借著互聯網東風，時間視重在“看電視”轉變為“用電視”的再分當下，電視廠商如何迎接“觀眾”向“用戶”概念的配電轉變，不但折射出了行業參與者對于客廳新經濟和內容傳播價值的新被全新認知，也隱藏著大小屏之間的客廳注意力滲透之爭。
由中國電信基于網絡統計進行的大屏定義調查顯示：平均每個家庭可使用的泛智能設備為9.2臺，其中與視頻相關的崛起智能設備有IPTV盒子、OTT盒子、推動電腦、用戶智能手機、投影儀等，其中有約一半的設備可接入視頻節目，注定了“數字家庭”場景下對于“眼球經濟”的爭奪已經進入白熱化。
不可否認的是，相比于PC、平板、手機等設備，電視作為原生的視頻內容消費終端，在產品形態、音畫表現上擁有先天優勢，能夠提供極具臨場感、沉浸感的觀影追劇體驗。
但與此同時，智能電視在人機交互、成都成華品茶喝茶海選vx《189-4143》提供外圍女上門服務快速選照片快速安排不收定金面到付款30分鐘可到達軟件生態、信息粒度等方面尚屬弱勢，直接與間接地削弱了客廳大屏的娛樂、商業價值。
從智能電視使用數據來看，近年來開機率、開機時長屢創新高，但總體仍具較大成長空間。
居家需求激活大屏生態
2020年以來，國際局勢動蕩、國內疫情反復、消費復蘇不足等諸多因素共同影響了消費者的生活方式。不同媒介時長的重分配是市場變遷在用戶端的重要投影。
在遠程協作、網絡教育、客廳健身等新需求的促進下，客廳電視在家庭屏幕中的重要性顯著提升，客廳電視在此期間獲得顯著流量增長。
群邑智庫數據顯示，居家隔離讓一線市場消費者開啟居家健身模式，疫情前后家中健身比例提升了81%，一、二線城市智能電視日達到率分別提升了10%和23%。
在大屏主場的視頻消費領域，電視平臺用戶回流趨勢突顯。從2020年開始，電視收視就出現了大幅提升，一直到2021年用戶每日戶均收視時長都保持在了5.83小時左右，較2019年增長12.3%。
2022年春節期間，智能電視日活規模就達到1.14億臺，相比去年同期同比大幅增長35.7%；春節期間日均電視觀看市場6.63小時，相對春節前提升21.7%。據CSM全國網數據顯示，2022年第一季度，中央廣播電視總臺整體收視份額30.87%，強勢走高，同比漲幅高達15%。
近年來視頻平臺對于客廳大屏的傾斜，也印證了這種大眾媒介的交替。據《2021OTT商業化白皮書》顯示，在用戶長視頻媒介使用偏好的調研中，使用智能電視觀看電視劇、綜藝節目的用戶分別占比87.9%、82.4%，甚至均高于移動端。
去年B站財報數據就曾顯示，B站MAU環比凈增3010萬人至2.67億人，同比增長36%，電視端用戶已超越PC端成為B站第二大用戶構成；愛奇藝也曾在2020年發布數據，指出互聯網電視消耗總時長已經超過了手機加平板電腦。
不過若將視野拉遠，用戶面對眾多“屏幕”，媒介觸點分散。有數據統計現代成年人每天約看屏幕9個小時，占據醒著時長的一半以上，這其中智能大屏日均開機時長為328分鐘。
綜合上述數據不難發現，新電視業態在納入互聯網內容與智能生態之后，確實獲得了比傳統電視更加廣闊的行業廣度與生態范圍，但同時也應該認識到，智能電視行業仍面臨交互困難、軟件生態匱乏等諸多痛點，束縛著客廳大屏商業價值的釋放。
軟件定義電視，大屏價值釋放
在“眼球經濟”、“注意力經濟”概念愈發受到行業肯定的當下，“用戶時間”作為互聯網流量商業中最重要的不可再生“資源”，成為了各方進行零和博弈的主戰場。
