短視頻個(gè)性化推薦數(shù)據(jù)挖掘研究

前言：想要寫(xiě)出一篇引人入勝的文章？我們特意為您整理了短視頻個(gè)性化推薦數(shù)據(jù)挖掘研究范文，希望能給你帶來(lái)靈感和參考，敬請(qǐng)閱讀。

【摘要】在當(dāng)今大數(shù)據(jù)的大背景下，每個(gè)行業(yè)都清楚地意識(shí)到數(shù)據(jù)挖掘技術(shù)帶來(lái)的便利與潛在的商業(yè)價(jià)值，并開(kāi)始將數(shù)據(jù)挖掘用于快速精準(zhǔn)決策和與管理，這不僅促進(jìn)了經(jīng)濟(jì)的快速發(fā)展與社會(huì)的蓬勃進(jìn)步，這也引起了世界新一輪的競(jìng)爭(zhēng)浪潮。本文主要以抖音短視頻為例，分析了大數(shù)據(jù)背景下的短視頻個(gè)性化推薦機(jī)制和數(shù)據(jù)挖掘在短視頻平臺(tái)中的具體應(yīng)用。

【關(guān)鍵詞】數(shù)據(jù)挖掘；短視頻；市場(chǎng)

引言

隨著我國(guó)互聯(lián)網(wǎng)通信技術(shù)與多媒體技術(shù)的快速發(fā)展，我國(guó)新媒體短視頻的數(shù)量與日俱增。截至2019年底，愛(ài)奇藝、騰訊視頻與抖音短視頻等用戶觀看視頻總數(shù)達(dá)到1億，用戶月活躍數(shù)接近3億，每天播放視頻量可達(dá)15億個(gè)。利用數(shù)據(jù)挖掘能夠進(jìn)行研究決策，能夠幫助理清數(shù)據(jù)交互的復(fù)雜性、認(rèn)識(shí)數(shù)據(jù)缺失造成的不確定性，還能夠深挖復(fù)雜數(shù)據(jù)背后蘊(yùn)含的巨大商業(yè)價(jià)值。在廣闊的短視頻市場(chǎng)中，數(shù)據(jù)挖掘貫穿其中，如市場(chǎng)分析、細(xì)分、目標(biāo)選取，到最后的制定計(jì)劃，都將離不開(kāi)數(shù)據(jù)挖掘，可以說(shuō)數(shù)據(jù)挖掘?yàn)槎桃曨l的發(fā)展開(kāi)辟了新的路徑。

1短視頻呈現(xiàn)井噴式增長(zhǎng)的原因

1.1外部技術(shù)的成熟優(yōu)化用戶體驗(yàn)

短視頻的繁榮發(fā)展主要依賴于我國(guó)通信基礎(chǔ)建設(shè)發(fā)展與應(yīng)用的不斷優(yōu)化，網(wǎng)絡(luò)環(huán)境的不斷提升、信息傳輸速度和穩(wěn)定性的提高也為短視頻的發(fā)展提供了強(qiáng)有力的技術(shù)保障。智能手機(jī)的普及為短視頻用戶的積累提供了寶貴的土壤，且短視頻APP中的視頻制作簡(jiǎn)單易學(xué)、使用門檻低、實(shí)現(xiàn)了生產(chǎn)與制作的融合，降低了用戶的操作成本。在視覺(jué)成像領(lǐng)域，AR技術(shù)的應(yīng)用增強(qiáng)了用戶的多維體驗(yàn)，基于數(shù)據(jù)挖掘的精確推送，形成用戶獨(dú)有的個(gè)性化標(biāo)簽，牢牢將用戶鎖住。

1.2UGC生產(chǎn)模式滿足個(gè)性化需求

UGC是用戶原創(chuàng)內(nèi)容的簡(jiǎn)寫(xiě)。短視頻平臺(tái)的定位就是內(nèi)容分享，所有的用戶可以上傳分享自己的生活短視頻，幾乎沒(méi)有內(nèi)容的限制，滿足了用戶個(gè)性化的需求。通過(guò)UGC內(nèi)容模式，降低了用戶生產(chǎn)內(nèi)容的門檻，擴(kuò)大了平臺(tái)的用戶數(shù)量，以達(dá)到占領(lǐng)市場(chǎng)的目的。

