第四讲、电子商务系统用户行为模型.pdf

第四讲、 电子商务系统 用户行为模型 郑小林 XLZHENG@ZJU.EDU.CN OPEN CASE: 《纸牌屋》的成功背后 ！ 《纸牌屋》的成功背后 ！ p Netflix的自制剧 《纸牌屋》在美国和其他40多个 国家引起了观剧热潮，作为从DVD租赁转型到在 线影视剧播放的公司，Netflix首次试水自制剧， 就取得了令人吃惊的成功，它的秘诀是——通过大 数据分析用户行为 ！ NETFLIX n  Netflix是一家在线影片租赁提供商。公司能够提 供Netflix超大数量DVD，而且能够让顾客快速 方便的挑选影片，同时免费递送。 n  Netflix已经连续五次被评为顾客最满意的网站。 n  可以通PC、TViPad 、iPhone收看电影、电视节 目，可通过Wifi ，Xbox360 ，PS3等设备连接TV 。 客户行为分析——》精准推荐 p Netflix记录用户的位置、设备等信息，以 及收藏、推荐、回放、暂停等动作，加上 400多万个评分、300多万次搜索请求，等 等一系列数据。 p 早些年，这些数据被Netflix用来进行DVD 租赁业务的精准推荐。 客户偏好挖掘——个性化定制电影 MINING CUSTOMER PREFERENCE Netflix基于其3000万北美用户观看视 频时留下的行为数据，预测出“凯文.史 派西”、 “大卫.芬奇”和“BBC出品”三 种元素结合在一起的电视剧产品将会大 火特火，由此大胆的在纸牌屋的拍摄、 发布方式上做了一系列革新。 用户偏好挖掘——个性化定制电影 p 相比传统收视率统计只抽取数千个样本户， 《纸 牌屋》的数据库包含了3000万用户的收视选择、 400万条评论、300万次主题搜索。 p 拍什么、谁来拍、谁来演、怎么播，都由数千万 观众的客观喜好统计决定。 p 从受众洞察、受众定位、受众接触到受众转化， 每一步都由精准细致高效经济的数据引导，从而 实现大众创造的C2B，即由用户需求决定生产。 用户偏好挖掘——个性化定制电影 p Netflix根据数据技术推导出 《纸牌屋》的关键要 素，喜欢BBC剧集的用户、大卫·芬奇和凯文·史派 西存在交集。 p 1亿美元买下版权、要求大卫·芬奇担任导演、凯 文·史派西担任男主角，这些都是Netflix利用数据 挖掘得出的结论。 NETFLIX 大奖赛 n  Netflix大奖赛从2006年10月份开始，Netflix 公开了大约1亿个1－5的匿名影片评级，数 据集仅包含了影片名称、评价星级和评级日 期，没有任何文本评价的内容。 n  比赛要求参赛者预测Netflix的客户分别喜欢 什么影片，要把预测的效率提高10%以上。 美国数字电影流量市场份额 2014年 自制内 容战略 案例总结 CONCLUSION p 启示：光收集大量的客户信息还远远不够。 成败关键取决于利用这些信息针对个体客 你了解客户嘛？ 户制定出量身订做的服务政策。 p 了解客户需求非常重要 p 了解客户消费习惯非常重要 p 了解客户消费能力非常重要 p …… OUTLINE 1. The Internet Audience and Consumer Behavior 2. Customer Behavior Model 3. Customer Visiting Model 4. Customer/Server Interactive Di