2011開(kāi)題報(bào)告《用戶(hù)行為分析與精準(zhǔn)營(yíng)銷(xiāo)研究》

1 / 27 中國(guó)移動(dòng) 集團(tuán) 級(jí) 重點(diǎn) 研發(fā)項(xiàng)目（含 聯(lián)合 項(xiàng)目 ） 開(kāi)題報(bào)告 一、 項(xiàng)目 編號(hào)及 名稱(chēng)： 2011_LH_45 用戶(hù)行為分析與精準(zhǔn)營(yíng)銷(xiāo)研究 二 、 項(xiàng)目組： 項(xiàng)目組 承擔(dān)子課題 題名稱(chēng) 負(fù)責(zé)人 及 手機(jī) 、 郵箱 研究院 （牽頭單位） 用戶(hù)行為分析與精準(zhǔn)營(yíng)銷(xiāo) 北京公司 （協(xié)助單位） 統(tǒng)一門(mén)戶(hù)網(wǎng)營(yíng)精準(zhǔn)營(yíng)銷(xiāo)推薦研究 廣東公司 （協(xié)助單位） 基于應(yīng)用商品的智能推薦【 MM猜你喜歡】研究 廣東公司 （協(xié)助單位） 精準(zhǔn)服務(wù)營(yíng)銷(xiāo)平臺(tái)研發(fā) 河南公司 （協(xié)助單位） 基于網(wǎng)絡(luò)數(shù)據(jù)為基礎(chǔ)的家庭 -集團(tuán)用戶(hù)挖掘 四川公司 （協(xié)助單位） 基于互聯(lián)網(wǎng)的無(wú)線(xiàn)音樂(lè)用戶(hù)行為分析工具研究與系統(tǒng)實(shí)現(xiàn) 四川公司 （協(xié)助單位） 基于智能搜索引擎技術(shù)，面向無(wú)線(xiàn)音樂(lè)用戶(hù)的個(gè)性化搜索結(jié)果模型及精準(zhǔn)營(yíng)銷(xiāo)模型研究 四川公司 （協(xié)助單位） 音樂(lè)產(chǎn)品個(gè)性化推薦引擎研發(fā) 浙江公司 （協(xié)助單位） 按照用戶(hù)、終端、渠道、門(mén)戶(hù)、內(nèi)容、時(shí)間等多維度組合的靈活營(yíng)銷(xiāo)平臺(tái)研發(fā) 浙江公司 （協(xié)助單位） 手機(jī)上網(wǎng)用戶(hù)行為分析系統(tǒng)研發(fā) 2 / 27 三 、 課題背景和意義 3.1 聯(lián)合項(xiàng)目的研究背景和整體框架 移動(dòng)通信和互聯(lián)網(wǎng)市場(chǎng)競(jìng)爭(zhēng)壓力越來(lái)越大，對(duì)于中國(guó)移動(dòng)來(lái)講，除了傳統(tǒng)電信運(yùn)營(yíng)商競(jìng)爭(zhēng) 的壓力、互聯(lián)網(wǎng)服務(wù)提供商也加入到競(jìng)爭(zhēng)的行列，都瞄準(zhǔn)了在3G/4G 時(shí)代，流量越來(lái)越低廉的情形下，在移動(dòng)通信網(wǎng)上提供越來(lái)越豐富的服務(wù)和內(nèi)容。 隨著用戶(hù)使用互聯(lián)網(wǎng)和移 動(dòng)互聯(lián)網(wǎng)越來(lái)越頻繁，用戶(hù)的需求朝著優(yōu)質(zhì)、便捷、個(gè)性化的方向發(fā)展。 隨著話(huà)音業(yè)務(wù)的逐漸飽和，而數(shù)據(jù)業(yè)務(wù)的用戶(hù)數(shù)、使用量、流量雖然大幅增長(zhǎng)，但是收入增長(zhǎng)卻較為緩慢，為了保證公司收入增長(zhǎng)，一方面是要進(jìn)一步加大營(yíng)銷(xiāo)力度，刺激用戶(hù)更多的使用業(yè)務(wù)，另一方面也是要用好的業(yè)務(wù)來(lái)黏住用戶(hù)，保證業(yè)務(wù)平穩(wěn)較快增長(zhǎng)。 為了應(yīng)對(duì)上述挑戰(zhàn)，開(kāi)展用戶(hù)行為分析，以及在此基礎(chǔ)上進(jìn)行精 準(zhǔn)營(yíng)銷(xiāo)應(yīng)用是尤為必要的，本課題進(jìn)行了以下安排： 在用戶(hù)行為分析算法模型和精準(zhǔn)營(yíng)銷(xiāo)平臺(tái)的基礎(chǔ)研究方面，由研究院用戶(hù)行為實(shí)驗(yàn)負(fù)責(zé) 1 個(gè)子課題，同時(shí)由研究院負(fù)責(zé)整個(gè)項(xiàng)目的總體規(guī)劃、方案和管理。 在手機(jī)上網(wǎng)業(yè)務(wù)的應(yīng)用方面，由浙江公司負(fù)責(zé)子課題“手機(jī)上網(wǎng)用戶(hù)行為分析系統(tǒng)研發(fā)”，涉及到基于手機(jī)上網(wǎng)行為分析的互聯(lián)網(wǎng)內(nèi)容營(yíng)銷(xiāo)和數(shù)據(jù)業(yè)務(wù)交叉銷(xiāo)售。 在音樂(lè)業(yè)務(wù)的應(yīng)用方面，由四川公司負(fù)責(zé) 3 個(gè)子課題?！耙魳?lè)產(chǎn)品個(gè)性化推薦引擎研發(fā)”子課題從個(gè)性化推薦與音樂(lè)產(chǎn)品相結(jié)合的層面開(kāi)展，“基于互聯(lián)網(wǎng)的無(wú)線(xiàn)音樂(lè)用戶(hù)行為分析工具研究與系統(tǒng)實(shí)現(xiàn)”從中 央音樂(lè)平臺(tái)支撐的角度開(kāi)展，“基于智能搜索引擎技術(shù)，面向無(wú)線(xiàn)音樂(lè)用戶(hù)的個(gè)性化搜索結(jié)果模型及精準(zhǔn)營(yíng)銷(xiāo)模型研究”則主要是為音樂(lè)個(gè)性化推薦提供服務(wù)的智能搜索引擎技術(shù)和音樂(lè)DNA 技術(shù)等方面提供技術(shù)保障。 在移動(dòng)應(yīng)用商場(chǎng)的應(yīng)用方面，由廣東公司公司負(fù)責(zé)子課題“基于應(yīng)用商品的智能推薦【 MM 猜你喜歡】研究 ”。 在手機(jī)閱讀業(yè)務(wù)的應(yīng)用方面，由浙江公司負(fù)責(zé)子課題“按照用戶(hù)、終端、渠道、門(mén)戶(hù)、內(nèi)容、時(shí)間等多維度組合的靈活營(yíng)銷(xiāo)平臺(tái)研發(fā)”。 3 / 27 在集團(tuán)和家庭業(yè)務(wù)方面，由河南公司負(fù)責(zé)子課題“基于網(wǎng)絡(luò)數(shù)據(jù)為基礎(chǔ)的家庭 -集團(tuán)用戶(hù)挖掘 ”。 在客戶(hù)服 務(wù)渠道方面，由廣東公司和北京公司分別負(fù)責(zé) 1 個(gè)子課題。廣東公司子課題“精準(zhǔn)服務(wù)營(yíng)銷(xiāo)平臺(tái)研發(fā)”側(cè)重于從客戶(hù)服務(wù)信息中挖掘用戶(hù)行為偏好，實(shí)現(xiàn)觸點(diǎn)營(yíng)銷(xiāo)。而北京公司子課題“統(tǒng)一門(mén)戶(hù)網(wǎng)營(yíng)精準(zhǔn)營(yíng)銷(xiāo)推薦研究”則從電子渠道的角度，研究如何為用戶(hù)提供精準(zhǔn)的主動(dòng)營(yíng)銷(xiāo)服務(wù)。 3.2 開(kāi)展用戶(hù)行為分析模型研究，研發(fā)精準(zhǔn)營(yíng)銷(xiāo)推薦平臺(tái)，支撐營(yíng)銷(xiāo)應(yīng)用 研究院已經(jīng)積累了二十多個(gè)用戶(hù)行為分析的核心算法模型，取得 10 余項(xiàng)相關(guān)專(zhuān)利，需要將這些成果在實(shí)際運(yùn)營(yíng)中應(yīng)用落地。 研究院 2010 年研發(fā)了精準(zhǔn)營(yíng)銷(xiāo)推薦平臺(tái)原型，經(jīng)過(guò)在現(xiàn)網(wǎng)產(chǎn)品中驗(yàn)證，效果良好。 