由智能電視興起引發的媒介使用時間再分配過程，同樣也是互聯網商業價值重新分配的變革。在33年的中國互聯網進程中，2012年與2022年是兩個重要的時間節點。
2012年之前，PC端是互聯網的主要硬件載體，2012年之后移動互聯網占據了國內90%的互聯網市場份額；而在2022年，智能電視正式超越PC份額，成為僅次于移動互聯網的第二大商業渠道。
而在主要內容輸出渠道的爭奪中，正如前文所述，智能電視贏在聲畫表現，卻整體生態、交互、信息等方面不敵智能手機。相比之下，智能手機在強大的移動互聯網加持下，內容生態與商業價值均已得到充分挖掘。
當然了，誕生僅比智能手機晚了五年的智能電視，在行業發展方向上也已經找尋到了自己的路徑。那便是在“軟件定義硬件”時代背景下的全新方法論，通過算法實現千人千面的內容推薦機制，提升用戶體驗，增加大屏內容生態粘性。
事實上，在智能電視行業喊出“內容為王”之后，互聯網內容已經經過多輪爆發，用戶與平臺之間的矛盾經歷了“缺少內容”、“缺少好內容”到“難以從過載的海量內容中找到適合自己的優質內容”，因此智能算法推薦系統已然成為重要的現代信息傳遞方式，及不可或缺的高效信息過濾工具。
正如成熟推薦算法構建了今日頭條、抖音APP的技術護城河，如今越來越多的智能電視廠商、OTT、IPTV服務運營商注意到了內容推薦技術的重要性，找到用戶隱性興趣點，精準高效地幫助用戶在海量視頻庫中找到想看的內容，將平臺的視頻點播和直播電視節目進行破壁多元推薦，能夠立竿見影地給用戶更好收視體驗的同時，也能充分釋放智能電視平臺的商業價值。
在智能電視領域深耕十余年的大屏運營服務提供商——歡網科技，對于智能推薦系統謀篇布局已久，應用最新大數據分析算法能力及平臺智能推薦技術，在保證平臺數據安全的前提下，持續賦能客廳數字化，目前已覆蓋多種應用場景，為客廳大屏智能推薦技術生態樹立了全新標桿。
多維度篩選信息，高效推薦內容
籠統的來說，推薦系統即是咨詢過濾的一種應用，用于解決面對海量的信息，用戶難以篩選出目標信息的難題。
推薦系統在一定程度能夠將用戶可能喜好的資訊或物品（如：電影、圖書、網頁、衣服等）推薦給用戶。與搜索引擎不同的是，推薦系統不要求用戶必須提供明確的搜索關鍵詞，而是通過對用戶的歷史行為信息進行分析，找到他們可能感興趣的物品或信息，并想用戶進行推薦。
信息推薦不僅是當今內容、營銷平臺的必備技能，對于智能電視以及運營商IPTV平臺這種以內容輸出為主要功能場景，同時交互受限、軟件生態尚待完善的平臺無疑更具價值。
歡網科技的推薦系統推出數年來，已經擁有了非常完善安全的數據獲取、篩選、應用體系，能夠持續深入了解用戶的收視需求及使用需求，為用戶提供優質貼心的內容推薦服務。多年來，歡網持續與多地IPTV、DVB平臺合作，打造落地智能推薦及導視系統。歡網科技智能推薦系統共有三個主要模塊，即推薦對象建模模塊、用戶建模模塊，以及推薦算法模塊。
推薦對象建模模塊，即對于平臺視頻內容進行建模分類，并得到屬于各個類別的權重，例如：《葉問》：傳記（0.5）、歷史（0.4）、動作（0.3）。
用戶建模模塊，是建立用戶偏好模型和計算推薦結果的數據源。收集的用戶行為數據的類型和質量會直接影響建立用戶興趣模型的方法和計算用戶興趣和偏好的準確度。通過對用戶的行為分析，計算出用戶的興趣，進而匹配推薦對象模塊的數據點，向用戶推薦他們可能感興趣的視頻。
