一種數字電視用戶行為的大數據采集與分析方法及系統(tǒng)的制作方法
【技術領域】
[0001]本發(fā)明涉及一種數據采集與分析方法及系統(tǒng)，尤其是一種針對數字電視用戶行為的數據采集與分析方法及系統(tǒng)。
【背景技術】
[0002]近年來，隨著“大數據”概念的普及，在許多領域，服務提供商開始有意識地對海量用戶數據的進行實時采集與分析，從而提取有價值的潛在信息。例如，在在線購物領域，阿里巴巴旗下的淘寶對每個用戶的網上購物習慣(例如商品購買歷史、商鋪瀏覽記錄等)以及其個人信息進行綜合分析，從而實現個性化的商鋪推薦，提高用戶購買效率與商鋪銷售額。在網絡視頻領域，YouTube以及優(yōu)酷依據用戶信息(例如地理位置、性別等)以及用戶的瀏覽歷史，為用戶推送相關的廣告以及其他同類視頻；在零售領域，梅西百貨(Macy’ s)通過對不同商品需求和庫存的情況的實時統(tǒng)計與分析，進行商品的實時調價，從而實現利潤最大化；在信用卡領域，美國運通公司(American Express)通過對用戶信用卡歷史交易數據的建模與分析，來預測客戶忠誠度，并采取相應促銷手段提升忠誠度。
[0003]但是，在大數據應用快速發(fā)展的同時，廣播電視領域的用戶收視行為數據采集與分析，卻仍然停留在主要依靠人力的階段。具體來說，這種傳統(tǒng)的信息采集與分析方法按照以下流程進行:1)廣電服務商委托調查公司進行用戶收視調查；2)調查公司對用戶隨機抽樣；3)調查員人工上門遞送紙質調查單；4)用戶手動填寫調查單；5)調查員上門回收調查單；6)調查公司手工整理與分析數據；7)調查公司將分析結果反饋給廣電服務商，為廣告投放與電視節(jié)目制作提供參考。然而，該方法存在很多缺點。首先，它需要耗費大量的人力物力；其次，它涉及到除廣電與用戶外的第三方機構(調查公司)，使得流程更復雜、保密性更差；最后，此方法所采集到的數據以及在此基礎上的分析，往往準確性較差、實時性較低、覆蓋面較窄。
[0004]當今，三網融合的進一步推進，尤其是數字電視的雙向改造，為“廣電大數據”提供了契機。在此背景下，如何實現對海量廣電用戶收視行為數據的自動采集與高效分析，已成為廣播電視技術的一項重要研宄課題。

【發(fā)明內容】

[0005]本發(fā)明要解決的技術問題是傳統(tǒng)的信息采集與分析方法費時費力、流程復雜、保密性差、準確性較差、實時性較低且覆蓋面較窄。
[0006]為了解決上述技術問題，本發(fā)明提供了一種數字電視用戶行為的大數據采集與分析方法，包括如下步驟:
步驟1，將數字電視用戶對數字機頂盒進行交互操作的操作數據進行實時記錄，并將操作數據存儲至本地存儲器中；
步驟2，讀取本地存儲器中的操作數據，并對操作數據進行預處理，獲得每個節(jié)目的觀看時長、數字電視用戶的調臺次數以及每個節(jié)目的平均觀看時長； 步驟3，將預處理獲得的觀看時長、調臺次數以及平均觀看時長作為預處理數據定時或定量地遠程發(fā)送至遠程存儲器中；
步驟4，讀取遠程存儲器中的預處理數據，并按照分類規(guī)則對預處理數據進行分類處理，再將分類處理獲得的分類數據分類存儲至面向大數據的數據庫中；
步驟5，按照分類有序讀取數據庫中的分類數據，并對各個類別的分類數據進行分析，獲得數字電視用戶的收視習慣和/或電視節(jié)目的收視率。
[0007]采用自動實時記錄操作數據替換現有的人工采集，能夠有效提高了數據采集的效率和全面性，簡化了采集復雜的人工采集流程，同時也避免了用戶信息泄露；采用預處理步驟能夠有效減少操作數據的傳輸量，降低了傳輸功耗；將分類數據分類存儲至數據庫中，能夠方便數據分析時分類讀取各個分類數據，提高了分析效率；采用主動采集分析獲得收視習慣和/或收視率，能夠有效提高數據采集的準確性，避免人工采集時數字電視用戶任意填寫表格。
[0008]作為本發(fā)明方法的進一步限定方案，操作數據包括節(jié)目名稱、調臺時間點以及節(jié)目慢放控制。
[0009]作為本發(fā)明方法的進一步限定方案，分類規(guī)則包括收看時間段、節(jié)目類型、收視人群、收視地域以及收視率范圍。
[0010]作為本發(fā)明方法的進一步改進方案，還包括如下步驟:
步驟6，利用預測算法根據收視習慣和/或收視率對數字電視用戶的收視行為進行預測，獲得數字電視用戶期望收看的電視節(jié)目的收視預測報告。采用預測算法獲得收視預測報告，能夠方便廣播電視運營商向數字電視用戶針對性地推送所期望的電視節(jié)目，既能夠有效提尚數字電視用戶收看電視節(jié)目的興趣，又能夠有效提尚廣播電視的收視率。
[0011]作為本發(fā)明方法的進一步限定方案，預測算法為聚類算法、回歸算法、神經網絡或深度學習算法。
[0012]作為本發(fā)明方法的進一步改進方案，還包括如下步驟:
步驟7，根據收視預測報告向數字電視用戶推送期望收看的電視節(jié)目或廣告。采用向數字電視用戶推送期望收看的電視節(jié)目或廣告，從而潛在地幫助電視節(jié)目制作商制作出更受用戶歡迎的電視節(jié)目，也能幫助電視廣告投放商提高廣告收益。
[0013]本發(fā)明還提供了一種數字電視用戶行為的大數據采集與分析系統(tǒng)，包括如下模塊:
數據記錄模塊，用于將數字電視用戶對數字機頂盒進行交互操作的操作數據進行實時記錄，并將操作數據存儲至本地存儲器中；
數據預處理模塊，用于讀取本地存儲器中的操作數據，并對操作數據進行預處理，獲得每個節(jié)目的觀看時長、數字電視用戶的調臺次數以及每個節(jié)目的平均觀看時長；
數據發(fā)送模塊，用于將預處理獲得的觀看時長、調臺次數以及平均觀看時長作為預處理數據定時或定量地遠程發(fā)送至遠程存儲器中；
數據分類模塊，用于讀取遠程存儲器中的預處理數據，并按照分類規(guī)則對預處理數據進行分類處理，再將分類處理獲得的分類數據分類存儲至面向大數據的數據庫中；
數據分析模塊，用于按照分類有序讀取數據庫中的分類數據，并對各個類別的分類數據進行分析，獲得數字電視用戶的收視習慣和/或電視節(jié)目的收視率。
[0014]作為本發(fā)明系統(tǒng)的進一步改進方案，還包括如下模塊:
收視預測模塊，用于利用預測算法根據收視習慣和/或收視率對數字電視用戶的收視行為進行預測，獲得數字電視用戶期望收看的電視節(jié)目的收視預測報告。
[0015]作為本發(fā)明系統(tǒng)的進一步限定方案，預測算法為聚類算法、回歸算法、神經網絡或深度學習算法。
[0016]作為本發(fā)明系統(tǒng)的進一步改進方案，還包括如下模塊:
信息推送模塊，用于根據收視預測報告向數字電視用戶推送期望收看的電視節(jié)目或廣生口 O
[0017]本發(fā)明的有益效果在于:(I)采用自動實時記錄操作數據替換現有的人工采集，無需用戶改變任何現有收視習慣，能夠有效提高了數據采集的效率和全面性，簡化了采集復雜的人工采集流程，同時也避免了用戶信息泄露；(2)采用預處理步驟能夠有效減少操作數據的傳輸量，降低了傳輸功耗；(3)將分類數據分類存儲至數據庫中，能夠方便數據分析時分類讀取各個分類數據，提高了分析效率；(4)采用主動采集分析獲得收視習慣和/或收視率，能夠有效提高數據采集的準確性，避免人工采集時數字電視用戶任意填寫表格。
【附圖說明】
[0018]圖1為本發(fā)明的方法流程圖；
圖2為本發(fā)明的系統(tǒng)結構示意圖。
【具體實施方式】
[0019]如圖1所示，本發(fā)明的數字電視用戶行為的大數據采集與分析方法，包括如下步驟:
步驟1，將數字電視用戶對數字機頂盒進行交互操作的操作數據進行實時記錄，并將操作數據存儲至本地存儲器中；
步驟2，讀取本地存儲器中的操作數據，并對操作數據進行預處理，獲得每個節(jié)目的觀看時長、數字電視用戶的調臺次數以及每個節(jié)目的平均觀看時長；
步驟3，將預處理獲得的觀看時長、調臺次數以及平均觀看時長作為預處理數據定時或定量地遠程發(fā)送至遠程存儲器中；
步驟4，讀取遠程存儲器中的預處理數據，并按照分類規(guī)則對預處理數據進行分類處理，再將分類處理獲得的分類數據分類存儲至面向大數據的數據庫中；
步驟5，按照分類有序讀取數據庫中的分類數據，并對各個類別的分類數據進行分析，獲得數字電視用戶的收視習慣和/或電視節(jié)目的收視率；
步驟6，利用預測算法根據收視習慣和/或收視率對數字電視用戶的收視行為進行預測，獲得數字電視用戶期望收看的電視節(jié)目的收視預測報告；