在移動互聯網沖擊下，IPTV/OTT 業務正在經歷著一場轉型巨變，如何吸引用戶注意力，如何構建全媒體傳播格局，打破傳統與現代之間的桎梏與邊界，如何順應互聯網生存，成為行業正在面臨的機遇與挑戰。

而大數據與用戶行為分析技術，使得媒體比過往任何時候都能更快、更精準地了解受眾特點，駕馭日益豐富的媒體內容形態與互動形式，創新線上媒體傳播方式。

神策數據《存量經營時代：數據驅動 IPTV/ OTT 精細化運營》白皮書立足 IPTV/OTT 行業現狀，探索精細化運營的核心發力點及未來發展方向，分別從數據根基建設、數據賦能業務、數據驅動實例等角度出發，為存量經營時代的 IPTV/OTT 指明關鍵發展路徑，構建行業核心競爭力。

>> 報告目錄

一、搭建完整的數據根基體系

采用“以終為始”的方案。

所謂以終為始，就需要我們在建數據根基平臺之前先梳理清楚數據需求，在當前階段規劃出希望通過數據實現的主要目標。相關人員需要通過對數據應用進行梳理，解決業務部門的各種問題，從而實現降本、增效、創收的目的。同時，也需要根據自身發展規劃，構建戰略地圖，根據業務發展方向及維度構建業務和應用的數據地圖，并通過應用地圖清晰地治理、應用數據，管理整個數據體系，如與平臺運營相關的業務指標、用戶行為相關的數據指標，以及用戶畫像相關的需求等。

之后，基于數據需求的梳理，再進行拆分下鉆，梳理出為實現所有數據需求，需要采集的用戶行為事件及對應的屬性。

有了數據采集方案，我們就知道到底需要采集哪些事件，以及采集哪些屬性，那么就可以根據數據采集方案制定出埋點方案，確定在前端 EPG 界面采集哪些數據、在后端服務器采集哪些數據。行業中的一般埋點方案如下圖，供參考。

最后，需要進行數據校驗。數據校驗可以分成兩個階段。第一階段的數據校驗主要包括基本的 Schema 校驗、簡單質量指標、自定義規則質量指標及智能質量指標，在本次數據校驗過程中將不合法數據提取出來進行暫存處理，待不合法數據修正后重新導入數據校驗模塊，再次進行數據校驗工作，保證所有數據符合統一標準后再導入到數據存儲中。

當完成上述動作后，將進行第二階段的后置數據校驗，目的為確保后端數據分析模塊的數據準確性。

二、實現機器學習與人工經驗的完美融合

在內容列表、Banner 位、Icon 等 EPG 欄位增加熱門節目專題，是 IPTV/OTT 行業常見的運營手段，但是導航欄資源有限，而熱點節目頻發，此時，基于千人千面的推薦系統，可以實現差異化的內容展示。

除了規則推薦，IPTV/OTT 行業還可以通過深度學習等先進機器學習算法，實現“千人千面”的個性化推薦，改善用戶體驗，提升核心業務指標。IPTV/OTT 具有以下 4 大特征：終端角色、內容曝光次數及爆點、收視連續性、內容標準。

神策數據智能推薦系統覆蓋 IPTV/OTT 業務中的“EPG 欄目頁推薦”“搜索頁推薦”“個人中心推薦”“詳情頁推薦”“直播點播推薦”及“分類頁面”六類頁面，包括“熱門推薦”“猜你喜歡”“相關推薦”“專題推薦”“最新上線”“大家都在看”“收視排行榜”“分類排行”等多種常見的場景。利用 10 余種算法模型，解決業務痛點，比如提升開機率、增加訂購人數、解決付費人數低迷、改變用戶續訂難等。

三、打造用戶全生命周期運營體系

數字化的用戶運營體系具備以下三個特征。

第一，數據是做好一切用戶運營的前提。 過往 IPTV/OTT 行業受限于業務數據，只能單純做一些粗放的運營動作。如今可以通過集成業務數據、用戶基礎數據和行為數據，進行復雜的用戶運營體系構建，進行大量用戶運營策略的制定，從而聚焦問題進行定向突破。

第二，精細化運營的目的是提高管理效率。 當用戶體量變大時，運營人員無法再依靠一套簡單的、粗放的機制或者策略服務好所有用戶。這時，需要針對不同的用戶制定更有針對性的策略，通過精細化運營，努力滿足用戶的需求。

第三，自動化 + 機制化。 如今，行業可以基于系統去設定自動觸發的運營行為，完成千人千面且大規模的運營動作。通過更多地依賴于機制和規則進行自動化的運營，才能夠駕馭好機器，降低運營成本。

由此可知，一套完整用戶運營體系包括三大要素：生命周期管理、用戶分層運營及用戶行為激勵。