因為對于電視終端用戶而言，多個個體共用一個終端，他們使用終端的習慣、時間可能不一樣。為了解決這個問題，歡網科技根據家庭成員不同個體觀看電視的時間不同，對其進行時間劃分。
歡網科技將一天分為幾個時間段，對電視用戶建立分時段的喜好度，對于電視直播，進行分時段的節目推薦。通過這種方法，既能體現不同時間段用戶的不同興趣，也能體現觀看習慣不同的多用戶的興趣，還可以根據家庭家庭成員的組成，為每個用戶設定特定的標簽，劃分不同的時間段。
例如，上學族通常開機時間為，17：00—19：30 ，那么此時內容推薦權重會向少兒（0.8）、教育（0.6）、偶像（0.3）傾斜。
又譬如，常在0：00—8：00開機的用戶會被打上“熬夜黨”的標簽，此時內容推薦權重為恐怖（0.5）、戰爭（0.4）、動作（0.3）。
最重要的推薦算法模塊，核心思想是通過某種方式將用戶和物品關聯起來，是一個推薦系統的核心，不同的推薦系統使用了不同的算法。歡網科技采用的主要的推薦算法有協同過濾、基于內容推薦以及社會化過濾等。
協同過濾是推薦算法中的基礎算法，主要通過對用戶的歷史行為分析，計算出用戶的興趣并給用戶做出推薦，它的基本假設是用戶會喜歡和自己以前喜歡視頻相似的視頻。協同過濾的一個重要缺點是不能解決冷啟動問題，系統不能對剛加入的用戶或者新物品做出推薦，一般需要結合其他算法使用。
基于內容的推薦不需要獲取用戶對物品的評價數據，而是依據物品之間內容信息的相似度。它的前提假設條件是用戶會喜歡和自己以前喜歡的物品內容屬性相似的物品。內容推薦能夠很好的解決用戶冷啟動問題，不受用戶評分稀疏性問題的限制。
社會化過濾的思想是用戶的喜好會受他在社交網絡中好友的喜好的影響。比如 Amazon 利用用戶在 Facebook 中的好友信息向用戶推薦好友喜歡的商品，視頻推薦網站 Clicker 利用用戶在 Facebook 的好友信息向用戶推薦好友喜好的視頻。通過好友推薦可以增加用戶對推薦結果的信任度，同時社交網絡也能很好的解決資源冷啟動問題。
內容過濾算法側重于通過將用戶、item 劃分為特定的信息特征來繪制用戶畫像，從而直接建立對用戶興趣的理解。初期的推薦系統中多采用的是內容過濾的方法，進行多次關聯性分析，發現多次在某類影片的點擊之間的關聯性，從而成推薦結果。
在為用戶提供優質的內容推薦服務的同時，歡網科技的智能推薦系統還遵循了十條新媒體設計原則，以保證系統符合行業標準、保障用戶數據安全等技術底線，包括標準性原則、開放性原則、先進性原則、實用性原則、易用性原則、已維護原則、可升級原則、穩定性原則，以及安全性原則。
結語
在電視端成為互聯網重要入口的當下，受眾和媒介的相互關系正在經歷劇烈的重塑，在此時代背景之下，作為曾經家庭娛樂中心，如今再次依托于互聯網重振旗鼓的客廳大屏，無疑面對著一場歷史性的變革。
智能電視、IPTV終端等家庭大屏在用戶無法發表顯性意見，無法獲取用戶直接的內容愛好模型的電視平臺，歡網科技提出的基于觀看時間、屬性的用戶興趣偏好模型，不僅能夠實現視頻內容的個性化推薦、個性化搜索、個性化推送，更有望賦能廣告及流量運營模塊，挖掘客廳大屏商業價值，對于行業具有廣泛的借鑒意義。
相關文章
精彩導讀
熱門資訊
關注我們
