智能大屏营销

智能分析助力破局：大样本、细粒度的应用

在性别占比方面，女性观众多于男性观众。（二）细粒度：智能分析方法1.提取“流入-流出对”基于10万个终端样本的直播、点播记录，我们可以根据开始观看时间还原每个终端所有观看行为的视频序列，打通直播与点播双渠道，获知终端在视频中的跳转情况。图18视频“流入-流出对”构建网络基于所有视频的嵌入向量，我们通过为每个视频A计算其余弦相似度，得到每个视频A与其他视频B的相似度，进行后续分析。
理论教育 2023-05-27

广电系媒体的优势与梯队式发展

而在此类牌照资源把控中，广电媒体无疑也呈现出梯队化现状。湖南广电、上海文广等拥有IPTV、OTT全部牌照资源；CCTV央视、央广、国广则拥有OTT领域牌照资源；其他大部分广电媒体则处于梯队底层，大屏牌照资源不足，需要通过其他方式介入行业生态。图6七家广电方IPTV、OTT领域生态梯队前部七家广电方在牌照资源、平台运营、内容布局方面各有差异。
理论教育 2023-05-27

提升用户覆盖率，智能大屏收视表现效果显著

智能大屏布局、覆盖及触达，最终都将体现在媒体平台或内容的收视表现上，不同布局呈现出的收视表现差异显著。TOP10全天市场总份额达47.83%，黄金时段占据总市场份额56.82%，头部媒体效应集中。表11直播电视剧2019年1～10月排行TOP10续表（注：排名数据受数据产品监测范围影响，不代表智能大屏行业整体。点播端综艺收看日均UA明显小于直播，用户行为更为分散，但用户时长高于直播端，头部领先优势更为明显。
理论教育 2023-05-27

家庭时间习惯类型及分布析取

（一）家庭时间习惯类型每台智能大屏收集的观看行为数据，都是由唯一的大屏设备标识码所确定，而家庭是数据搜集的最小单位。不同家庭人口情况组成复杂，对八类日模式的遵循情况各有不同，通过对不同家庭八类模式遵循情况的统计分析，区分不同的家庭时间习惯类型。我们在范围内尝试了不同的数值，然后从可辨别性和可解释性的角度分析了聚类后得到的家庭时间习惯的类型。新设省份集合，统计省份条件下，不同家庭观看习惯分布情况。
理论教育 2023-05-27

如何刺激消费者在选择商品时选择更多元化的行为？- 行为多样性研究

行为多样性是指用户在选择服务或商品时寻求多样性的倾向。Menon和Kahn发现，如果零售商纳入随时间变化的因素，使零售环境更具刺激性，那么用户在选择产品时表现出的多样性将低于零售环境随时间而静止的情况。Mitchell、Kahn和Knasko的研究表明，向零售环境中注入气味会影响选择行为和品种需求。这些研究均着眼于外部环境变化对行为多样性的影响。第三类因素为未来偏好不确定性。
理论教育 2023-05-27

竞争激烈：七成企业与同行争夺市场份额

通过对1460个视频节目及其竞争度最高的TOP30视频进行类别分析，我们发现，整体来看70%的竞争发生在同类别的视频中，即电视剧的头号竞品仍然为电视剧，综艺、动漫、纪录片同理。所有视频的同类别竞争程度分布如图20所示，分布的平均线落在70%处；中位数位于77%，说明半数以上的视频同类竞争度高于77%；而超过10%的视频同类竞争度为87%。这一分布体现的是内容竞争中“类别”这一先天因素所扮演的角色。
理论教育 2023-05-27

K值对TOP-N算法推荐结果的影响

在TOP-N算法中，在最终的推荐数量K的选择也会对推荐效果产生影响。因此实验测试了K的取值对于推荐结果的影响。因此K=20时能够获得最优的推荐结果，而过高的K值不仅不能持续提升推荐效果，反而会对推荐的最终结果产生不良影响。表49和图56所示是基于用户的协同过滤算法在基于满意度的隐式评分情况下，不同K值对应的推荐效果。流行度随K值增加得不明显，能较好地控制推荐的新颖度。
理论教育 2023-05-27

