基于用戶收視行為特征的產(chǎn)品精準推薦研究.pdf

1、隨著移動電子商務、云計算和物聯(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)絡運營商，近兩年受到移動終端影視、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，需要充分利用兩千個營業(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電視產(chǎn)品，如何在有限的用戶接觸時間進行精準的互動產(chǎn)品推薦成為各級市場部門的重要工作之一。
　　針對上述問題

2、，本文以精準推薦互動產(chǎn)品為研究對象，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上，結(jié)合互動電視業(yè)務、互動產(chǎn)品模型和內(nèi)容元數(shù)據(jù)信息，確定了互動產(chǎn)品和用戶收視行為間的相關性，采集分析各方數(shù)據(jù)并對數(shù)據(jù)集進行標準化處理;然后，在華數(shù)用戶數(shù)據(jù)集上分別進行K-Means聚類、譜聚類和DBSCANS算法聚類，并通過2個衡量指數(shù)評價得出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、型的實時性;第三，在相同的分組內(nèi)選取影響互動產(chǎn)品因變量，用邏輯回歸算法算得特征項的概率值，得到分組內(nèi)產(chǎn)品的推薦度得到第一個推薦列表，并加入業(yè)務邏輯規(guī)則增加產(chǎn)品包含矩陣進行過濾;最后，本文基于用戶的協(xié)同過濾算法來構建完整的產(chǎn)品推薦模型，從而補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)，成功應用于線上網(wǎng)上營業(yè)廳和線下營銷場景中。通過分析上線一年內(nèi)的營銷效果,確認本文研究結(jié)果在產(chǎn)品訂購數(shù)和用戶費用提