1.3從用戶的三個(gè)維度實(shí)現(xiàn)傳播效果

短視頻具有簡(jiǎn)短、內(nèi)容豐富與參與互動(dòng)性強(qiáng)等特點(diǎn)。在認(rèn)知層面，用戶通過(guò)大量的短視頻來(lái)識(shí)別外部豐富世界。在心理層面，短視頻占據(jù)了用戶大部分零散時(shí)間，并且短視頻通過(guò)文本、聲音與圖像感官的三維形式給用戶以沉浸式體驗(yàn)。在行動(dòng)層面，用戶的評(píng)論與轉(zhuǎn)發(fā)已成為短視頻體驗(yàn)的一部分，也進(jìn)一步增強(qiáng)了用戶的參與感。

2數(shù)據(jù)挖掘的概念與特征

信息爆炸時(shí)代產(chǎn)生了海量信息，但往往難以提煉有效的信息，從而造成了無(wú)用的信息過(guò)多和有效信息的丟失，這就是約翰•內(nèi)斯伯特（JohnNalsbert）所說(shuō)的“信息豐富而知識(shí)貧乏”窘境。因此，人們迫切希望能對(duì)海量數(shù)據(jù)進(jìn)行深入分析、發(fā)現(xiàn)、提取并利用隱藏在其中的信息。數(shù)據(jù)挖掘，就是指從大量的數(shù)據(jù)中通過(guò)算法搜索隱藏于其中信息的過(guò)程。數(shù)據(jù)挖掘有以下幾個(gè)特點(diǎn)：

2.1規(guī)?；?/p>

目前對(duì)于數(shù)據(jù)的計(jì)量而言，已由TB發(fā)展到PB與EB，往后很有可能會(huì)用ZB與YB來(lái)進(jìn)行計(jì)算，今后的數(shù)據(jù)規(guī)模還將會(huì)以指數(shù)的形式擴(kuò)增。

2.2特性化

挖掘出來(lái)的數(shù)據(jù)應(yīng)該是以前未知的，而不是驗(yàn)證已有的經(jīng)驗(yàn)。只有全新的知識(shí)，才可以幫助企業(yè)獲得進(jìn)一步的洞察力。

2.3動(dòng)態(tài)化

海量信息時(shí)代的數(shù)據(jù)迭代速度十分快速，因此數(shù)據(jù)挖掘也要具備動(dòng)態(tài)性與時(shí)效性，數(shù)據(jù)庫(kù)的數(shù)據(jù)要及時(shí)更新。

2.4價(jià)值性

另外，數(shù)據(jù)挖掘一個(gè)明顯特點(diǎn)就是潛在價(jià)值，對(duì)數(shù)據(jù)進(jìn)行及時(shí)清理、數(shù)據(jù)集成與數(shù)據(jù)規(guī)約化以后，就能夠挖掘數(shù)據(jù)的潛在價(jià)值，給企業(yè)帶來(lái)直接或間接的效益，這也是數(shù)據(jù)挖掘的真正意義所在。

3數(shù)據(jù)挖掘下的短視頻個(gè)性化推薦機(jī)制———以抖音為例

抖音是一個(gè)去中心化的音樂(lè)創(chuàng)意短視頻社交平臺(tái)，任何一個(gè)賬號(hào)都有機(jī)會(huì)擁有百萬(wàn)粉絲甚至千萬(wàn)粉絲。即便是新號(hào)，只要視頻內(nèi)容受歡迎，就會(huì)被越來(lái)越多的人關(guān)注。

