基于客户移动互联网行为的信息价值挖掘应用

中国电信股份有限公司江苏分公司互联网与增值业务运营支撑中心 胡仲刚 汪敏娟

基于客户移动互联网行为的信息价值挖掘应用

中国电信股份有限公司江苏分公司互联网与增值业务运营支撑中心 胡仲刚 汪敏娟

在分析移动互联网高速发展和用户需求的基础上，重点阐述了移动互联网用户行为的信息价值挖掘流程和关键技术，并对其在个性化内容推荐、精准业务营销、定向广告投放和业务能力开放等4个方面应用进行了探讨。

移动互联网；行为分析；信息挖掘

为帮助用户快速找到自己感兴趣的内容，需对用户移动互联网访问行为进行挖掘分析。移动互联网数据具有数据量大、数据结构复杂、数据内容分散等特点，为了从浩如烟海的数据中提取出有效信息，需借助有效的数据挖掘技术，采取合适的数据挖掘策略。通过从用户、终端、产品等多个维度进行挖掘分析，确定用户的兴趣偏好并形成客户画像。再根据具体的营销任务，通过针对性的营销手段，快速将合适的内容推送给合适的用户，从而实现移动互联网精细化运营的目标。

1 技术实现

1.1 信息价值挖掘流程

基于客户移动互联网行为的信息价值挖掘是一项复杂的工程，需采集并整合处理用户基础信息、网络流量信息、用户访问内容和用户终端信息等，对数据进行关联分析和挖掘，提供具有价值的商业和服务信息，并应用于业务运营。如图 1 所示，相关流程可划分为数据采集、分析挖掘和业务应用3个部分。

1.1.1 数据采集

从IT（信息技术）系统获取用户基础信息，通过DPI（深度包检测）系统从分组域网络获取用户的上网行为数据，从终端信息采集系统获取用户终端和业务支持能力信息，通过搜索引擎爬虫获取用户访问网页内容。从数据源采集到的数据具有流量大、报文格式复杂等特点，不能直接进行处理，需要先进行清洗和预处理，转换为标准、精简、有效的数据。

1.1.2 分析挖掘

从数据采集层获取有效数据，将用户的真实身份、网络流量和访问网页内容进行对应，通过相关模型和算法进行有效的数据挖掘。具体可从以下维度进行：

访问偏好分析：根据用户访问的URL（统一资源定位），对基于HTTP（超文本传输协议）形式的页面进行语意分析和内容分类，确定客户的访问兴趣偏好。

搜索偏好分析：将公共、行业、典型门户站内等搜索引擎进行分类，构成搜索兴趣偏好，通过搜索变量解析，挖掘出搜索的关键字。

应用偏好分析：分析安卓和iPhone的下载行为，分析用户使用各种应用的次数、时长、流量等信息。

专题偏好分析：通过对非文本形式的音乐、视频、下载、游戏、阅读和图片等信息的挖掘，通过对文本形式的房产、汽车等信息的挖掘，确定客户的专题兴趣偏好。

行为特征分析：在客观行为分析的基础上，挖掘客户各种偏好的忠诚度、访问频度、上网习惯、流量分布及沉默规律等。

1.1.3 业务应用

实现目标客户挖掘，对外提供能力输出，为具体运营和营销提供决策支持。具体包括：

目标客户提取：根据客户的自然属性、终端构成、上网行为、兴趣偏好等提取目标客户。支持营销主题、客户特征、客户规模等多种条件提取方式。

应用接口：构建开放的支撑平台，提供标准化的API（应用程序接口），帮助第三方系统根据用户喜好推荐相应的内容。

1.2 关键技术

1.2.1 垂直搜索引擎

垂直搜索引擎是信息价值挖掘的重要内核之一。与综合搜索引擎相比，垂直搜索引擎的信息服务模式有所变化，它更加注重信息的专深性，克服了综合搜索引擎信息查准率低、有用信息含量低等不足。垂直搜索引擎实现了网页信息的结构化抽取，是一种搜索质量更准确、相关性更复杂的搜索引擎。其主要技术特点如下：

结构化：专业的结构设置，使信息更加准确和清晰。

个性化：根据专业结构，建立最合理的索引，快速定位内容变更。

专业性：开发针对非传统文本内容的分析，如文本文件下载、音频视频软件的头文件信息分析，能够将非主流媒体的信息进行提取。

功能性：优化对新增行业的快速接入模式。

目前，用户移动互联网行为除了文本信息以外，还有大量非文本信息，如听音乐、看视频、读小说、玩游戏等非文本形式，无法通过页面URL挖掘。垂直搜索引擎能很好地解决以上问题，可以实现对音乐库、视频库、下载库、游戏库、小说库、图片库、阅读库、房产库、汽车库等专题信息的实时维护更新。

1.2.2 人工智能分析

人工智能分析是信息价值挖掘重要内核之二。用户访问移动互联网内容爬取（crawling）后，是通过人工智能分析模型来进行处理的。具体包括：

无效页面过滤：在一个网站中，存在很多如广告、导航页面、功能页面、提示页面等没有实际主题的页面，需预先进行过滤。一般来说，对具有特定特征的无效页面系统将自动过滤，对没有特定特征的页面采取人工设置过滤的方式进行过滤。

页面垃圾过滤：在页面中，除了主题内容以外，还有一些诸如广告条、页面美化等非主题信息，这些内容如果也参与到分词中提取关键词将会造成很大的偏差。因此，需要在分词前对页面进行清洗，以保证清洗后的部分只有具体的主题内容。