不同视频类别用户的偏好分析

表36视频类别统计（二）不同类别视频人气变化不同的人不仅习惯在一天的不同时段看电视，而且更喜欢不同类别的视频。如果考虑到时间因素，可以探究一天24小时不同视频类别的普及率变化。图31a显示了一天中不同时间每个类别占类别观看行为视图百分比的变化，很明显电视剧、综合和综艺高于其他视频类别。图31不同视频类别在一天中的流行度变化
理论教育 2023-05-27

智能大屏个性化推荐模型优化

建立基于智能大屏平台的视频节目个性化推荐系统，必须充分考虑智能大屏的一些特点：第一，用户结构多样性强。目前，很多智能大屏平台没有记录用户的基本信息，如性别、年龄、职业、爱好等。若要在智能大屏平台上运用基于内容的推荐算法，主要难度在于建立用户与项目的描述模型。综合比较之下，智能大屏平台拥有丰富的用户行为数据，协同过滤算法的适用性更强。因此，本文尝试开发了基于智能大屏平台的视频节目个性化推荐模型。
理论教育 2023-05-27

视频网站媒体资本运作，BAT与芒果垄断

与广电系媒体强资源优势不同，视频网站系媒体多背靠商业化资本，智能大屏进阶途中依靠资本力量，成为BAT系视频网站一大突出优势。与BAT体系视频网站相比，芒果TV现状较为特殊，由于芒果TV本身具有IPTV、OTT牌照，芒果TV在大屏端内容运营、终端预装、系统露出多在自有体系内完成。根据目前各视频网站OTT会员收费来看，BAT系三家视频网站会费价格差异不大，四屏或多屏通用会员权益目前较为主流。
理论教育 2023-05-27

媒体产品的个性化推荐优化

媒体产品是个性化推荐的一个很大的应用领域。这个系统根据演员、导演、电影类型等内容特征扩展和调整协同过滤的结果，在解决冷启动问题的同时优化了推荐效果。在新闻推荐领域，GroupLens是一个针对网络新闻的个性化推荐系统，它通过用户提供的评分建立用户的兴趣模型，使用协同过滤算法为用户推荐感兴趣的新闻。
理论教育 2023-05-27

视频观看行为的分析指标及影响因素探究

用户角色不同，承担的职责不同。其次，用户不同的昼夜节律也会影响观看视频的行为。例如按年龄统计，儿童更倾向于选择动画和儿童节目，而成年人则倾向于看电影、电视剧和综艺节目。再次，提出典型的每周模式。日志文件中的每个视频都被分配到一个类别。这使我们能够分析不同视频类别的流行性及其随时间的变化，探究用户对不同类别视频的喜好，以及用户对不同类别视频的时间分布。
理论教育 2023-05-27

探究视频观看：假日效应对用户日常行为的影响

统计节假日和工作日的数据，探究节假日的视频观看行为是否与工作日有所不同。卡方检验的结果为我们提供了极高的可信度，p＜0.001，即每日数据点所属的聚类与当天是假日还是工作日无关。因此，在智能大屏用户的日常视频观看行为中存在假日效应。为对比假期及假期长短对用户观看行为的影响，我们把每周数据点分为三个子集分别代表国庆小长假、寒假和工作日的周数据点集合，其中数据点集为8951，数据点集为35556，数据点集为444230。
理论教育 2023-05-27

管理启示：技术发展对精准投放与用户体验的启示

本文结合技术的发展模式从三个角度谈谈研究对管理的启示：第一，人工智能技术助力平台内容推荐。根据家庭成员的用户画像，对用户进行广告的精准投放，并跟踪用户的搜索、浏览和购买行为，测量广告投放的效果，根据效果逐步调整广告投放策略，实现精准闭环营销。应根据目标用户的喜好，在不同的时段播放不同的视频内容，随时紧贴用户收视动向，满足观众的喜好。
理论教育 2023-05-27

协同过滤推荐：基于用户行为的预测算法

图38基于用户的协同过滤推荐算法基于用户的协同过滤算法其主要流程如图38所示。协同过滤算法是一种基于用户的历史行为对用户未来行为进行预测的算法。（二）相似度计算在协同过滤算法中，若使用基于用户的协同过滤算法则需要计算用户间的相似度，若使用基于项目的协同过滤算法则需要计算项目的相似度。在协同过滤算法中，一般将用户对项目的评分作为特征向量。
理论教育 2023-05-27
-已经加载完成-