本研究立足于智能大屏行业快速发展的时代背景，运用大样本面板数据对大屏用户的收视行为进行研究，发现了智能大屏用户在时间模式和视频类别上的收视多样性规律及其对收视率的影响。本研究的不足之处在于：一是本文重点聚焦于用户收视多样性行为对收视率的影响，而对用户的自身特质如职业、年龄、收入等因素未作考虑；二是本研究只对视频进行了粗略分类，而对具体的视频内容及视频品牌因素未作关注。

鉴于本研究存在的不足，未来研究方向从以下几个方面展开：

第一，在分析用户收视多样性时，增加用户特质对收视行为的影响。在选择视频节目时，用户会受到性别、年龄、地域及历史收看行为等多种因素的影响。分析用户特质对用户收视多样性，从而使研究更加全面。

第二，在研究用户收视多样性方面，增加用户观看视频内容多样性和视频品牌的多样性。用户主动选择视频品牌和视频内容，体现了用户更多的个人喜好，可以更好地为用户进行画像。通过对比用户相邻的观看记录，可以分析出用户是人随剧走还是特定视频品牌的忠实拥趸，从而更好地完善用户收视多样性的研究。(www.daowen.com)

第三，增加社会环境因素，探讨社会环境对用户收视行为多样性的影响。用户观看行为不但受个人因素的影响，还与社会环境有关。社会环境影响用户的收视多样性，从宏观上看表现为民族、文化等社会因素影响用户行为，从微观上看是家人、朋友等对用户收视多样性的影响。

第四，基于用户收视多样性研究，提升推荐算法的推荐效果。Sarwar等人提出了协同过滤算法，算法的核心理念是给用户推荐他们之前喜欢的相似物品。时间是影响用户观看行为的重要因素，考虑到用户偏好依赖于时间情境，许多时间感知推荐算法被提出。根据不同时段用户喜欢观看的视频种类，为用户推荐更多感兴趣的视频。

第五，破解家庭到人的难题。在一般家庭中，一台智能大屏由多个家庭成员共享，不同家庭成员有不同的视频偏好、时间偏好，多样化的行为可能是由不同成员观看习惯造成的。寻求多样性的日变化也是区分家庭中个人用户的一个重要因素。许多研究者通过假设一个家庭中的不同用户不仅对观看的内容有不同的偏好，而且习惯于在不同时间段观看电视，从而获得了更好的视频节目推荐功能。在实际观看电视过程中，不知道有多少用户都生活在一个家庭里，更不用说谁负责每个视频的观看记录了。由于所提供的日志文件中缺少此类信息，因此在未来的智能大屏平台中，如何根据用户浏览内容判断家庭组成，提供家庭成员各自需要的视频服务，也是一个值得研究的课题。