精準(zhǔn) 營(yíng)銷(xiāo)推薦平臺(tái)的優(yōu)化開(kāi)發(fā)：針對(duì)實(shí)際運(yùn)營(yíng)中對(duì) Web 網(wǎng)頁(yè)、文本等非結(jié)構(gòu)化信息處理的要求，通過(guò)優(yōu)化開(kāi)發(fā)，在平臺(tái)中實(shí)現(xiàn) Web 挖掘和文本挖掘等功能模塊。 研究院的用戶(hù)行為分析算法模型和精準(zhǔn)營(yíng)銷(xiāo)推薦平臺(tái)具有完全自主知識(shí)產(chǎn)權(quán)，整理上處于國(guó)內(nèi)先進(jìn)水平，對(duì)于掌握核心技術(shù)，提升公司的核心競(jìng)爭(zhēng)力有重要意義。通過(guò)統(tǒng)一研發(fā)用戶(hù)行為分析模型和平臺(tái)，減少各省重復(fù)建設(shè)投資，節(jié)約公司成本支出。實(shí)現(xiàn)用戶(hù)數(shù)據(jù)集中管理和運(yùn)營(yíng)，減少第三方接觸運(yùn)營(yíng)數(shù)據(jù)的環(huán)節(jié)，保護(hù)用戶(hù)隱私，保證公司戰(zhàn)略安全。 3.3 手機(jī)上網(wǎng)用戶(hù)行為分析：高流量增長(zhǎng)未帶來(lái)收入的同步增長(zhǎng) 上網(wǎng)流量 同比上升 112.3%，但流量收入上升僅 49.4%。一方面需要進(jìn)一步激發(fā)上網(wǎng)流量，另一方面需要將流量向自有數(shù)據(jù)業(yè)務(wù)引導(dǎo)。這些又需要以用戶(hù)上網(wǎng)數(shù)據(jù)為基礎(chǔ)，通過(guò)用戶(hù)行為分析手段了解用戶(hù)偏好。 另一方面，我們對(duì)用戶(hù)的理解也不夠深刻，營(yíng)銷(xiāo)決策沒(méi)有依據(jù)。 如何選擇合適的產(chǎn)品、合適的內(nèi)容，在合適的時(shí)機(jī)，為合適的用戶(hù)提供服務(wù)，這是在移動(dòng)互聯(lián)網(wǎng)時(shí)代要解決的最重要的問(wèn)題，這就要求我們要深刻理解用戶(hù)行為及其背后的信息。 因此，只有開(kāi)展手機(jī)上網(wǎng)用戶(hù)行為研究，深入了解用戶(hù)需求，才能提供精準(zhǔn)服務(wù)。 3.4 音樂(lè)用戶(hù)行為分析和 個(gè)性化服務(wù)：競(jìng)爭(zhēng)壓力加大，精細(xì)化運(yùn)營(yíng)能力需要加強(qiáng) 4 / 27 不了解用戶(hù)的真實(shí)需求，用戶(hù)粘性不高；音樂(lè)內(nèi)容為主要為編輯發(fā)布，缺乏權(quán)威性，業(yè)務(wù)轉(zhuǎn)化率不高；每個(gè)用戶(hù)看到同樣的內(nèi)容，缺乏個(gè)性化。產(chǎn)品之間分散，未建立不同門(mén)戶(hù)產(chǎn)品用戶(hù)行為的統(tǒng)一視圖。 3.5 MM 應(yīng)用商品智能推薦：理解用戶(hù)，個(gè)性服務(wù)，提高粘性，增強(qiáng)運(yùn)營(yíng)能力 MM 應(yīng)用商場(chǎng)是中國(guó)移動(dòng)的重要戰(zhàn)略型業(yè)務(wù)。但目前存在以下問(wèn)題：不理解用戶(hù)的偏好；業(yè)務(wù)轉(zhuǎn)化率不高；營(yíng)銷(xiāo)手段還是靠傳統(tǒng)的方式，成本高，效率低。因此 ，本子項(xiàng)目的意義在于： (1) 建立個(gè)體客戶(hù)與應(yīng)用偏好的對(duì)應(yīng) 關(guān)系，把握用戶(hù)內(nèi)容偏好，加深對(duì)用戶(hù)需求的理解和認(rèn)知 。 (2) 基于客戶(hù)偏好打造特色智能推薦模塊，對(duì)用戶(hù)進(jìn)行個(gè)性化推薦，避免同質(zhì)化競(jìng)爭(zhēng) 。 (3) 通過(guò)個(gè)性化推薦滿(mǎn)足用戶(hù)多樣化需求和偏好，提高客戶(hù)粘性，提升用戶(hù)下載轉(zhuǎn)化率 。 (4) 創(chuàng)新移動(dòng)互聯(lián)網(wǎng)營(yíng)銷(xiāo)手段，探索客戶(hù)運(yùn)營(yíng)新模式，提升 MM 客戶(hù)運(yùn)營(yíng)能力 。 3.6 手機(jī)閱讀的靈活營(yíng)銷(xiāo)平臺(tái)：快速響應(yīng)營(yíng)銷(xiāo)需求 目前，手機(jī)閱讀業(yè)務(wù)現(xiàn)狀是： (1) 手機(jī)閱讀業(yè)務(wù)飛速發(fā)展，用戶(hù)規(guī)模不斷擴(kuò)大，系統(tǒng)越來(lái)越龐大復(fù)雜，開(kāi)發(fā)速度越來(lái)越慢。而隨著業(yè)務(wù)的發(fā)展和競(jìng)爭(zhēng)的日趨激烈，越 來(lái)越需要平臺(tái)提供更快的響應(yīng)。于是產(chǎn)生了這樣的矛盾：需求越來(lái)越迫切地需要及時(shí)地響應(yīng)把握市場(chǎng)先機(jī)，而系統(tǒng)越來(lái)越復(fù)雜，開(kāi)發(fā)速度只降不升。由于營(yíng)銷(xiāo)需求往往具有時(shí)效性，因此最受影響。 (2) 手機(jī)閱讀的業(yè)務(wù)發(fā)展需要手機(jī)閱讀軟件平臺(tái)提供更好和更靈活的支撐能力，而現(xiàn)有的開(kāi)發(fā)模式不能很好地支持業(yè)務(wù)的發(fā)展需要。當(dāng)前情況下的最佳解決方案就是使平臺(tái)對(duì)某一類(lèi)需求的實(shí)現(xiàn)機(jī)制由固定的硬編碼方式轉(zhuǎn)變?yōu)殪`活的可配置方式。 (3) 手機(jī)閱讀平臺(tái)有 10 多萬(wàn)冊(cè)圖書(shū)，如何通過(guò)智能推薦技術(shù)為用戶(hù)選擇其感興趣的圖書(shū)，提升用戶(hù)感知。 5 / 27 因此，建立靈活營(yíng)銷(xiāo) 平臺(tái)的意義在于： (1) 通過(guò)多維度組合適配， WAP 門(mén)戶(hù)的頁(yè)面、組成頁(yè)面的標(biāo)簽、呈現(xiàn)給用戶(hù)的內(nèi)容和各種產(chǎn)品可以按照以下六個(gè)維度進(jìn)行適配，包括：時(shí)間、地域、終端（組）、用戶(hù)組、渠道和 WAP 版本。 (2) 通過(guò)這種多維度組合，可以覆蓋到營(yíng)銷(xiāo)部門(mén)提出的所有可預(yù)見(jiàn)性的需求（約占該類(lèi)總體需求的 70%），這樣原本需要投入大量資源和時(shí)間進(jìn)行開(kāi)發(fā)的工作現(xiàn)在只要通過(guò)配置就可以完成，同時(shí)免去了大量的線(xiàn)下交流和溝通，最重要的是不再需要等待幾個(gè)月才能看到需求實(shí)現(xiàn)。 (3) 實(shí)現(xiàn)電子圖書(shū)的個(gè)性化推薦，對(duì)于提升用戶(hù)粘性和用戶(hù)感知，增加 業(yè)務(wù)收入，有重要意義。 3.7 集團(tuán)客戶(hù)和家庭客戶(hù)識(shí)別：奠定集團(tuán)業(yè)務(wù)和家庭產(chǎn)品營(yíng)銷(xiāo)的基礎(chǔ) 集團(tuán)市場(chǎng)和家庭市場(chǎng)是企業(yè)發(fā)展的兩大重要市場(chǎng)，市場(chǎng)發(fā)展的基礎(chǔ)是客戶(hù)的圈定和識(shí)別，因此如何利用現(xiàn)有企業(yè)的各類(lèi)數(shù)據(jù)通過(guò)模型來(lái)識(shí)別家庭和集團(tuán)成員將會(huì)為家庭集團(tuán)市場(chǎng)管理和拓展提供指導(dǎo)和支撐?