页面内容分析：将页面内容过滤成有效的、可利用的真实数据后，分析出信息的标题、元信息和正文，并进行切词及剔除虚词，获取整篇内容的关键词条，为内容分类提供基础数据。根据知识库和专家规则库及预先设置好的类别，进行内容的分类处理。通过自动学习机的自学功能来发现知识，实现知识库和专家规则库的自动优化。

1.2.3 内容聚类分析

内容聚类分析是信息价值挖掘重要内核之三。对经过内容分析的页面进行聚类分析，把若干相似度高的内容聚类成一组，然后分析各组内容的相同与不同信息。

目前，聚类算法主要有两种，一是以G-HAC等算法为代表的层次凝聚法，另一种是以K-means算法为代表的平面划分法。其中，前者是最为常用的聚类方法，他能够生成层次的嵌套聚类，并且准确度高，但在每两个聚类合并时，需要全局的比较所有聚类的相似度，确定适当的阀值，计算出最佳效果。

内容聚类在客户访问过的内容中，挖掘出相同的内容或类似的内容，形成内容类别，再结合客户基础信息、页面访问信息等生成客户画像。

1.2.4 行为分析模型

行为分析模型是信息价值挖掘重要内核之四。在进行人工智能分析和内容聚类分析时，需通过建立相关的行为分析模型来实现。主要有：

文本挖掘模型：基于训练语料库，通过一定的模型训练算法，构造文本智能分类模型。把构造完成的文本智能分类模型保存到数据库中，对文本内容进行分词分析，根据已训练好的分类模型进行内容分类。

用户应用偏好模型：根据用户使用各类应用的情况进行分析，通过应用知识库识别应用，计算用户应用兴趣偏好模型。

用户搜索偏好模型：主要根据用户在主流的搜索网站的搜索情况进行分析。分析用户搜索主流搜索网站的搜索记录，对用户的搜索内容进行分类记录，计算用户搜索兴趣偏好模型。

用户浏览行为聚类模型：根据选择的聚类分析指标，利用上面提到的聚类挖掘算法对客户进行分群。聚类指标可自主选择，模型输出包括：每个客户群的客户数、百分比、各项指标的分布情况等。

数据关联分析模型：根据用户的基础信息、终端信息和访问的网页内容进行关联分析，找出其中的关联关系，用于针对性营销。

移动互联网用户行为分析是真实的、客观的、多维度的分析，其准确度取决于行为分析模型。

2 业务应用

目前，基于客户移动互联网行为的信息价值挖掘，结合业务发展需要，可以开展个性化内容推荐、精准业务营销、定向广告投放和对外能力开放等业务应用。

2.1 个体客户的个性化内容推荐

针对个体客户，从用户、终端、产品等多个维度进行分析，生成客户画像。根据多维度的客户画像，提供个性化的门户页面，针对性地进行内容推荐。同时，通过客户行为分析反馈客户特征变化，形成闭环营销系统。具体流程见图 2。

如用户访问业务门户时，为其推荐合适的游戏、应用、视频等。根据用户的兴趣偏好推荐合适的内容，有利于增加用户黏性，降低流失率。

2.2 群体客户的精准业务营销

针对群体客户，在客户画像基础上，通过建立营销活动挖掘模型，实现特定业务精确受众群体的客户挖掘。在具体业务推广时，可以按照营销主题、客户特征、客户规模等多种条件提取目标客户，实施精准营销，进而达到“提高效率、降低成本、减少投诉、增加效益”的目的。具体流程见图 3。

精准营销可以基于多种方式，如营业厅实体渠道、外呼营销，以及传统的短信、彩信和WAP（无线应用协议）推送等。对营销活动效果进行评估，将营销成功的客户与挖掘的兴趣偏好客户进行对比，找出存在的问题，为再次营销提供修正方案。

2.3 媒体客户的定向广告投放

定向广告投放是运营商根据客户的兴趣偏好，向商家的目标客户群进行广告推送的行为。它是一种基于用户行为挖掘分析的精确广告投放，通过策划数据挖掘维度锁定用户群，由传媒公司策划广告创意，对目标用户群进行广告投放，为后向广告商提供个性化差异化服务。下面以挖掘具有房产、汽车等兴趣偏好的客户进行定向广告投放为例，如表 1 所示。

结果表明，基于用户行为的定向广告投放成功率为普通投放效果的几百倍，既节约了资源，又达到良好的投放效果。定向广告投放能精准的将广告信息投放给最合适的移动用户群体，对开展移动互联网后向经营、探索新兴商业模式等有重要意义。

2.4 合作伙伴的业务能力开放

开放已经成为移动互联网时代的潮流。在国外，Facebook平台上的第三方应用数量已超过24 000个，每天有超过40万人的开发者围绕这个平台做开发应用。在国内，新浪微博、腾讯、百度、盛大、开心网等相继开放互联领域的API，力求在网民中为自己塑造开放平台的形象。构建开放的支撑平台，提供标准化的API，帮助第三方系统根据用户喜好推荐相应的内容，可以有效地实现资源整合、信息共享和业务协同。

3 结束语

随着移动互联网的迅速发展，流量经营成为运营商创新发展的核心。深化流量经营的一个重要手段是用户访问信息的挖掘与分析。通过对移动互联网中各项数据进行挖掘和分析，能够对用户的使用行为、兴趣偏好、发展趋势等进行全面了解，进而开展针对性营销和提供个性化服务，再通过客户行为分析反馈客户特征变化，从而形成良性的闭环营销体系。如何高效地对用户移动互联网行为进行挖掘，充分发挥智能管道的优势，实现精细化的业务运营，是未来探索的一个重要方向。