CN106612461A - 产品包的推荐方法、装置及*** - Google Patents
产品包的推荐方法、装置及*** Download PDFInfo
- Publication number
- CN106612461A CN106612461A CN201510698000.8A CN201510698000A CN106612461A CN 106612461 A CN106612461 A CN 106612461A CN 201510698000 A CN201510698000 A CN 201510698000A CN 106612461 A CN106612461 A CN 106612461A
- Authority
- CN
- China
- Prior art keywords
- product bag
- user
- recommendation
- program
- product
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
- H04N21/25866—Management of end-user data
- H04N21/25891—Management of end-user data being end-user preferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Graphics (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种产品包的推荐方法,包括:获取大数据平台进行统计分析后所得到的用户行为数据;根据获取到的所述用户行为数据及预设的推荐算法,计算得到适合推荐给用户的节目集合;从所述节目集合中选择满足预设节目条件的节目,根据预设的产品包生成格式及所选择的节目,生成待推荐的产品包;将所述待推荐的产品包的相关信息推送至机顶盒以进行产品包的推荐。本发明还公开了一种产品包的推荐装置及***。本发明通过对用户行为的分析,从而根据用户的兴趣偏好而有针对性的生成符合用户兴趣偏好的产品包并进行推荐,从而提高用户对产品包的满意度及订购率。
Description
技术领域
本发明涉及交互式网络电视领域,尤其涉及产品包的推荐方法、装置及***。
背景技术
近年来,IPTV(Interactive Personality TV,交互式网络电视)业务已逐渐替代传统的数字电视业务而成为数字家庭的主力军。随着大数据及云计算的兴起,其对各行各业都产生了深远影响,如何将大数据技术与IPTV业务完美结合,继而催化现有的业务并寻找新的增长点,进而提升用户使用体验,这已经成为当前IPTV业务所迫切需要研究的工内容。
产品包具体是指运营商将若干节目内容打包并统一定价后,再向用户出售的一种形式,产品包订购是IPTV业务主要的收入来源和途径。现有的产品包是运营商将若干内容统一打包后再有用户自行选择,若用户选择的产品包不能观看,则提示用户进行订购,因此,运营商不能做到针对每个用户不同的兴趣特点而智能生成不同的产品包以推荐给不同的用户,进而降低了用户对产品包的满意度及订购率。
发明内容
本发明的主要目的在于提供一种产品包的推荐方法、装置及***,旨在解决现有方式不能针对每个用户不同的兴趣特点而智能生成不同的产品包并推荐给不同的用户的技术问题。
为实现上述目的,本发明提供一种产品包的推荐方法,所述产品包的推荐方法包括:
获取大数据平台进行统计分析后所得到的用户行为数据;
根据获取到的所述用户行为数据及预设的推荐算法,计算得到适合推荐给用户的节目集合;
从所述节目集合中选择满足预设节目条件的节目,根据预设的产品包生成格式及所选择的节目,生成待推荐的产品包;
将所述待推荐的产品包的相关信息推送至机顶盒以进行产品包的推荐。
优选地,所述推荐算法至少包括:基于用户的协同过滤算法和/或基于节目的协同过滤算法;所述节目条件至少包括:节目上线时间和/或节目点播热度。