，F(xiàn)有家庭集團(tuán)市場(chǎng)的拓展主要依靠一線(xiàn)支撐人員的調(diào)查和搜集，具有不明確性和不可衡量性的特點(diǎn)。通過(guò)建立家庭和集團(tuán)客戶(hù)挖掘就能支撐一線(xiàn)人員識(shí)別潛在家庭集團(tuán)客戶(hù)，針對(duì)性的進(jìn)行圈定；同時(shí)能夠?qū)τ诂F(xiàn)有家庭集團(tuán)客戶(hù)的真實(shí)性、有效性進(jìn)行檢驗(yàn)，這也將是家庭市 場(chǎng)和集團(tuán)市場(chǎng)發(fā)展的基礎(chǔ)。在網(wǎng)絡(luò)部門(mén)的大力支持下，我省率先接入了全省 A接口網(wǎng)絡(luò)信令數(shù)據(jù)，能夠更加 深入的理解和把握客戶(hù)，在融入網(wǎng)絡(luò)數(shù)據(jù)的基礎(chǔ)上，就能夠更加精準(zhǔn)的進(jìn)行家庭集團(tuán)客戶(hù)識(shí)別。 3.8 捕捉客服信息中的營(yíng)銷(xiāo)機(jī)會(huì)：分析客戶(hù)行為，了解客戶(hù)需求，實(shí)現(xiàn)觸點(diǎn)營(yíng)銷(xiāo) 在電信重組，全業(yè)務(wù)競(jìng)爭(zhēng)的新形勢(shì)下，市場(chǎng)競(jìng)爭(zhēng)日趨激烈。各大運(yùn)營(yíng)商充分發(fā)揮各自?xún)?yōu)勢(shì)，利用全業(yè)務(wù)運(yùn)營(yíng)的契機(jī)爭(zhēng)奪客戶(hù)。營(yíng)銷(xiāo)資源日益緊張，必須利用日益緊張的營(yíng)銷(xiāo)資源，更好的、更快的，更低成本的滿(mǎn)足客戶(hù)個(gè)性化、差異化的需求。同時(shí)，客服接觸信息未得到充分應(yīng)用，中國(guó)移動(dòng) 客戶(hù)每月接觸數(shù)十億次，涵蓋了大量客戶(hù)信息，但由于分散在不同的系統(tǒng)，缺乏深入的數(shù)據(jù)挖掘，接觸信息未得到充分應(yīng)用。最后，當(dāng)前被動(dòng)營(yíng)銷(xiāo)模式制約了客戶(hù)滿(mǎn)意度電子渠道優(yōu)勢(shì)發(fā)揮。 6 / 27 因此，通過(guò)構(gòu)建和不斷提升電子渠道的精準(zhǔn)營(yíng)銷(xiāo)能力，可以為客戶(hù)提供便捷的一對(duì)一個(gè)性化服務(wù)體驗(yàn)，有效提升營(yíng)銷(xiāo)服務(wù)感知，同時(shí)降低營(yíng)銷(xiāo)成本，分流傳統(tǒng)營(yíng)業(yè)廳的營(yíng)銷(xiāo)服務(wù)壓力。其次，通過(guò)深入研究客戶(hù)行為、客戶(hù)需求和客戶(hù)偏好，逐步形成“客戶(hù)全息特征庫(kù)”，提升客戶(hù)價(jià)值。提高改變以往“粗放式”方式，為客戶(hù)提供個(gè)性化服務(wù)和營(yíng)銷(xiāo)，提升客戶(hù)感知，提高營(yíng)銷(xiāo)成功率，提高營(yíng)銷(xiāo) 價(jià)值。最后，通過(guò)促進(jìn)服務(wù)營(yíng)銷(xiāo)的戰(zhàn)略轉(zhuǎn)型，為企業(yè)提供新的利潤(rùn)增長(zhǎng)方式。 四、課題研究目標(biāo) 項(xiàng)目的總體目標(biāo) 子項(xiàng)目 解決方案 用戶(hù)行為分析模型與精準(zhǔn)營(yíng)銷(xiāo)推薦平臺(tái) 在中國(guó)移動(dòng)自有平臺(tái)上實(shí)現(xiàn)推薦服務(wù)的整合應(yīng)用，促進(jìn)手機(jī)上網(wǎng)、音樂(lè)、 MM、閱讀等產(chǎn)品的銷(xiāo)售。通過(guò)優(yōu)化開(kāi)發(fā)和省公司應(yīng)用性能和效果評(píng)估反饋，實(shí)現(xiàn)高性能、高可用的基于云計(jì)算的精準(zhǔn)營(yíng)銷(xiāo)推薦平臺(tái)。 手機(jī)上網(wǎng)用戶(hù)行為分析應(yīng)用 結(jié)合研究院的用戶(hù)行為分析模型，建立一套完善的手機(jī)上網(wǎng)用戶(hù)行為分析系統(tǒng) , 通過(guò)對(duì)用戶(hù)手機(jī)上網(wǎng)訪問(wèn)行為進(jìn)行分析，獲取用戶(hù)的訪問(wèn)軌跡、瀏 覽頁(yè)面內(nèi)容、網(wǎng)站信息、瀏覽客戶(hù)端信息、移動(dòng)終端信息等，進(jìn)行各類(lèi)分析，形成各類(lèi)用戶(hù)模型。研究一種適應(yīng)分類(lèi)體系變化的海量網(wǎng)頁(yè)快速分類(lèi)系統(tǒng)。 引導(dǎo)用戶(hù)使用移動(dòng)自有業(yè)務(wù)，開(kāi)展個(gè)性化內(nèi)容營(yíng)銷(xiāo)，提升用戶(hù)粘性。 音樂(lè)產(chǎn)品個(gè)性化推薦及精準(zhǔn)營(yíng)銷(xiāo)應(yīng)用 基于研究院用戶(hù)行為分析模型和精準(zhǔn)營(yíng)銷(xiāo)推薦平臺(tái)，實(shí)現(xiàn)音樂(lè)產(chǎn)品的個(gè)性化推薦引擎，為音樂(lè) Web、 WAP、客戶(hù)端產(chǎn)品提供精準(zhǔn)營(yíng)銷(xiāo)服務(wù) ， 研究提升推薦效果的策略， 開(kāi)展?fàn)I銷(xiāo) 效果評(píng)估。 MM 應(yīng)用商品智能推薦應(yīng)用 對(duì) MM 存量用戶(hù)和其所接觸過(guò)（瀏覽、搜索、下載等）的商品進(jìn)行關(guān)聯(lián)分析，一方面分析商 品間的內(nèi)在關(guān)聯(lián)關(guān)系，另一方面分析 MM用戶(hù)的應(yīng)用偏好，以實(shí)行精準(zhǔn)的個(gè)性化推薦模式，實(shí)現(xiàn)快速、準(zhǔn)確地傳遞信息，提高 MM 用戶(hù)的個(gè)人使用體驗(yàn)感受和個(gè)人貢獻(xiàn)的價(jià)值。 7 / 27 手機(jī)閱讀的靈活營(yíng)銷(xiāo)平臺(tái) 和精準(zhǔn)營(yíng)銷(xiāo)應(yīng)用 建立多維度靈活營(yíng)銷(xiāo)平臺(tái)，研究適合營(yíng)銷(xiāo)部門(mén)需求的適配規(guī)則，將現(xiàn)有多個(gè)門(mén)戶(hù)由獨(dú)立配置規(guī)則改為由管理平臺(tái)進(jìn)行統(tǒng)一配置規(guī)則，解決目前平臺(tái)開(kāi)發(fā)和營(yíng)銷(xiāo)需求之間難以適應(yīng)的問(wèn)題，實(shí)現(xiàn)有效抓取客戶(hù)并降低用戶(hù)流失率和提升平臺(tái)開(kāi)發(fā)建設(shè)的投入產(chǎn)出比的目的。 基于研究院精準(zhǔn)營(yíng)銷(xiāo)推薦平臺(tái)，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)推薦在手機(jī)閱讀產(chǎn)品中的展現(xiàn)，為用戶(hù)提供準(zhǔn) 實(shí)時(shí)的個(gè)性化圖書(shū)推薦服務(wù)。 集團(tuán)和家庭用戶(hù)挖掘 通過(guò)對(duì)不同時(shí)間段的個(gè)人行為數(shù)據(jù)的追蹤，結(jié)合兩個(gè)人之間的通信交往信息，使用社會(huì)網(wǎng)絡(luò)分析相關(guān)分析方法，構(gòu)建社會(huì)關(guān)系模型，準(zhǔn)確地判別各類(lèi)交往關(guān)系，如家庭、同事等。 基于客服信息挖掘的觸點(diǎn)營(yíng)銷(xiāo) 針對(duì)挖掘出來(lái)的客戶(hù)行為，創(chuàng)新服務(wù)、營(yíng)銷(xiāo)模式，優(yōu)化流程和規(guī)范?