3.1疊加推薦

視頻上傳抖音平臺(tái)之后抖音官方會(huì)檢測(cè)視頻是否違規(guī)，如果違規(guī)，抖音官方會(huì)把視頻打回或者對(duì)用戶限流；如果不違規(guī)，抖音官方會(huì)進(jìn)行一個(gè)隨機(jī)推薦，平臺(tái)會(huì)根據(jù)賬號(hào)的權(quán)重給予一定的初始推薦流量，初始推薦優(yōu)先分發(fā)給附近的用戶、關(guān)注賬號(hào)的粉絲以及自身所關(guān)注的用戶，并根據(jù)用戶標(biāo)簽與內(nèi)容標(biāo)簽進(jìn)行智能分發(fā)。抖音采用逐層推薦的方式：第一次推薦，會(huì)根據(jù)賬號(hào)的權(quán)重推薦200~500流量，這200~500用戶的播放量、點(diǎn)贊量、評(píng)論量、轉(zhuǎn)發(fā)量、關(guān)注量和完播率等數(shù)據(jù)指標(biāo)達(dá)到官方的初步標(biāo)準(zhǔn)后，平臺(tái)通過(guò)數(shù)據(jù)比對(duì)自動(dòng)判定視頻內(nèi)容較受歡迎，從而進(jìn)行第二次推薦；第二次推薦的播放量在3000左右；第三次推薦在1.2萬(wàn)~1.5萬(wàn)之間；第四次推薦在10萬(wàn)~12萬(wàn)之間；第五次推薦在40萬(wàn)~60萬(wàn)之間；第六次推薦量在200萬(wàn)~300萬(wàn)之間；第七次推薦量在700萬(wàn)~1100萬(wàn)之間；第八次推薦會(huì)進(jìn)行標(biāo)簽人群推薦，這時(shí)候的量級(jí)在3000多萬(wàn)。其中，從第四個(gè)層級(jí)開(kāi)始會(huì)介入人工審核。人工審核決定是否可以加大視頻曝光量，到了第8個(gè)層級(jí)，會(huì)定期將作品推送給符合作品標(biāo)簽的人群。如果作品沒(méi)有達(dá)到每一層級(jí)的標(biāo)準(zhǔn)就不會(huì)再進(jìn)入下一個(gè)流量池，也就是說(shuō)首次流量推送的各項(xiàng)數(shù)據(jù)指標(biāo)合格，就會(huì)進(jìn)入第二個(gè)流量池的推送，如果第一個(gè)流量池的各項(xiàng)數(shù)據(jù)合格就會(huì)進(jìn)行第三次推送，如果在第三次推送的時(shí)候，數(shù)據(jù)沒(méi)有達(dá)標(biāo)，那么視頻播放量就會(huì)停留在第三層級(jí)。

3.2巧用算法關(guān)鍵數(shù)據(jù)打造爆款視頻

抖音評(píng)價(jià)視頻在流量池中的表現(xiàn)，主要參照四個(gè)標(biāo)準(zhǔn)：完播率、點(diǎn)贊比、評(píng)論量和轉(zhuǎn)發(fā)量。其中，完播率對(duì)應(yīng)的是抖音用戶時(shí)長(zhǎng)的要求，在不影響視頻質(zhì)量的前提下，盡量縮短視頻的時(shí)長(zhǎng)，力求在短時(shí)間內(nèi)完成表述；點(diǎn)贊比是抖音推薦算法中判斷視頻質(zhì)量的重要依據(jù)；評(píng)論區(qū)是粉絲和視頻創(chuàng)作者的互動(dòng)區(qū)域，評(píng)論區(qū)互動(dòng)會(huì)大大增加粉絲對(duì)創(chuàng)作者的粘性；視頻的轉(zhuǎn)發(fā)數(shù)意味用戶對(duì)視頻的認(rèn)可程度，對(duì)于任何一個(gè)平臺(tái)而言，用戶增長(zhǎng)一定是至關(guān)重要的。品牌主在視頻開(kāi)始發(fā)放后，就應(yīng)想辦法發(fā)動(dòng)所有力量去提升完播率、點(diǎn)贊比、評(píng)論數(shù)和轉(zhuǎn)發(fā)數(shù)。

4數(shù)據(jù)挖掘在短視頻營(yíng)銷中的具體應(yīng)用

盡管短視頻具備傳統(tǒng)營(yíng)銷無(wú)法比擬的優(yōu)勢(shì)，但品牌布局短視頻營(yíng)銷仍面臨著難以找到合適的KOL、對(duì)廣告創(chuàng)意要求高、數(shù)據(jù)監(jiān)測(cè)難、效果評(píng)估不理想等問(wèn)題。因此，必須通過(guò)數(shù)據(jù)挖掘推動(dòng)智慧營(yíng)銷，以解決短視頻營(yíng)銷中的難題。

4.1多維度分析，打造KOL評(píng)定標(biāo)準(zhǔn)

短視頻傳播中，選擇適合自己品牌的KOL、制定正確的營(yíng)銷組合策略，對(duì)于資源和精力有限的品牌主來(lái)說(shuō)是一件非常困難的事情?？梢酝ㄟ^(guò)數(shù)據(jù)挖掘，建立KOL價(jià)值標(biāo)準(zhǔn)，對(duì)其進(jìn)行定期淘汰。

4.1.1KOL的品牌營(yíng)銷價(jià)值分析目前各平臺(tái)10萬(wàn)量級(jí)以上的KOL超過(guò)20萬(wàn)個(gè)，想要在龐大的資源庫(kù)中找到最適合自己品牌的KOL（圖1），需要對(duì)KOL的粉絲、日常內(nèi)容等進(jìn)行數(shù)據(jù)挖掘。主要包括：KOL的私域流量、受眾人群、受眾年齡、活躍粉絲數(shù)量、視頻類型、UGC、電商導(dǎo)流能力、影響能力、服務(wù)評(píng)價(jià)等。