优选地,所述产品包的推荐方法还包括:
获取若干用户对于同一产品包的评分;
根据预设的统计算法,计算得到相关产品包的总体评分;
将满足预设评分条件的产品包的相关信息推送至相应机顶盒以推荐给相应用户。
优选地,所述产品包的推荐方法还包括:
获取用户所分享推荐的产品包以及对应的用户群组或好友;
将用户所分享推荐的产品包的相关信息推送至对应的用户群组或好友的机顶盒以推荐给相应用户。
进一步地,为实现上述目的,本发明还提供一种产品包的推荐装置,所述产品包的推荐装置包括:
行为数据获取模块,用于获取大数据平台进行统计分析后所得到的用户行为数据;
节目集合计算模块,用于根据获取到的所述用户行为数据及预设的推荐算法,计算得到适合推荐给用户的节目集合;
产品包生成模块,用于从所述节目集合中选择满足预设节目条件的节目,根据预设的产品包生成格式及所选择的节目,生成待推荐的产品包;
产品包第一推荐模块,用于将所述待推荐的产品包的相关信息推送至机顶盒以进行产品包的推荐。
优选地,所述推荐算法至少包括:基于用户的协同过滤算法和/或基于节目的协同过滤算法;所述节目条件至少包括:节目上线时间和/或节目点播热度。
优选地,所述产品包的推荐装置还包括:
评分获取模块,用于获取若干用户对于同一产品包的评分;
总体评分计算模块,用于根据预设的统计算法,计算得到相关产品包的总体评分;
产品包第二推荐模块,用于将满足预设评分条件的产品包的相关信息推送至相应机顶盒以推荐给相应用户。
优选地,所述产品包的推荐装置还包括:
分享数据获取模块,用于获取用户所分享推荐的产品包以及对应的用户群组或好友;
产品包第三推荐模块,用于将用户所分享推荐的产品包的相关信息推送至对应的用户群组或好友的机顶盒以推荐给相应用户。
优选地,所述产品包的推荐装置还包括:
消息推送处理模块,用于将产品包的相关信息以消息形式推送至机顶盒;以及将消息推送的时间点进行散列化处理后,根据配置的推送策略,在机顶盒开机后进行消息推送。
进一步地,为实现上述目的,本发明还提供一种产品包的推荐***,所述产品包的推荐***包括上述任一项所述的产品包的推荐装置;所述产品包的推荐***还包括大数据平台及机顶盒;所述大数据平台用于采集所述机顶盒端的用户行为数据并进行统计分析处理;所述机顶盒用于提供显示所述EPG所推送的待推荐的产品包的相关信息的界面以及用户操作界面。
本发明通过对采用大数据及云计算技术,对用户行为进行统计分析,从而能够根据用户的兴趣偏好而有针对性的生成符合用户兴趣偏好的产品包并进行推荐,从而提高用户对产品包的满意度及订购率。此外,本发明扩展了产品包的分享及评分功能,加强了运营商与用户之间的交互,进一步改善了现有产品包的发布流程,从而进一步提高了用户使用体验。
附图说明
图1为本发明产品包的推荐方法第一实施例的流程示意图;
图2为本发明产品包的订购页面示意图;
图3为本发明产品包的消息推荐页面示意图;
图4为本发明产品包的推荐方法第二实施例的流程示意图;
图5为本发明产品包的已订购页面示意图;
图6为本发明产品包的推荐方法第三实施例的流程示意图;
图7为本发明产品包的推荐页面示意图;
图8为本发明产品包的推荐装置第一实施例的功能模块示意图;
图9为本发明产品包的推荐装置第二实施例的功能模块示意图;
图10为本发明产品包的推荐装置第三实施例的功能模块示意图;
图11为本发明产品包的推荐装置第四实施例的功能模块示意图;
图12为本发明产品包的推荐***一实施例的功能模块示意图;
图13为本发明产品包的推荐***一实施例的总体架构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明产品包的推荐方法第一实施例的流程示意图。本实施例中,所述产品包的推荐方法包括:
步骤110,获取大数据平台进行统计分析后所得到的用户行为数据;