；谟脩?hù)行為結(jié)果開(kāi)展“一對(duì)一”的精準(zhǔn)營(yíng)銷(xiāo)，實(shí)現(xiàn)在適當(dāng)?shù)臅r(shí)機(jī)，將適當(dāng)?shù)漠a(chǎn)品，通過(guò)適當(dāng)?shù)那?，推薦給適當(dāng)?shù)目蛻?hù)，提高營(yíng)銷(xiāo)成功率。 統(tǒng)一門(mén)戶(hù)網(wǎng)營(yíng)精準(zhǔn)營(yíng)銷(xiāo)推薦應(yīng)用 充分利用研究院的精準(zhǔn)營(yíng)銷(xiāo)推薦技術(shù)和平臺(tái)，在北京移動(dòng) 網(wǎng)站網(wǎng)營(yíng)渠道開(kāi)展重點(diǎn)業(yè)務(wù)的精準(zhǔn)營(yíng)銷(xiāo)推薦服務(wù)。 研究提升推薦效果的策略，開(kāi)展?fàn)I銷(xiāo)效果評(píng)估。 五 、 課題研究?jī)?nèi)容 5.1 用戶(hù)行為分析模型研究和精準(zhǔn)營(yíng)銷(xiāo)推薦平臺(tái) 8 / 27 5.2 手機(jī)上網(wǎng)用戶(hù)行為分析應(yīng)用 手機(jī)上網(wǎng)用戶(hù)行為分析應(yīng)用的主要內(nèi)容包括：多數(shù)據(jù)海量數(shù)據(jù)預(yù)處理；海量數(shù)據(jù)存儲(chǔ)和計(jì)算；“客戶(hù) -內(nèi)容 ” 特征類(lèi)標(biāo)簽分層可擴(kuò)充體系 ；“客戶(hù) -內(nèi)容 -業(yè)務(wù) ” 三維匹配矩陣 ；前臺(tái)應(yīng)用管理模塊。系統(tǒng)架構(gòu)如下圖所示： 5.3 音樂(lè)產(chǎn)品個(gè)性化推薦引擎及精準(zhǔn)營(yíng)銷(xiāo)應(yīng)用 本項(xiàng)目針對(duì)數(shù)字（無(wú)線(xiàn)）音樂(lè)市場(chǎng)現(xiàn)狀以及移動(dòng)集團(tuán)的無(wú)線(xiàn)音樂(lè)業(yè)務(wù)各類(lèi)產(chǎn)品 的運(yùn)營(yíng)及營(yíng)銷(xiāo)模式模式進(jìn)行深入研究。 研究?jī)?nèi)容及框架如下： 多 數(shù) 據(jù) 源 海 量 數(shù) 據(jù) 預(yù) 處 理 平 臺(tái)數(shù) 據(jù) 接 入采 集 器多 數(shù) 據(jù) 源 海 量 數(shù) 據(jù) 預(yù) 處 理 管 理 器數(shù) 據(jù) 清 洗 器系統(tǒng)監(jiān)控及運(yùn)行管理平臺(tái)運(yùn)行狀態(tài)監(jiān)控器系統(tǒng)管理器系統(tǒng)日志管理器海 量 數(shù) 據(jù) 存 儲(chǔ) 及 計(jì) 算 平 臺(tái)客戶(hù)-內(nèi)容海量信息處理平臺(tái)網(wǎng) 頁(yè) 內(nèi) 容 可 擴(kuò) 展 邏 輯 分 類(lèi) 體 系 構(gòu) 建 器前 臺(tái) 應(yīng) 用 管 理 平 臺(tái)“ 客 戶(hù) - 內(nèi) 容 ” 特 征 標(biāo) 簽可 視 化 篩 選 界 面熱 點(diǎn) 關(guān) 注 活 躍 客 戶(hù)明 細(xì) 導(dǎo) 出 器客 戶(hù) 特 征 快 速 聚 焦 及分 析 管 理 器客 戶(hù) 標(biāo) 簽 管 理 平 臺(tái)“ 客 戶(hù) - 內(nèi) 容 ” 特 征 標(biāo) 簽分 層 可 擴(kuò) 充 體 系“ 客 戶(hù) - 內(nèi) 容 - 業(yè) 務(wù) ”三 維 匹 配 矩 陣網(wǎng) 頁(yè) 文 本 關(guān) 鍵 字 搜 索 技 術(shù) 的 動(dòng) 態(tài) 歸 類(lèi) 器內(nèi) 容 分 類(lèi)更 新 器客 戶(hù) 偏 好 與 內(nèi) 容 分 類(lèi) 的 行 為 挖 掘 模 型 構(gòu) 建 器H a d o o p 分 布 式計(jì) 算 系 統(tǒng)H i v e 分 布 式數(shù) 據(jù) 倉(cāng) 庫(kù)海 量 數(shù) 據(jù) 存 儲(chǔ) 及 計(jì) 算 管 理 器海量信息處理管理器客 戶(hù) 標(biāo) 簽 信 息 管 理 器 9 / 27 1、用戶(hù)行為數(shù)據(jù)庫(kù)（ UDB）的研制，包括（ 1）研制統(tǒng)一的各產(chǎn)品線(xiàn)用戶(hù)基本信息庫(kù)（ 2）在產(chǎn)品內(nèi)進(jìn)行插碼、記錄用戶(hù)行為數(shù)據(jù)的研究（ 3）進(jìn)行映射用戶(hù)訂購(gòu)關(guān)系到用戶(hù)行為數(shù)據(jù)庫(kù)方法的研究。 2、產(chǎn)品數(shù)據(jù)庫(kù)（ PDB）的研制，包括：（ 1） 研制音樂(lè)產(chǎn)品標(biāo)簽庫(kù)（ 2） 研制并擴(kuò)展用戶(hù)標(biāo)簽庫(kù)（ 3） 進(jìn)行擴(kuò)展產(chǎn)品數(shù)據(jù)庫(kù)維度的研究。 3、個(gè)性化推薦引擎的研制，包括（ 1）研究基于用戶(hù)數(shù)據(jù)的產(chǎn)品推薦方法。（ 2）研究基于產(chǎn)品數(shù)據(jù)的產(chǎn)品推薦方法（ 3）研究基于關(guān)系與聚合的產(chǎn)品推薦 方法（ 4） 研究各種推薦方法相應(yīng)的精準(zhǔn)營(yíng)銷(xiāo)模式。 本項(xiàng)目的研制關(guān)鍵點(diǎn)： 1、數(shù)據(jù)庫(kù)建模，越完善的數(shù)據(jù)庫(kù)推薦效果越好。 2、個(gè)性化推薦引擎的算法，關(guān)系到推薦的精準(zhǔn)度，交互的效果等。 3、本引擎在具體產(chǎn)品中的落地應(yīng)用方式也是需重點(diǎn)研究的問(wèn)題。 5.4 MM 應(yīng)用商品的智能推薦應(yīng)用 研究?jī)?nèi)容包括： 基于 MM 存量用戶(hù)到商品的行為（瀏覽、搜索、下載等）的個(gè)性化推薦 基于用戶(hù)當(dāng)前正在使用的應(yīng)用的推薦 10 / 27 基于用戶(hù)歷史下載應(yīng)用行為的推薦 基于用戶(hù)歷史瀏覽、搜索應(yīng)用行為的推薦 基于用戶(hù)當(dāng)前應(yīng)用的推薦 瀏覽、搜索過(guò) 本應(yīng)用的用戶(hù)還瀏覽、搜索過(guò)的應(yīng)用 瀏覽、搜索過(guò)本應(yīng)用的用戶(hù)最終下載的應(yīng)用 下載過(guò)本應(yīng) 用的用戶(hù)之前還下載的應(yīng)用 經(jīng)常與本應(yīng)用一起下載的應(yīng)用應(yīng)用 “ MM 猜你喜歡”業(yè)務(wù)流程設(shè)計(jì) 研究框架如下圖所示： 11 / 27 5.5 手機(jī)閱讀靈活營(yíng)銷(xiāo)平臺(tái)和智能推薦應(yīng)用 在管理平臺(tái)側(cè)提供可靈活配置的管理界面進(jìn)行規(guī)則的建立，同時(shí)使 WAP 和客戶(hù)端門(mén)戶(hù)根據(jù)關(guān)聯(lián)的規(guī)則進(jìn)行相應(yīng)的展現(xiàn)。具體如下： WAP門(mén)戶(hù)標(biāo)簽可根據(jù)時(shí)間 , 地域 , 終端 , 用戶(hù)組 , 渠道 , WAP版本等維度來(lái)判斷怎樣顯示。 WAP 門(mén)戶(hù)頁(yè)面可根據(jù)分省和終端來(lái)判斷跳轉(zhuǎn)到哪 個(gè)頁(yè)面。 