基于用戶收視行為特征的產(chǎn)品精準(zhǔn)推薦研究.pdf

1、隨著移動(dòng)電子商務(wù)、云計(jì)算和物聯(lián)網(wǎng)的飛速發(fā)展，華數(shù)作為目前我國規(guī)模最大的有線網(wǎng)絡(luò)運(yùn)營商，近兩年受到移動(dòng)終端影視、IPTV、互聯(lián)網(wǎng)電視等新興媒體的不斷沖擊，業(yè)內(nèi)競爭變得異常激烈，傳統(tǒng)的互動(dòng)電視用戶日漸流失。華數(shù)已經(jīng)搭建的內(nèi)容推薦維系無法完全提升用戶的人均消費(fèi)，需要充分利用兩千個(gè)營業(yè)廳、一線網(wǎng)格銷售人員和線上營業(yè)廳等多渠道去推廣互動(dòng)電視產(chǎn)品，如何在有限的用戶接觸時(shí)間進(jìn)行精準(zhǔn)的互動(dòng)產(chǎn)品推薦成為各級(jí)市場(chǎng)部門的重要工作之一。
　　針對(duì)上述問題

2、，本文以精準(zhǔn)推薦互動(dòng)產(chǎn)品為研究對(duì)象，首先分析已經(jīng)沉淀的用戶行為數(shù)據(jù)，利用推薦系統(tǒng)的工作原理，在聚類分析和協(xié)同過濾推薦思想等的基礎(chǔ)上，結(jié)合互動(dòng)電視業(yè)務(wù)、互動(dòng)產(chǎn)品模型和內(nèi)容元數(shù)據(jù)信息，確定了互動(dòng)產(chǎn)品和用戶收視行為間的相關(guān)性，采集分析各方數(shù)據(jù)并對(duì)數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化處理;然后，在華數(shù)用戶數(shù)據(jù)集上分別進(jìn)行K-Means聚類、譜聚類和DBSCANS算法聚類，并通過2個(gè)衡量指數(shù)評(píng)價(jià)得出K-Means聚類算法為最優(yōu)算法，以期縮小相似用戶的搜索范圍，提升模

3、型的實(shí)時(shí)性;第三，在相同的分組內(nèi)選取影響互動(dòng)產(chǎn)品因變量，用邏輯回歸算法算得特征項(xiàng)的概率值，得到分組內(nèi)產(chǎn)品的推薦度得到第一個(gè)推薦列表，并加入業(yè)務(wù)邏輯規(guī)則增加產(chǎn)品包含矩陣進(jìn)行過濾;最后，本文基于用戶的協(xié)同過濾算法來構(gòu)建完整的產(chǎn)品推薦模型，從而補(bǔ)充第一推薦列表并得出面向最終用戶的推薦列表。
　　本文最后將該模型部署到推薦系統(tǒng)，成功應(yīng)用于線上網(wǎng)上營業(yè)廳和線下營銷場(chǎng)景中。通過分析上線一年內(nèi)的營銷效果,確認(rèn)本文研究結(jié)果在產(chǎn)品訂購數(shù)和用戶費(fèi)用提