù)不斷進行收集、整理和分析獲得的，電視平臺需付出較高的成本以形成完整、豐富的數(shù)據(jù)庫，此種稀缺資源能為電視平臺的個性化推薦營銷帶來極大便利，出于對資源的保護，電視平臺往往不愿共享數(shù)據(jù)。

(二)信息超載限制個性化推薦營銷

從傳統(tǒng)的節(jié)目推薦營銷轉(zhuǎn)向個性化推薦營銷，電視平臺需處理的用戶信息數(shù)量大幅增加，可能會超出電視平臺數(shù)據(jù)處理的能力。一是個性化推薦帶來觀眾分類的碎片化。傳統(tǒng)推薦是針對爆款節(jié)目的推薦，是在大數(shù)據(jù)中統(tǒng)計觀看人數(shù)、收視率較高的節(jié)目并將其作為爆款放置于電視平臺截面頂部或黃金位置；而個性化推薦需對用戶進行細分，形成眾多不同的用戶群體，電視平臺的個性化推薦是對不同用戶群體甚至每個不同用戶進行推薦。個性化推薦對數(shù)據(jù)的處理需對不同用戶的碎片數(shù)據(jù)進行整合，不僅僅是對某類節(jié)目觀看人數(shù)、收視率等數(shù)據(jù)的整合，而是包括了用戶年齡、性別、行業(yè)等復雜因素的數(shù)據(jù)整合。二是個性化推薦帶來電視節(jié)目分類的碎片化。傳統(tǒng)推薦方式下，電視平臺只需關注節(jié)目的瀏覽量和評價，在協(xié)同過濾推薦方式下，節(jié)目推薦建立在用戶對節(jié)目的評價等信息的基礎之上，電視平臺需根據(jù)節(jié)目評價同時依據(jù)用戶偏好對節(jié)目進行差異化對比和詳細分類。因而在節(jié)目信息處理方面，個性化推薦下電視平臺需處理的信息數(shù)量明顯增加。

(三)推薦算法缺陷阻礙個性化推薦營銷

正如前文所述，基于內(nèi)容的推薦方法和基于協(xié)同過濾的推薦算法各有優(yōu)缺點，限于相關算法的固有缺陷，電視平臺在建立數(shù)據(jù)分析系統(tǒng)時會出現(xiàn)不足，進而不能充分發(fā)揮個性化推薦營銷的優(yōu)勢。一是基于內(nèi)容的推薦方法不能有效處理多媒體數(shù)據(jù)，其主要是對數(shù)據(jù)的單方面處理，如對文字信息中高頻詞匯的統(tǒng)計和分析等。此外，為用戶推薦的視頻內(nèi)容局限于用戶觀看的歷史記錄，無法在類似用戶群中形成聯(lián)動，推薦節(jié)目種類單一、同質(zhì)化程度高，難以充分滿足個性化推薦營銷中推送內(nèi)容豐富的要求。二是協(xié)同過濾推薦算法雖可在一定程度上克服基于內(nèi)容推薦方法的推薦內(nèi)容同質(zhì)化程度高、不能有效處理復雜數(shù)據(jù)等缺點，能夠針對用戶群體中具有相似觀看偏好的用戶進行節(jié)目推薦，然而高質(zhì)量的協(xié)同過濾推薦結果是建立在節(jié)目信息、用戶觀看記錄、用戶評價等大量復合數(shù)據(jù)的基礎之上的，現(xiàn)實中用戶偏好差別巨大、節(jié)目數(shù)量龐大、數(shù)據(jù)稀疏性問題較為明顯，因而降低了個性化推薦營銷的質(zhì)量。同時，新用戶使用平臺和新節(jié)目進入數(shù)據(jù)庫時所產(chǎn)生的冷啟動問題也會影響推薦結果。