本实施例中,大数据平台具体从机顶盒获取用户的行为数据,比如用户所选择的节目台以及对应的节目类型、观看时间、观看时长,用户点播节目、搜索节目等都可以作为用户的行为数据,通过对获取到的用户的行为数据进行云计算加工处理,比如进行统计、分类、归纳、挖掘等处理,从而获取潜在的价值信息和用户需求,然后再根据加工处理后的数据进行后续处理,比如分析用户的行为***台主要提取用户的点播内容数据以分析用户对于节目内容的偏好。
步骤120,根据获取到的所述用户行为数据及预设的推荐算法,计算得到适合推荐给用户的节目集合;
现有的推荐算法主要包括:(1)、基于内容的推荐算法,根据用户过去的浏览记录来向用户推荐用户没有接触过的推荐项;(2)、协同过滤算法,在海量数据中挖掘出小部分与你品味类似的用户,通过协同过滤将这些用户成喜欢的节目推荐给你。基于各推荐算法的特点,本实施例中优选采用基于用户的协同过滤算法和/或基于节目的协同过滤算法。
基于用户的协同算法,通过分析用户之间共同观看某些内容而产生的用户对某种内容共同喜好的集合,是根据用户之间观看行为数据进行协同计算出某个用户可能感兴趣的内容集合。比如,A用户与B用户都喜欢看电影,若A用户喜欢看科幻电影和动画片,则认为B用户也对科幻电影和动画片感兴趣。
而基于内容的协同算法指得是***分析某个用户的行为数据,根据内容之间的相似度,计算出该用户可能感兴趣的内容集合。比如,A用户喜欢看电影,若电影与电视剧的相似度较高,则认为A用户也对电视剧感兴趣。
本实施例中,根据获取到的大数据平台统计分析得到的用户行为数据及预设的推荐算法,从而通过推荐算法计算得到适合推荐给用户的节目集合。例如,若通过大数据平台分析得到用户对A、B、C三个台的综艺节目比较感兴趣,则通过推荐算法认为用户对D、E、F等台的综艺节目也感兴趣,因此适合推荐给用户。
步骤130,从所述节目集合中选择满足预设节目条件的节目,根据预设的产品包生成格式及所选择的节目,生成待推荐的产品包;
在得到适合推荐给用户的节目集合后,可以将所有节目都推荐给用户,或者有选择性的选择某些节目推荐给用户。本实施例中,为提高用户体验及满意度,优选根据节目上线时间和/或节目点播热度选择最佳的推荐节目。比如节目上线时间在一周内的,或者节目上线时间在一个月内且点播人数超过10万以上的。
本实施例中,产品包的生成格式不限,具体根据实际需要进行设置。比如包含产品包的价格、产品包的节目介绍,产品包所包含的节目数量等。
步骤140,将所述待推荐的产品包的相关信息推送至机顶盒以进行产品包的推荐。
本实施例中,在生成待推荐的产品包后,需要将产品包的相关信息,比如将产品包的包名、包含的节目内容介绍、价格、有效时长等信息推送至机顶盒并通过机顶盒将接收到的相应信息在电视屏幕上显示出来,从而完成对用户的产品包推荐。本实施例中,由于电视节目或者用户行为变化将导致待推荐节目内容的变化,因而相应需要更新对产品包的推荐,因此,本实施例中优选采用推送的方式,进行产品包的推荐消息的传送。比如,根据产品包的更新时间进行消息推送,或者固定间隔时长进行周期性的消息推送等。
如图2所示的产品包的订购页面。在用户订购产品包时,EPG***将根据不同产品包之间的相似度,匹配该用户下EPG***智能生成的所有产品包,并从中匹配出与用户当前订购的产品包的相似度较高的产品包,并对匹配出的产品包在总价的基础上给予一定的折扣,从而提高产品包的订购率。比如,EPG***生成的待推荐的产品包有A、B、C、D四个产品包,比如用户选择订购A产品包,则在用户选择订购A产品包时,显示B、C、D三个产品包并告知具有相应的折扣以及显示打折后的价格,从而给予用户更多的选择,进而提高产品包的订购率
如图3所示的产品包的消息推荐页面。EPG***将针对每一用户所智能生成的推荐产品包信息周期性推送给机顶盒,机顶盒接收到推送消息后,弹出提示界面,用户选择后,即可打开EPG***所推荐的产品包的列表页面。此外,在如图3所示的消息推荐页面上,同时也展示推荐产品相关历史记录,比如产品包的价格、评分等信息,用户可以在产品包的消息推荐页面上直接订购相应产品包。