客戶(hù)端門(mén)戶(hù)頁(yè)面可根據(jù)分省和軟件版本來(lái)判斷跳轉(zhuǎn)到哪個(gè)頁(yè)面。 建立一套自動(dòng)化的電子書(shū)智能推薦體系。 12 / 27 5.6 集團(tuán)和家庭客戶(hù)識(shí)別與精準(zhǔn)營(yíng)銷(xiāo)應(yīng)用 本項(xiàng)目通過(guò)對(duì)不同時(shí)間段的個(gè)人行為數(shù)據(jù)的追蹤，結(jié)合兩個(gè)人之間的通信交往信息，使用社會(huì)網(wǎng)絡(luò)分析相關(guān)分析方法，構(gòu)建社會(huì)關(guān)系模型，準(zhǔn)確地判別各類(lèi)交往關(guān)系，如家庭、同事等。 數(shù)據(jù)標(biāo)準(zhǔn)化處理校驗(yàn) 基于位置的社會(huì)網(wǎng)絡(luò)關(guān)系識(shí)別模型 社會(huì)網(wǎng)絡(luò)關(guān)系識(shí)別可視化 目標(biāo)客戶(hù)營(yíng)銷(xiāo)應(yīng)用 研究技術(shù)框架如下： 課題研究難點(diǎn)和關(guān)鍵解決方案包括： 1. 基于手機(jī)移動(dòng)行為的用戶(hù)居住地和工作地（ OD 穩(wěn)定點(diǎn)）識(shí)別 ：移動(dòng)行為較為隨機(jī)，存在時(shí)間、空間上的不均衡，且基站覆蓋范圍存在重疊。 解決方案 ：分析基站數(shù)據(jù)得到用戶(hù)移動(dòng)軌跡的時(shí)間和空間規(guī)律，采用基站合并策略和基站頻繁度進(jìn)行優(yōu)化。 2. 多元數(shù)據(jù)校驗(yàn) ：分析數(shù)據(jù)來(lái)源包括移動(dòng)用戶(hù)個(gè)人信息、交往圈數(shù)據(jù)和移動(dòng)用戶(hù)行為軌跡，數(shù)據(jù)規(guī)模大，存在冗余數(shù)據(jù)和非有效數(shù)據(jù)，需要清洗和去噪處理。 解決方案 ：采用數(shù)據(jù)標(biāo)準(zhǔn)化處理機(jī)制，考慮實(shí)體完整性、核心記錄元素是否非空以及通信量與軌跡數(shù)據(jù)完整性。 13 / 27 3. 社會(huì)關(guān)系識(shí)別精度提升 ：缺少對(duì)家庭、集團(tuán)、朋友等關(guān)系定義，且需要綜合考慮精度、效率及與后續(xù)分類(lèi) 模型配合程度來(lái)選擇合適的特征提取方法，尤其在識(shí)別精準(zhǔn)度、識(shí)別效率方面具有一定的提升空間。 解決方案 ：基于特征建立不同關(guān)系分類(lèi)訓(xùn)練器，計(jì)算不同關(guān)系和社群聚類(lèi)，作為社會(huì)關(guān)系網(wǎng)絡(luò)基礎(chǔ)，并引入交往圈重合以及 OD 信息重合優(yōu)化判別結(jié)果。 5.7 客戶(hù)服務(wù)信息挖掘和精準(zhǔn)營(yíng)銷(xiāo) 研究?jī)?nèi)容包括：支撐全渠道精確營(yíng)銷(xiāo)、精確服務(wù)：通過(guò)觸點(diǎn)服務(wù)營(yíng)銷(xiāo)平臺(tái)，把經(jīng)過(guò)基于 CRM 的 T-CPC 運(yùn)營(yíng)平臺(tái) 分析挖掘出來(lái)的精準(zhǔn)服務(wù)營(yíng)銷(xiāo)信息推送回各個(gè)渠道，支撐渠道的精確服務(wù)營(yíng)銷(xiāo)，實(shí)現(xiàn)客戶(hù)關(guān)系閉環(huán)管理。 5.8 統(tǒng)一門(mén)戶(hù)網(wǎng)營(yíng)的精準(zhǔn)營(yíng)銷(xiāo)應(yīng)用 圍繞北京公 司網(wǎng)站網(wǎng)營(yíng)精準(zhǔn)營(yíng)銷(xiāo)實(shí)際需求，利用面向精準(zhǔn)營(yíng)銷(xiāo)的用戶(hù)行為分析模型和推薦服務(wù)技術(shù)，開(kāi)展以下研究： (1）通過(guò)插碼采集和 ETL 分析網(wǎng)營(yíng)用戶(hù)行為軌跡，挖掘用戶(hù)興趣偏好，不斷擴(kuò)展和完善北京移動(dòng)后臺(tái)用戶(hù)庫(kù)； (2）采用 SaaS 方式部署推薦服務(wù)，可在網(wǎng)營(yíng)指定區(qū)域開(kāi)辟推薦欄目，通過(guò)感知在線(xiàn)用戶(hù)的實(shí)時(shí)行為和興趣，智能提供豐富精準(zhǔn)的個(gè)性化推薦內(nèi)容（如關(guān)聯(lián)推薦、相似推薦、協(xié)同推薦等），有效引導(dǎo)和吸引客戶(hù)辦理更多的移動(dòng)業(yè)務(wù)或?yàn)g覽更多內(nèi)容。相關(guān)數(shù)據(jù)以標(biāo)準(zhǔn)化形式存儲(chǔ)處理，可保證安全性和擴(kuò)展性； (3）探索精準(zhǔn)營(yíng)銷(xiāo)評(píng)估反饋機(jī)制和訓(xùn)練優(yōu)化 機(jī)制，不斷完善推薦精準(zhǔn)度和通用友好性。 14 / 27 總體架構(gòu)如下： 5.9 本聯(lián)合項(xiàng)目的技術(shù)難點(diǎn)和關(guān)鍵點(diǎn)匯總 子項(xiàng)目 項(xiàng)目難點(diǎn) 解決方案 用戶(hù)行為分析模型與精準(zhǔn)營(yíng)銷(xiāo)推薦平臺(tái) 大規(guī)模數(shù)據(jù)處理能力；模型的高可靠性；推薦實(shí)時(shí)性 利用分布式系統(tǒng)架構(gòu)設(shè)計(jì)；對(duì)于算法模型備份退化方案；研發(fā)具有離線(xiàn)計(jì)算、在線(xiàn)推薦能力的算法模型。 手機(jī)上網(wǎng)用戶(hù)行為分析應(yīng)用 數(shù)據(jù)大規(guī)模性；網(wǎng)頁(yè)類(lèi)型多樣性；分類(lèi)要求的高效性；分類(lèi)體系的變化性。 系統(tǒng)架構(gòu)采用云存儲(chǔ)和云計(jì)算的方式，有良好的擴(kuò)展性；采用基于主題的分類(lèi)方法解決海量網(wǎng)頁(yè)分類(lèi)問(wèn)題。 音樂(lè)產(chǎn)品個(gè)性化推薦及精準(zhǔn)營(yíng)銷(xiāo)應(yīng)用 適合于推薦服務(wù)的數(shù)據(jù)庫(kù)模型；推薦算法的準(zhǔn)確度；推薦結(jié)果的展現(xiàn)形式。 做好充分的實(shí)驗(yàn)和測(cè)試，并引入啟發(fā)式規(guī)則提升推薦的精準(zhǔn)度。 15 / 27 MM 應(yīng)用商品智能推薦應(yīng)用 智能推薦分析層次體系建設(shè)中，用戶(hù)終端設(shè)備的影響。無(wú)歷史行為信息的用戶(hù)精準(zhǔn)推薦。實(shí)時(shí)推薦問(wèn)題。 建立動(dòng)態(tài)更新的“終端 -應(yīng)用”對(duì)照表，對(duì)智能推薦結(jié)果進(jìn)行二次干預(yù)。參考用戶(hù)在經(jīng)分系統(tǒng)的行為。采用離線(xiàn)計(jì)算、在線(xiàn)推薦的解決方 案 手機(jī)閱讀的靈活營(yíng)銷(xiāo)平臺(tái)和智能推薦 不同門(mén)戶(hù)的頁(yè)面組織方式不同。頁(yè)面參數(shù)配置和管理復(fù)雜。 WAP 提供標(biāo)簽級(jí)控制粒度，客戶(hù)端提供頁(yè)面級(jí)的控制粒度。采用動(dòng)態(tài)映射技術(shù)，對(duì)頁(yè)面上關(guān)聯(lián)了規(guī)則的標(biāo)簽進(jìn)行特殊顯示。 