(四)用戶偏好固化阻礙個性化推薦營銷的后期發(fā)展

電視節(jié)目個性化推薦營銷是基于用戶或者相似偏好用戶的歷史數(shù)據(jù)產(chǎn)生的。在用戶和系統(tǒng)之間不斷交互信息的過程中，系統(tǒng)會根據(jù)用戶反饋提供更為精準的個性化推薦，用戶則會進一步選擇符合其觀看偏好的節(jié)目，此時便容易產(chǎn)生用戶偏好固化的問題。從用戶角度來看，其在接收到系統(tǒng)的個性化推薦服務后，會在其中選擇最符合自己觀看偏好的節(jié)目，而用戶長期接受同類型的節(jié)目推薦又會養(yǎng)成非自主選擇習慣。用戶的觀看習慣和觀看偏好會隨個性化推薦的深入日趨固化，在一定程度上導致用戶的喜好和選擇出現(xiàn)不同程度的窄化。從系統(tǒng)角度來看，系統(tǒng)在接收到用戶的反饋信息后會對推薦的節(jié)目進行調(diào)整，出于提高用戶觀看率的目的，系統(tǒng)會自發(fā)地向用戶提供更符合其偏好的節(jié)目，這在用戶觀看節(jié)目的過程中不斷循環(huán)，系統(tǒng)推薦的節(jié)目也會越發(fā)精準。然而忽略對用戶潛在觀看偏好和相似偏好的發(fā)掘，也將導致個性化推薦的范圍不斷變窄。因而，在用戶和系統(tǒng)的共同作用下，用戶接收到的推薦范圍越發(fā)狹窄，最終容易形成用戶偏好固化，從長期來看不利于電視平臺、電視節(jié)目的發(fā)展以及對用戶觀看潛力的發(fā)掘。

四、推進電視節(jié)目個性化推薦營銷的建議

(一)以合作推進數(shù)據(jù)共享

外部數(shù)據(jù)有助于電視平臺建立更為完善和全面的數(shù)據(jù)庫，幫助電視平臺解決冷啟動和數(shù)據(jù)稀疏性問題，推進電視節(jié)目個性化推薦營銷。雖然電視平臺之間以及電視平臺和網(wǎng)絡視頻平臺之間的數(shù)據(jù)共享存在一定阻礙，但這并不意味著無法進行。首先，電視平臺需充分保障數(shù)據(jù)安全，保護用戶隱私。在對用戶信息進行數(shù)據(jù)共享前，應通過合理方式征得用戶同意，并在進行平臺間信息共享時通過信息加密技術加強對信息傳輸安全的保障。各平臺應安排專人負責平臺間的數(shù)據(jù)傳輸工作，以明確責任，保證數(shù)據(jù)共享期間用戶信息不被竊取和盜用。其次，以原始信息的共享代替分類后信息的共享。此種共享方式不僅可以解決商業(yè)機密泄露的問題，還可降低共享成本。各電視平臺可通過外包或建立合資公司的方式處理共享數(shù)據(jù)。外包時應保證第三方公司的獨立性，這樣更有利于數(shù)據(jù)收集與反饋的客觀性和全面性；建立合資公司有助于實現(xiàn)對用戶數(shù)據(jù)的控制，提升數(shù)據(jù)處理質(zhì)量。

(二)提升數(shù)據(jù)處理能力

個性化推薦營銷方式下電視平臺需處理更大量、更復雜的用戶偏好數(shù)據(jù)和節(jié)目分類數(shù)據(jù)。面對數(shù)據(jù)數(shù)量的激增，電視平臺可通過內(nèi)部改制或者尋求外部合作的方式提升數(shù)據(jù)處理能力，為個性化推薦營銷做好技術保障。具體而言：一是各平臺可通過內(nèi)部改制的方式建立專業(yè)部門處理用戶和節(jié)目數(shù)據(jù)，如可在平臺內(nèi)部建立數(shù)據(jù)處理中心或者對原有技術部門進行調(diào)整，通過人員和設備的整合提高平臺的數(shù)據(jù)處理能力。二是各平臺可通過業(yè)務外包或者建立分公司的方式進行數(shù)據(jù)處理。若采用業(yè)務外包方式則電視平臺無需建立專業(yè)的團隊和部門，在很大程度上降低了電視平臺對數(shù)據(jù)處理的投入，也可免去日后運營與維護等支出；采用建立子公司的方式可更好地實現(xiàn)對數(shù)據(jù)質(zhì)量的控制，子公司也可與其他電視平臺進行合作進而向母公司提供更為全面的數(shù)據(jù)分析。