本实施例中,通过对采用大数据及云计算技术,对用户行为进行统计分析,从而能够根据用户的兴趣偏好而有针对性的生成符合用户兴趣偏好的产品包并进行推荐,从而提高用户对产品包的满意度及订购率。
参照图4,图4为本发明产品包的推荐方法第二实施例的流程示意图。本实施例中,所述产品包的推荐方法还包括:
步骤S210,获取若干用户对于同一产品包的评分;
步骤S220,根据预设的统计算法,计算得到相关产品包的总体评分;
步骤S230,将满足预设评分条件的产品包的相关信息推送至相应机顶盒以推荐给相应用户。
本实施例中,除可以基于EPG***生成符合用户兴趣偏好的产品包并进行推荐外,同时还可以进一步基于其他用户的评分进行产品包的推荐。如图5所示的产品包的已订购页面,用户在购买产品包后即可对所购买的产品包进行评分,比如将分值设置为0-10分,分值越高则对应的产品满意度越高。
本实施例中,EPG***通过获取其他用户对于同一产品包的评分,并根据预设的统计算法,统计计算得到带有评分的产品包的总体评分。例如,有100位用户对A产品包进行了评分;有300位用户对B产品包进行了评分;则根据预设的统计算法,比如EPG***得到A产品包的总体评分为7.3分,而得到B产品包的总体评分为9.8分。
当产品包的总体评分满足预设评分条件时,则将满足评分条件的产品包的相关信息推送至相应机顶盒以推荐给对该产品包内节目比较感兴趣的相应用户。例如,预设的评分条件为总体评分大于9.5分,或者评价用户超过200人且总体评分大于8.5分等,具体根据实际需要进行设置。
本实施例中,可以对产品包设置评分功能,以进一步提高用户使用体验。同时,也可以将其他用户的评分作为向当前用户推荐产品包的一种依据,从而进一步完善了产品包的推荐方式以带给用户更多的使用体验。此外,需要进一步说明的是,步骤S210-S230与步骤S110-S140之间的执行顺序不限,具体根据实际需要进行设置。
参照图6,图6为本发明产品包的推荐方法第三实施例的流程示意图。本实施例中,所述产品包的推荐方法还包括:
步骤S310,获取用户所分享推荐的产品包以及对应的用户群组或好友;
步骤S320,将用户所分享推荐的产品包的相关信息推送至对应的用户群组或好友的机顶盒以推荐给相应用户。
为进一步完善产品包的推荐方式,同时提高用户的参与度,本实施例中,除可以基于EPG***生成符合用户兴趣偏好的产品包并进行推荐以及基于其他用户的评分进行产品包的推荐外,同时还可以进一步基于其他用户的分享进行产品包的推荐。如图5所示的产品包的已订购页面,用户在购买产品包后即可对所购买的产品包进行分享。
例如,用户可以设置EPG***登录账号,并允许用户添加好友、新建群组等。当用户对所购买的产品包进行分享时,可以将产品包分享给用户所在的群组,或者分享给用户的好友。当EPG***监测到存在产品包的分享时,通过获取用户所分享推荐的产品包以及对应的用户群组或好友,从而将用户所分享推荐的产品包的相关信息推送至对应的用户群组或好友的机顶盒,进而推荐给相应群组用户或好友用户。
如图7所示的产品包的推荐页面,在此页面上将显示待推荐的产品包的名称、价格、推荐人、评分等内容,用户参照上述信息以选择是否订购。
本实施例中,还可以进一步对产品包设置分享功能,以进一步提高用户使用体验。同时,也将其他用户的分享作为向当前用户推荐产品包的一种依据,从而进一步完善了产品包的推荐方式以带给用户更多的使用体验。此外,需要进一步说明的是,步骤S310-S320与步骤S110-S140之间的执行顺序不限,具体根据实际需要进行设置。
参照图8,图8为本发明产品包的推荐装置第一实施例的功能模块示意图。本实施例中,所述产品包的推荐装置包括:
行为数据获取模块110,用于获取大数据平台进行统计分析后所得到的用户行为数据;
本实施例中,大数据平台主要提取用户的点播内容数据以分析用户对于节目内容的偏好,通过行为数据获取模块110获取大数据平台进行统计分析后所得到的用户行为数据。
节目集合计算模块120,用于根据获取到的所述用户行为数据及预设的推荐算法,计算得到适合推荐给用户的节目集合;