集團(tuán)和家庭用戶(hù)挖掘 基于手機(jī)移動(dòng)行為的用戶(hù)穩(wěn)定點(diǎn)識(shí)別。多源數(shù)據(jù)校驗(yàn)。社會(huì)關(guān)系識(shí)別精度提升。 采用基站合并策略和基站頻繁度進(jìn)行優(yōu)化。采用數(shù)據(jù)標(biāo)準(zhǔn)化處理機(jī)制清洗去噪。建立不同關(guān)系分類(lèi)訓(xùn)練器的組合優(yōu)化識(shí)別結(jié)果 基于客服信息挖掘的觸點(diǎn)營(yíng)銷(xiāo) 客戶(hù)行為挖掘模型需準(zhǔn)確、動(dòng)態(tài)、自適應(yīng)；數(shù)據(jù)處理能力和軟 件開(kāi)發(fā)能力；各渠道的名稱(chēng)不統(tǒng)一。 在建模時(shí)考慮模型方便重新訓(xùn)練；模型具有可伸縮性，能夠處理海量數(shù)據(jù)；提前建立各渠道中各名稱(chēng)的對(duì)照表。 統(tǒng)一門(mén)戶(hù)網(wǎng)營(yíng)精準(zhǔn)營(yíng)銷(xiāo)推薦應(yīng)用 網(wǎng)站用戶(hù)識(shí)別；遠(yuǎn)程服務(wù)模式的實(shí)現(xiàn)；大規(guī)模并發(fā)；模型的精度。 利用 cookie 實(shí)現(xiàn)非登錄用戶(hù)識(shí)別；研究院精準(zhǔn)營(yíng)銷(xiāo)平臺(tái)具備遠(yuǎn)程服務(wù)和大規(guī)模并發(fā)處理能力 5.10 性能指標(biāo)和效果評(píng)估體系 省公司 評(píng)價(jià)對(duì)象 性能 指標(biāo) 營(yíng)銷(xiāo)指標(biāo) 對(duì)比實(shí)驗(yàn) 研究院 研究院精準(zhǔn)營(yíng)銷(xiāo)平臺(tái) 1.并發(fā)訪問(wèn) 用戶(hù)數(shù) 2.響應(yīng)延時(shí) 3.模型訓(xùn)練時(shí)長(zhǎng) 無(wú) 無(wú) 16 / 27 4.最大支持 行為記錄數(shù) 5.最大支持業(yè)務(wù)應(yīng)用數(shù) 6.均方標(biāo)準(zhǔn)差 7.系統(tǒng)平均 無(wú)故障率 浙江公司 手機(jī)上網(wǎng)用戶(hù)行為分析應(yīng)用 1. 分類(lèi)模型準(zhǔn)確率 2. 支持網(wǎng)頁(yè)數(shù)據(jù)量 3. 模型訓(xùn)練時(shí)長(zhǎng) 1.內(nèi)容營(yíng)銷(xiāo)轉(zhuǎn)化率。 2.自有數(shù)據(jù)業(yè)務(wù)流量增加比率。 無(wú) 四川公司 音樂(lè)個(gè)性化推薦應(yīng)用 1. Web 門(mén)戶(hù) /WAP/客戶(hù)端產(chǎn)品推薦結(jié)果的響應(yīng)延時(shí) 2. 并發(fā)訪問(wèn)用戶(hù)數(shù) 3. 數(shù)據(jù)利用效率 4. 推薦結(jié)果更新頻率 1.推薦結(jié)果的轉(zhuǎn)化率 2.整體收入提升 無(wú) 廣東公司 MM 應(yīng)用商品個(gè)性化推薦應(yīng)用 1.客戶(hù)端推薦結(jié)果響應(yīng)延時(shí)。 2.并發(fā)訪問(wèn) 用戶(hù)數(shù) 3.推薦結(jié)果更新頻率 4.最大支持用戶(hù)數(shù)和數(shù)據(jù)量 5.推薦結(jié)果一致性 1.推薦結(jié)果的下載量貢獻(xiàn)度 2.推薦結(jié)果的點(diǎn)擊量 3. 推薦結(jié)果的轉(zhuǎn)化率 無(wú) 浙江公司 手機(jī)閱讀靈活營(yíng)銷(xiāo)應(yīng)用 1.營(yíng)銷(xiāo)需求功能開(kāi)發(fā)工作量壓縮比。 2.組件復(fù)用度。 3.規(guī)則實(shí)現(xiàn)的準(zhǔn)確率 1.營(yíng)銷(xiāo)功能實(shí)現(xiàn)的開(kāi)發(fā)成本節(jié)約量 2.頁(yè)面訪問(wèn)量增加量 3.用戶(hù)轉(zhuǎn)化率 4.用戶(hù)活躍度 營(yíng)銷(xiāo)方案實(shí)現(xiàn)周期對(duì)比 17 / 27 河南公司 集團(tuán)和家庭客戶(hù)識(shí)別應(yīng)用 1.集團(tuán)客戶(hù)識(shí)別準(zhǔn)確率 2.家庭客戶(hù)識(shí)別準(zhǔn)確率 3.模型 更新頻率 4.查詢(xún)響應(yīng)延時(shí) 1.集團(tuán)成員新增量。 2.家庭成員新增量。 3.業(yè)務(wù)提升量 識(shí)別準(zhǔn)確率對(duì)比 廣東公司 客戶(hù)服務(wù)信息挖掘應(yīng)用 1. 模型更新頻率 2. 數(shù)據(jù)處理速度 3. 數(shù)據(jù)吞吐量 1.渠道接觸成功率 2.營(yíng)銷(xiāo)成功率 3.關(guān)聯(lián)營(yíng)銷(xiāo)成功率 無(wú) 北京公司 統(tǒng)一門(mén)戶(hù)網(wǎng)營(yíng)精準(zhǔn)營(yíng)銷(xiāo)推薦應(yīng)用 1. 并發(fā)訪問(wèn)用戶(hù)數(shù) 2. 頁(yè)面響應(yīng)延時(shí) 3. 模型更新頻率 1.業(yè)務(wù)轉(zhuǎn)化率 2.平均訪問(wèn)時(shí)長(zhǎng) 無(wú) 六 、 專(zhuān)利檢索情況 專(zhuān)利檢索分析說(shuō)明： 1. 相對(duì)而言，本領(lǐng)域已經(jīng)有不少?gòu)S商和互聯(lián)網(wǎng)運(yùn)營(yíng)商開(kāi)始申請(qǐng)或已經(jīng)申請(qǐng)專(zhuān)利，在制定技術(shù)方案時(shí)，需要關(guān)注外協(xié)合作方是否 將相關(guān)專(zhuān)利注入實(shí)現(xiàn)方案中。 2. 在選擇技術(shù)解決方案時(shí)，也要盡量選用我公司已獲獲正在申請(qǐng)的專(zhuān)利的技術(shù)方案。目前研究院在本領(lǐng)域已經(jīng)申請(qǐng) 10 余項(xiàng)專(zhuān)利。 檢索關(guān)鍵詞 有權(quán) 審中 用戶(hù)行為分析 and 精準(zhǔn) (確 )營(yíng)銷(xiāo) 0 篇 0 篇 音樂(lè) and 推薦 5 篇 25 篇 （手機(jī) or 終端 ) and (應(yīng)用 or 軟件 ) and 推薦 1 篇 1 篇 (圖書(shū) or電子書(shū) ) and 推薦 1 篇 3 篇 18 / 27 網(wǎng)上營(yíng)業(yè)廳 and 精準(zhǔn) (確 )營(yíng)銷(xiāo) 0 篇 0 篇 客戶(hù)服務(wù) and 挖掘 6 篇 1 篇 社會(huì) (關(guān)系 )網(wǎng)絡(luò) 8 篇 49 篇 個(gè)性化推薦 15 篇 36 篇 用戶(hù) (客戶(hù) ) and 行為 and 分析 5 篇 4 篇 七、已有的 研究工作積累和取得的研究成果 7.1 用戶(hù)行為分析模型研究和精準(zhǔn)營(yíng)銷(xiāo)推薦平臺(tái) 7.2 手機(jī)上網(wǎng)用戶(hù)行為分析及應(yīng)用 1. 目前已經(jīng)初步完成了用戶(hù)和內(nèi)容標(biāo)簽的標(biāo)注機(jī)制。 目前一級(jí)標(biāo)簽 25 類(lèi)，包括新聞、閱讀、娛樂(lè)、健康、財(cái)經(jīng)、游戲、體育、科技等，基本覆蓋移動(dòng)互聯(lián)網(wǎng)的內(nèi)容體系 。 