(三)優(yōu)化個性化推薦營銷算法

為弱化個性化推薦營銷算法的固有缺陷，可采用組合推薦的方式。組合推薦可分為后融合、中融合和前融合幾種方式[7]。后融合方式是指多種推薦方式各自產(chǎn)生推薦結果后再將推薦結果進行對比和融合，最終決定為用戶推薦何種內(nèi)容。中融合是指以一種推薦方式為框架，融合另一種推薦方式。前融合是指將不同的推薦方式融合到一個框架中進行綜合分析，然后得出推薦結果。

后融合有兩種組合方式。一是將不同推薦方式產(chǎn)生的推薦結果進行評分而后確定所要推薦的內(nèi)容，此時用戶看到的推薦內(nèi)容包含了不同推薦方式的結果。二是將不同推薦方式產(chǎn)生的推薦結果各自進行評分，然后根據(jù)評分決定向用戶推薦何種內(nèi)容，此時用戶收到的推薦是來自于某一種推薦方式的推薦結果。后融合組合推薦方式能夠最大限度地保證推薦節(jié)目的合理性，并且可以降低推薦系統(tǒng)的復雜程度，節(jié)約成本。

中融合需以一種推薦方式為框架，本文以使用基于內(nèi)容的推薦方法為框架同時融合協(xié)同過濾推薦方法為例進行說明?；趦?nèi)容的推薦方法可合并簡化收集到的用戶觀看記錄、用戶評價等信息，而協(xié)同過濾則是依據(jù)簡化合并后的信息以及用戶性別、年齡等信息進行相關節(jié)目的推薦。這樣進行信息綜合后的推薦可減少數(shù)據(jù)稀疏帶來的推薦不準確問題，但需要較為復雜的運算系統(tǒng)。

前融合需將不同的推薦方法融合于統(tǒng)一的框架中，采用較為復雜的算法對信息進行綜合處理，從而得出最終的推薦結果。

需要指出的是，組合推薦能夠在一定程度上克服單一推薦方式的缺陷，可進行更為準確的推薦，更有助于電視平臺進行個性化推薦營銷，但對于冷啟動和數(shù)據(jù)稀疏性問題仍需借助外部數(shù)據(jù)來解決。

(四)優(yōu)化個性化推薦內(nèi)容

如前所述，若用戶長期接收相似推薦信息的刺激，可能導致其潛意識中繼續(xù)選擇相近內(nèi)容的節(jié)目。此外，隨著系統(tǒng)的推薦和用戶的反饋，節(jié)目推薦會越發(fā)精準。若用戶長期接收并選擇相近內(nèi)容，則可能導致其偏好變窄，新進入市場的節(jié)目因不屬于已知類型而無法被推薦，長期來看不利于電視平臺的健康發(fā)展。對此，首先應注意個性化推薦營銷算法的選擇。相較于基于內(nèi)容的推薦方法，協(xié)同過濾和組合推薦的方式更能保證推薦的節(jié)目具有一定的區(qū)別性。這是因其所使用的數(shù)據(jù)為用戶群體數(shù)據(jù)，而用戶選擇是存在差異性的，這種差異性的存在可以幫助用戶發(fā)現(xiàn)存在差異的節(jié)目，從而降低用戶偏好的同質(zhì)化程度。其次可通過人為干預的方式控制推薦節(jié)目的內(nèi)容。即可在最終形成的推薦結果中，通過對系統(tǒng)的設定將其中一兩檔節(jié)目調(diào)節(jié)為相似系數(shù)較低、具有一定差異性的節(jié)目，以此方式推薦的節(jié)目不僅較為符合用戶觀看偏好，還能幫助用戶發(fā)現(xiàn)新的觀看偏好。同時，以用戶為導向的節(jié)目在制作過程中也應保持一定的差異性，盡量降低同質(zhì)化程度。