本实施例中优选采用基于用户的协同过滤算法和/或基于节目的协同过滤算法。基于用户的协同算法,通过分析用户之间共同观看某些内容而产生的用户对某种内容共同喜好的集合,是根据用户之间观看行为数据进行协同计算出某个用户可能感兴趣的内容集合。比如,A用户与B用户都喜欢看电影,若A用户喜欢看科幻电影和动画片,则认为B用户也对科幻电影和动画片感兴趣。而基于内容的协同算法指得是***分析某个用户的行为数据,根据内容之间的相似度,计算出该用户可能感兴趣的内容集合。比如,A用户喜欢看电影,若电影与电视剧的相似度较高,则认为A用户也对电视剧感兴趣。
本实施例中,节目集合计算模块120根据行为数据获取模块110获取到的大数据平台统计分析得到的用户行为数据及预设的推荐算法,从而通过推荐算法计算得到适合推荐给用户的节目集合。例如,若通过大数据平台分析得到用户对A、B、C三个台的综艺节目比较感兴趣,则通过推荐算法认为用户对D、E、F等台的综艺节目也感兴趣,因此适合推荐给用户。
产品包生成模块130,用于从所述节目集合中选择满足预设节目条件的节目,根据预设的产品包生成格式及所选择的节目,生成待推荐的产品包;
在节目集合计算模块120得到适合推荐给用户的节目集合后,产品包生成模块130可以将所有节目都推荐给用户,或者有选择性的选择某些节目推荐给用户。本实施例中,为提高用户体验及满意度,产品包生成模块130优选根据节目上线时间和/或节目点播热度选择最佳的推荐节目。比如节目上线时间在一周内的,或者节目上线时间在一个月内且点播人数超过10万以上的。
本实施例中,产品包的生成格式不限,具体根据实际需要进行设置。比如包含产品包的价格、产品包的节目介绍,产品包所包含的节目数量等。
产品包第一推荐模块140,用于将所述待推荐的产品包的相关信息推送至机顶盒以进行产品包的推荐。
本实施例中,在产品包生成模块130生成待推荐的产品包后,产品包第一推荐模块140需要将产品包的相关信息,比如将产品包的包名、包含的节目内容介绍、价格、有效时长等信息推送至机顶盒并通过机顶盒将接收到的相应信息在电视屏幕上显示出来,从而完成对用户的产品包推荐。本实施例中,由于电视节目或者用户行为变化将导致待推荐节目内容的变化,因而相应需要更新对产品包的推荐,因此,本实施例中优选采用推送的方式,进行产品包的推荐消息的传送。比如,根据产品包的更新时间进行消息推送,或者固定间隔时长进行周期性的消息推送等。
本实施例中,优选将产品包的推荐装置设置于EPG***中,也即本实施例中的EPG***具有产品包的生成及推荐功能。通过对采用大数据及云计算技术,对用户行为进行统计分析,从而能够根据用户的兴趣偏好而有针对性的生成符合用户兴趣偏好的产品包并进行推荐,从而提高用户对产品包的满意度及订购率。
参照图9,图9为本发明产品包的推荐装置第二实施例的功能模块示意图。本实施例中,所述产品包的推荐装置包括:
评分获取模块210,用于获取若干用户对于同一产品包的评分;
总体评分计算模块220,用于根据预设的统计算法,计算得到相关产品包的总体评分;
产品包第二推荐模块230,用于将满足预设评分条件的产品包的相关信息推送至相应机顶盒以推荐给相应用户。
本实施例中,除可以基于EPG***生成符合用户兴趣偏好的产品包并进行推荐外,同时还可以进一步基于其他用户的评分进行产品包的推荐。如图5所示的产品包的已订购页面,用户在购买产品包后即可对所购买的产品包进行评分,比如将分值设置为0-10分,分值越高则对应的产品满意度越高。
本实施例中,评分获取模块210通过获取其他用户对于同一产品包的评分,总体评分计算模块220根据预设的统计算法,统计计算得到带有评分的产品包的总体评分。例如,有100位用户对A产品包进行了评分;有300位用户对B产品包进行了评分;则根据预设的统计算法,比如EPG***得到A产品包的总体评分为7.3分,而得到B产品包的总体评分为9.8分。