目前二級(jí)分類(lèi)標(biāo)簽約 238 類(lèi)，針對(duì)一級(jí)標(biāo)簽進(jìn)行了詳細(xì)的內(nèi)容分析，目前重點(diǎn)完成的分類(lèi)包括 閱讀、新聞、娛樂(lè)等，其他一級(jí)分類(lèi)對(duì)應(yīng)的二級(jí)分類(lèi)還在進(jìn)一步完善中 。 19 / 27 2. 目前已經(jīng)在 CMWAP 和 CMNET 上獲取了全部用戶(hù)的訪問(wèn)日志。 系統(tǒng)目前每天通過(guò) WAP 網(wǎng)關(guān)獲取用戶(hù)訪問(wèn)日志量 10 億 -12 億，經(jīng)過(guò)初步過(guò)濾后，需要進(jìn)一步進(jìn)行分析的話(huà)單量約 9-10 億條，涉及用戶(hù) 600-1000 余萬(wàn) 。 7.3 音樂(lè)個(gè)性化推薦引擎及精準(zhǔn)營(yíng)銷(xiāo)應(yīng)用 2010 年個(gè)性化推薦模型在現(xiàn)網(wǎng)部署后，經(jīng)過(guò)近 1 個(gè)月的實(shí)驗(yàn)觀測(cè)，用戶(hù)轉(zhuǎn)化率和頁(yè)面訪問(wèn)深度都有大幅度提升。 7.4 MM 應(yīng)用商品智能推薦應(yīng)用 MM 的平臺(tái)建設(shè)和用戶(hù)數(shù)據(jù)積累 （ 1） MM 平臺(tái)建設(shè)中已為智能推薦模塊的接口和引進(jìn)做了準(zhǔn)備。 （ 2）已有 MM 用戶(hù)和歷史行為，以及應(yīng)用的數(shù)據(jù)積累。 （ 3）已有的報(bào)表數(shù)據(jù)，和整理清洗過(guò)后的基礎(chǔ)數(shù)據(jù)。 （ 4） MM 以往積累了很多對(duì)用戶(hù)的行為分析和研究的結(jié)果。 7.5 手機(jī)閱讀靈活營(yíng)銷(xiāo)平臺(tái)和智能推薦應(yīng)用 目前已經(jīng)進(jìn)行了一些相關(guān)研究和試驗(yàn)工作，主要取得了如下研究和試驗(yàn)成功： WAP 門(mén)戶(hù)標(biāo)簽架構(gòu)重構(gòu)為本課題提供了基礎(chǔ)支撐 20 / 27 Portal 側(cè)環(huán)境變量的支持。環(huán)境變量是 Portal 的 OsCache 中根據(jù)上下文的不同而緩存的不同動(dòng)態(tài)數(shù)據(jù)。該技術(shù)可以為多維度組合營(yíng)銷(xiāo)緩 存適配規(guī)則 Wap2.0 標(biāo)準(zhǔn)支持與匹配規(guī)則的建立 統(tǒng)一的用戶(hù)信息管理。目前平臺(tái)已經(jīng)支持統(tǒng)一的用戶(hù)信息管理，這為以用戶(hù)作為緯度提供了基礎(chǔ)支持 終端 UA 信息的自動(dòng)獲取與匹配。目前平臺(tái)已經(jīng)建立了 DDR 終端 UA 信息自動(dòng)采集入庫(kù)，自動(dòng)識(shí)別匹配的功能，這為以終端作為緯度提供了基礎(chǔ)支持 渠道管理功能。目前平臺(tái)已經(jīng)具備完善的渠道管理和渠道 ID 分配功能，這為以渠道作為緯度提供了基礎(chǔ)支持 7.6 集團(tuán)和家庭客戶(hù)識(shí)別與精準(zhǔn)營(yíng)銷(xiāo)應(yīng)用 河南公司針對(duì)集團(tuán)客戶(hù)識(shí)別和家庭客戶(hù)識(shí)別方面在人工搜集的基礎(chǔ)上開(kāi)展了一些模型構(gòu)建的嘗試，主要 內(nèi)容如下： 集團(tuán)客戶(hù)識(shí)別：通過(guò)個(gè)人通話(huà)交往圈結(jié)合集團(tuán)客戶(hù)屬性，深入研究集團(tuán)客戶(hù)特征，細(xì)分時(shí)間特征、通信特征、小區(qū)位置特征、集團(tuán)業(yè)務(wù)等一步步進(jìn)行范圍縮小精確定位集團(tuán)客戶(hù)，構(gòu)建出“集團(tuán)呼叫圈”來(lái)分析集團(tuán)客戶(hù)構(gòu)成情況，提升集團(tuán)客戶(hù)識(shí)別模型的精準(zhǔn)性和查全性。 家庭客戶(hù)識(shí)別：通過(guò)客戶(hù)交往圈，結(jié)合業(yè)務(wù)訂購(gòu)情況、通話(huà)小區(qū)特征、已有家庭成員對(duì)端非家庭成員通話(huà)頻率等方面，識(shí)別潛在家庭客戶(hù)。 從目前效果來(lái)看，由于小區(qū)位置信息主要是通話(huà)為主，對(duì)于客戶(hù)位置的識(shí)別具有一定的局限性。 7.7 客戶(hù)服務(wù)信息挖掘與精準(zhǔn)營(yíng)銷(xiāo)應(yīng)用 初步搭建 了精準(zhǔn)服務(wù)營(yíng)銷(xiāo)平臺(tái) 設(shè)計(jì)客戶(hù)渠道偏好和接觸偏好的“打分表” 應(yīng)用于短信群發(fā)、渠道分流、雙電聯(lián)動(dòng)項(xiàng)目中，取得一定成果 7.8 統(tǒng)一門(mén)戶(hù)網(wǎng)營(yíng)精準(zhǔn)營(yíng)銷(xiāo)推薦服務(wù) 21 / 27 2010 年北京移動(dòng)在建設(shè)統(tǒng)一門(mén)戶(hù)的同時(shí)，加強(qiáng)網(wǎng)站觸點(diǎn)營(yíng)銷(xiāo)能力建設(shè)，融合更多產(chǎn)品及服務(wù)，第一時(shí)間向客戶(hù)推薦未訂購(gòu)業(yè)務(wù)，形成持續(xù)營(yíng)銷(xiāo)； 建設(shè) WIDGET 接口，為客戶(hù)提供更多個(gè)性化功能和信息的體驗(yàn)和定制； 基于經(jīng)分系統(tǒng)建立主動(dòng)營(yíng)銷(xiāo)模型，并開(kāi)展主動(dòng)營(yíng)銷(xiāo)模型的推廣和使用。 八、本課題的創(chuàng)新點(diǎn)和專(zhuān)利點(diǎn) 子項(xiàng)目 創(chuàng)新點(diǎn)和專(zhuān)利點(diǎn) 用戶(hù)行為分析模型與精 準(zhǔn)營(yíng)銷(xiāo)推薦平臺(tái) 在現(xiàn)有基礎(chǔ)上，新增基于云計(jì)算的推薦模型；用戶(hù)興趣 profile 模型；不良信息過(guò)濾模型；廣告推薦模型；面向精確營(yíng)銷(xiāo)的數(shù)據(jù)中心等。擬挖掘 2 項(xiàng)專(zhuān)利。 手機(jī)上網(wǎng)用戶(hù)行為分析應(yīng)用 建立客戶(hù) -內(nèi)容 -業(yè)務(wù)的三維標(biāo)簽體系；針對(duì)移動(dòng)互聯(lián)網(wǎng)提出了一種適應(yīng)分類(lèi)體系變化的海量網(wǎng)頁(yè)文本快速分類(lèi)方法。擬挖掘 1 項(xiàng)專(zhuān)利 音樂(lè)個(gè)性化推薦引擎及精準(zhǔn)營(yíng)銷(xiāo)應(yīng)用 用戶(hù)行為數(shù)據(jù)庫(kù)（ UDB）；產(chǎn)品數(shù)據(jù)庫(kù)（ PDB）的研制；音樂(lè)個(gè)性化推薦引擎?；谥悄芩阉饕婕夹g(shù)的音樂(lè)精準(zhǔn)營(yíng)銷(xiāo)方法。集成數(shù)據(jù)處理、分析方法、結(jié)果展示為一體的針對(duì)性 音樂(lè)用戶(hù)行為分析工具；形成一套針對(duì)含內(nèi)容合作商的業(yè)務(wù)的標(biāo)準(zhǔn)評(píng)價(jià)方法，通過(guò)對(duì)各業(yè)務(wù)及 CP的綜合評(píng)價(jià)，科學(xué)的輔助業(yè)務(wù)發(fā)展決策統(tǒng)。 