4.1.2KOL的定期優(yōu)化要想在碎片的平臺(tái)環(huán)境中快速進(jìn)行KOL迭代：①跨平臺(tái)尋找KOL資源；②定期抓取新興KOL并開(kāi)展深度合作；③制定執(zhí)行標(biāo)準(zhǔn)，通過(guò)量化及評(píng)分等方式建立優(yōu)勝劣汰的KOL選擇機(jī)制。

4.2挖掘用戶特點(diǎn)，輸出精準(zhǔn)內(nèi)容

對(duì)于短視頻平臺(tái)而言，在大數(shù)據(jù)和人工智能的基礎(chǔ)上，不斷收集用戶數(shù)據(jù)并進(jìn)行分析，并根據(jù)每個(gè)用戶最常訪問(wèn)的視頻類型進(jìn)行分類標(biāo)記，平臺(tái)再根據(jù)用戶感興趣的內(nèi)容進(jìn)行準(zhǔn)確、個(gè)性化的分發(fā)，從而讓用戶沉浸在短視頻環(huán)境中，增加對(duì)下一個(gè)視頻的好奇心，最終增強(qiáng)用戶粘性。對(duì)于內(nèi)容創(chuàng)作者來(lái)說(shuō)，數(shù)據(jù)挖掘?qū)椭麄兏斓亓私獯蟊姷南埠?，更好地迎合大眾的需求，促進(jìn)短視頻內(nèi)容制作的精準(zhǔn)化，提升產(chǎn)出效率。

4.3數(shù)據(jù)建模，不斷優(yōu)化投放和監(jiān)測(cè)

對(duì)于短視頻營(yíng)銷效果的監(jiān)測(cè)而言，數(shù)據(jù)挖掘?qū)椭放浦髁私舛桃曨l營(yíng)銷的效果，并最終形成且優(yōu)化營(yíng)銷模型，更好地服務(wù)于品牌打造?？梢酝ㄟ^(guò)數(shù)據(jù)挖掘配合相應(yīng)的模型進(jìn)行測(cè)算，從而評(píng)判KOL的品牌投放效果是否達(dá)到預(yù)期。通過(guò)抓取效果數(shù)據(jù)并持續(xù)優(yōu)化投放模型、基于數(shù)據(jù)分析優(yōu)化資源推薦模型、優(yōu)化投放組合策略，以達(dá)到最佳的營(yíng)銷效果。

5結(jié)束語(yǔ)

在大數(shù)據(jù)時(shí)代，各行各業(yè)都清楚地認(rèn)識(shí)到數(shù)據(jù)挖掘帶來(lái)的便利，并將數(shù)據(jù)挖掘用于企業(yè)快速精準(zhǔn)決策中，這不僅促進(jìn)了經(jīng)濟(jì)的快速發(fā)展，也引起了新一輪的競(jìng)爭(zhēng)浪潮。在數(shù)據(jù)挖掘的大浪潮下，我們要學(xué)會(huì)通過(guò)數(shù)據(jù)賦能解決短視頻營(yíng)銷中的難題，實(shí)現(xiàn)營(yíng)銷效果的最大化。

參考文獻(xiàn)

[1]宋淑米.以大數(shù)據(jù)技術(shù)為基礎(chǔ)的短視頻營(yíng)銷特點(diǎn)及挑戰(zhàn)研究：以快手為例[J].無(wú)線互聯(lián)科技，2019（11）：147-148.

[2]姚力文，段峰峰.網(wǎng)絡(luò)短視頻平臺(tái)流量變現(xiàn)探析[J].新聞前哨，2019（8）：34-36.

[3]徐宗本，馮芷艷，郭迅華.大數(shù)據(jù)驅(qū)動(dòng)的管理與決策前沿課題[J].管理世界，2014（11）：158-163.

[4]徐宗本.用好大數(shù)據(jù)須有大智慧[N].人民日?qǐng)?bào)，2016-03-15（7）.

[5]葉上懷.基于大數(shù)據(jù)時(shí)代下的市場(chǎng)營(yíng)銷機(jī)遇及挑戰(zhàn)[J].商場(chǎng)現(xiàn)代化，2018（16）：42-43.

作者：蘇艷 單位：廣西國(guó)際商務(wù)職業(yè)技術(shù)學(xué)院