MM 應(yīng)用商品智能推薦應(yīng)用 基于終端特征的應(yīng)用商品智能推薦； MM 智能推薦數(shù)據(jù)集市構(gòu)建； MM門(mén)戶(hù)智能推薦模塊、用戶(hù)身份多維度識(shí)別技術(shù)；基于啟發(fā)式規(guī)則的推薦結(jié)果優(yōu)化。擬挖掘 1 項(xiàng)專(zhuān)利。 手機(jī)閱讀的靈活營(yíng)銷(xiāo)平臺(tái)和智能推薦 將分散的營(yíng)銷(xiāo)需求進(jìn)行了整合分析，抽取共同點(diǎn)，歸納出多個(gè)緯度，提高開(kāi)發(fā)成果的復(fù)用率，將硬編碼的實(shí)現(xiàn)改變?yōu)榱烁鶕?jù)配置的規(guī)則來(lái)進(jìn)行展現(xiàn)。實(shí)現(xiàn)在閱讀產(chǎn)品中的個(gè)性化電子書(shū)推薦 服務(wù)。擬挖掘?qū)＠?1 項(xiàng)。 集團(tuán)和家庭用戶(hù)挖掘和精確營(yíng)銷(xiāo)應(yīng)用 基于移動(dòng)行為的用戶(hù)穩(wěn)定點(diǎn)發(fā)現(xiàn)方法；基于位置信息的社會(huì)關(guān)系識(shí)別方法；基于位置信息的用戶(hù)關(guān)系全景可視化展示。 客服信息挖掘和精確營(yíng)銷(xiāo)應(yīng)用 形成客戶(hù)興趣、消費(fèi)能力、客戶(hù)價(jià)值、忠誠(chéng)度、生活習(xí)慣等客戶(hù)全息特征庫(kù)。研發(fā)客戶(hù) -業(yè)務(wù)、客戶(hù) -渠道、業(yè)務(wù) -渠道、營(yíng)銷(xiāo)時(shí)機(jī)等四個(gè)適配模型，開(kāi)發(fā)運(yùn)營(yíng)平臺(tái) 統(tǒng)一門(mén)戶(hù)網(wǎng)營(yíng)精準(zhǔn)營(yíng)銷(xiāo)推薦應(yīng)用 建立適用于北京移動(dòng)網(wǎng)營(yíng)渠道的用戶(hù)行為軌跡分析機(jī)制，挖掘用戶(hù)需求及營(yíng)銷(xiāo)目標(biāo)；基于云計(jì)算存儲(chǔ)的海量行為數(shù)據(jù)管理機(jī)制，提升集中化數(shù)據(jù)管 理效率，豐富北京移動(dòng)用戶(hù)畫(huà)像；支持實(shí)時(shí)匿名和大規(guī)模并發(fā)推薦的遠(yuǎn)程服務(wù)，便于擴(kuò)展維護(hù)。 九 、 外部合作伙伴委托方案 22 / 27 本項(xiàng)目我公司擁有外部合作的完全知識(shí)產(chǎn)權(quán)，不涉及第三方知識(shí)產(chǎn)權(quán)使用。 十 、 預(yù)期 研究 產(chǎn)出 1. 研究成果 （研究報(bào)告、形成的軟硬件平臺(tái)） 精準(zhǔn)營(yíng)銷(xiāo)推薦平臺(tái) 手機(jī)上網(wǎng)用戶(hù)行為分析系統(tǒng) 音樂(lè)個(gè)性化推薦引擎 MM 智能推薦引擎 手機(jī)閱讀多維度組合靈活營(yíng)銷(xiāo)平臺(tái) 基于位置的社會(huì)關(guān)系網(wǎng)絡(luò)分析平臺(tái) 基于 CRM 的 T-CPC 運(yùn)營(yíng)平臺(tái) 基于 SaaS 架構(gòu)的網(wǎng)營(yíng)推薦應(yīng)用系統(tǒng) 2. 專(zhuān)利成果 （專(zhuān)利申請(qǐng)計(jì)劃） ： 研究院 2 項(xiàng) 、四川公司 1 項(xiàng)、浙江公司 1 項(xiàng)、河南公司 1 項(xiàng) 3. 試驗(yàn)成果 （開(kāi)展的相關(guān)試驗(yàn)室及外場(chǎng)測(cè)試工作中形成的試驗(yàn)報(bào)告） ： 手機(jī)上網(wǎng)內(nèi)容營(yíng)銷(xiāo)效果評(píng)估及報(bào)告 音樂(lè)個(gè)性化推薦效果評(píng)估及報(bào)告 MM 智能推薦營(yíng)銷(xiāo)效果評(píng)估及報(bào)告 手機(jī)閱讀精確營(yíng)銷(xiāo)效果評(píng)估及報(bào)告 集團(tuán)和家庭客戶(hù)精確營(yíng)銷(xiāo)效果評(píng)估 基于客服信息挖掘的觸點(diǎn)營(yíng)銷(xiāo)評(píng)估 統(tǒng)一門(mén)戶(hù)網(wǎng)營(yíng)精準(zhǔn)營(yíng)銷(xiāo)推薦效果評(píng)估 十一 、 課題 研究 分工 單位 分工內(nèi)容 研究產(chǎn)出 負(fù)責(zé)人 23 / 27 研究院 1.研究方案規(guī)劃、項(xiàng)目管理 2.用戶(hù)行為分析模型研究 3.精準(zhǔn)營(yíng)銷(xiāo)推薦平臺(tái)開(kāi)發(fā) 1. 算法模型； 2. 專(zhuān)利； 3. 軟件系統(tǒng)平臺(tái) 浙江公司 1.引入研究院用戶(hù)行為分析模型 2.手機(jī)上網(wǎng)用戶(hù)行為分析系統(tǒng)建設(shè) 3.開(kāi)展互聯(lián)網(wǎng)內(nèi)容營(yíng)銷(xiāo)評(píng)估實(shí)驗(yàn) 1. 軟件系統(tǒng)； 2. 營(yíng)銷(xiāo)效果評(píng)估報(bào)告 四川公司 音樂(lè)基地 1.引入研究院分析模型和推薦平臺(tái) 2.基于音樂(lè)產(chǎn)品開(kāi)發(fā)推薦引擎 3.開(kāi)展音樂(lè)推薦營(yíng)銷(xiāo)評(píng)估實(shí)驗(yàn) 1. 軟件系統(tǒng)； 2.專(zhuān)利； 3. 營(yíng)銷(xiāo)效果評(píng)估報(bào)告 廣東公司 互聯(lián)網(wǎng)基地 1.引入研究院分析模型和推薦平臺(tái) 2.基于 MM 產(chǎn)品開(kāi)發(fā)推薦引擎 3.開(kāi)展應(yīng)用商品推薦營(yíng)銷(xiāo)評(píng)估實(shí)驗(yàn) 1. 軟件系統(tǒng)； 2. 營(yíng)銷(xiāo)效果評(píng)估報(bào)告 浙江公司 閱讀1.開(kāi)發(fā)手機(jī)閱讀靈活營(yíng)銷(xiāo)平臺(tái) 2.開(kāi)展?fàn)I銷(xiāo)評(píng)估實(shí)驗(yàn) 1. 軟件系統(tǒng)； 2. 專(zhuān)利； 3. 營(yíng)銷(xiāo)效果評(píng)估報(bào)告 24 / 27 基地 河南公司 1.引入研究院社會(huì)網(wǎng)絡(luò)分析模型 2.開(kāi)發(fā)集團(tuán)和家庭客戶(hù)識(shí)別的系統(tǒng) 3.開(kāi)展精準(zhǔn)營(yíng)銷(xiāo)評(píng)估實(shí)驗(yàn) 1. 軟件系統(tǒng)； 2. 營(yíng)銷(xiāo)效果評(píng)估報(bào)告 廣東公司 1.開(kāi)發(fā)基于客服信息挖掘的營(yíng)銷(xiāo)平臺(tái) 2.開(kāi)展觸點(diǎn)營(yíng)銷(xiāo)評(píng)估實(shí)驗(yàn) 1. 軟件系統(tǒng)； 2. 營(yíng)銷(xiāo)效果評(píng)估報(bào)告 北京公司 1.開(kāi)發(fā)網(wǎng)營(yíng)推薦應(yīng)用系統(tǒng) 2.開(kāi)展統(tǒng)一門(mén)戶(hù)網(wǎng)營(yíng)營(yíng)銷(xiāo)評(píng)估實(shí)驗(yàn) 1. 軟件系統(tǒng)； 2. 營(yíng)銷(xiāo)效果評(píng)估報(bào)告 十二、項(xiàng)目研究 計(jì)劃進(jìn)度 子項(xiàng)目 5-6 月份 7-8 月份 9 月份 10 月份 11 月份 12 月份 用戶(hù)行為分析模