当产品包的总体评分满足预设评分条件时,产品包第二推荐模块230则将满足评分条件的产品包的相关信息推送至相应机顶盒以推荐给对该产品包内节目比较感兴趣的相应用户。例如,预设的评分条件为总体评分大于9.5分,或者评价用户超过200人且总体评分大于8.5分等,具体根据实际需要进行设置。
本实施例中,可以对产品包设置评分功能,以进一步提高用户使用体验。同时,也可以将其他用户的评分作为向当前用户推荐产品包的一种依据,从而进一步完善了产品包的推荐方式以带给用户更多的使用体验。
参照图10,图10为本发明产品包的推荐装置第三实施例的功能模块示意图。本实施例中,所述产品包的推荐装置包括:
分享数据获取模块310,用于获取用户所分享推荐的产品包以及对应的用户群组或好友;
产品包第三推荐模块320,用于将用户所分享推荐的产品包的相关信息推送至对应的用户群组或好友的机顶盒以推荐给相应用户。
为进一步完善产品包的推荐方式,同时提高用户的参与度,本实施例中,除可以基于EPG***生成符合用户兴趣偏好的产品包并进行推荐以及基于其他用户的评分进行产品包的推荐外,同时还可以进一步基于其他用户的分享进行产品包的推荐。如图5所示的产品包的已订购页面,用户在购买产品包后即可对所购买的产品包进行分享。
例如,用户可以设置EPG***登录账号,并允许用户添加好友、新建群组等。当用户对所购买的产品包进行分享时,可以将产品包分享给用户所在的群组,或者分享给用户的好友。当监测到存在产品包的分享时,通过分享数据获取模块310获取用户所分享推荐的产品包以及对应的用户群组或好友,产品包第三推荐模块320将用户所分享推荐的产品包的相关信息推送至对应的用户群组或好友的机顶盒,进而推荐给相应群组用户或好友用户。
本实施例中,还可以进一步对产品包设置分享功能,以进一步提高用户使用体验。同时,也将其他用户的分享作为向当前用户推荐产品包的一种依据,从而进一步完善了产品包的推荐方式以带给用户更多的使用体验。
参照图11,图11为本发明产品包的推荐装置第四实施例的功能模块示意图。本实施例中,所述产品包的推荐装置还包括:
消息推送处理模块410,用于将产品包的相关信息以消息形式推送至机顶盒;以及将消息推送的时间点进行散列化处理后,根据配置的推送策略,在机顶盒开机后进行消息推送。
本实施例中,由于电视节目或者用户行为变化将导致待推荐节目内容的变化,因而相应需要更新对产品包的推荐,因此,本实施例中优选采用消息推送的方式,进行产品包的推荐消息的传送。
本实施例中,通过消息推送处理模块410将产品包的相关信息以消息形式推送至机顶盒。此外,为防止EPG***的并发量瞬间冲高,通过消息推送处理模块410将消息推送的时间点进行散列化处理,并根据配置的推送策略,在机顶盒开机后进行消息推送,比如,根据产品包的更新时间进行消息推送,或者固定间隔时长进行周期性的消息推送等。
参照图12,图12为本发明产品包的推荐***一实施例的功能模块示意图。本实施例中,所述产品包的推荐***包括产品包的推荐装置510、大数据平台520及机顶盒530。
其中,大数据平台520用于采集机顶盒530上保存的用户行为数据并进行统计分析处理;机顶盒530用于提供显示产品包的推荐装置510所推送的待推荐的产品包的相关信息的界面以及用户操作界面,具体如图2、3、5、7所示。
本实施例中,产品包的推荐***包括产品包的推荐装置510,大数据平台520以及机顶盒530。机顶盒530提供一系列的用户友好界面并与业务支撑装置产品包的推荐装置510进行交互,同时大数据平台520采集用户数据、分析用户的行为,从而为产品包的推荐装置510提供理论数据,进而提高对产品包的生成与推荐的准确性及精确度。
需要进一步说明的是,产品包的推荐装置510可以为一个单独的装置,也可以将其设置在EPG***中,本发明优选将产品包的推荐装置510设置于EPG***中,也即本发明中的EPG***具有产品包的生成及推荐功能,如图13所示,大数据平台获取机顶盒上保存的用户行为数据,并通过互联网进行云处理,然后再将云处理后的结果发送给EPG***以用于生成相应的产品包;EPG***再将生成的产品包的相关信息发送至机顶盒,同时EPG***也自动获取机顶盒上用户操作的相关数据,比如用户对产品包的评分、评价以及用户的选择操作等。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种产品包的推荐方法,其特征在于,所述产品包的推荐方法包括:
获取大数据平台进行统计分析后所得到的用户行为数据;
根据获取到的所述用户行为数据及预设的推荐算法,计算得到适合推荐给用户的节目集合;
从所述节目集合中选择满足预设节目条件的节目,根据预设的产品包生成格式及所选择的节目,生成待推荐的产品包;
将所述待推荐的产品包的相关信息推送至机顶盒以进行产品包的推荐。
2.如权利要求1所述的产品包的推荐方法,其特征在于,所述推荐算法至少包括:基于用户的协同过滤算法和/或基于节目的协同过滤算法;所述节目条件至少包括:节目上线时间和/或节目点播热度。
3.如权利要求2所述的产品包的推荐方法,其特征在于,所述产品包的推荐方法还包括:
获取若干用户对于同一产品包的评分;
根据预设的统计算法,计算得到相关产品包的总体评分;
将满足预设评分条件的产品包的相关信息推送至相应机顶盒以推荐给相应用户。
4.如权利要求1-3中任一项所述的产品包的推荐方法,其特征在于,所述产品包的推荐方法还包括:
获取用户所分享推荐的产品包以及对应的用户群组或好友;
将用户所分享推荐的产品包的相关信息推送至对应的用户群组或好友的机顶盒以推荐给相应用户。
5.一种产品包的推荐装置,其特征在于,所述产品包的推荐装置包括:
行为数据获取模块,用于获取大数据平台进行统计分析后所得到的用户行为数据;
节目集合计算模块,用于根据获取到的所述用户行为数据及预设的推荐算法,计算得到适合推荐给用户的节目集合;
产品包生成模块,用于从所述节目集合中选择满足预设节目条件的节目,根据预设的产品包生成格式及所选择的节目,生成待推荐的产品包;
产品包第一推荐模块,用于将所述待推荐的产品包的相关信息推送至机顶盒以进行产品包的推荐。
6.如权利要求5所述的产品包的推荐装置,其特征在于,所述推荐算法至少包括:基于用户的协同过滤算法和/或基于节目的协同过滤算法;所述节目条件至少包括:节目上线时间和/或节目点播热度。
7.如权利要求6所述的产品包的推荐装置,其特征在于,所述产品包的推荐装置还包括:
评分获取模块,用于获取若干用户对于同一产品包的评分;
总体评分计算模块,用于根据预设的统计算法,计算得到相关产品包的总体评分;
产品包第二推荐模块,用于将满足预设评分条件的产品包的相关信息推送至相应机顶盒以推荐给相应用户。
8.如权利要求5-7中任一项所述的产品包的推荐装置,其特征在于,所述产品包的推荐装置还包括:
分享数据获取模块,用于获取用户所分享推荐的产品包以及对应的用户群组或好友;
产品包第三推荐模块,用于将用户所分享推荐的产品包的相关信息推送至对应的用户群组或好友的机顶盒以推荐给相应用户。
9.如权利要求8所述的产品包的推荐装置,其特征在于,所述产品包的推荐装置还包括:
消息推送处理模块,用于将产品包的相关信息以消息形式推送至机顶盒;以及将消息推送的时间点进行散列化处理后,根据配置的推送策略,在机顶盒开机后进行消息推送。
10.一种产品包的推荐***,其特征在于,所述产品包的推荐***包括权利要求5-9中任一项所述的产品包的推荐装置;所述产品包的推荐***还包括大数据平台及机顶盒;
所述大数据平台用于采集所述机顶盒端的用户行为数据并进行统计分析处理;
所述机顶盒用于提供显示所述产品包的推荐装置所推送的待推荐的产品包的相关信息的界面以及用户操作界面。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510698000.8A CN106612461A (zh) | 2015-10-23 | 2015-10-23 | 产品包的推荐方法、装置及*** |
PCT/CN2016/103081 WO2017067525A1 (zh) | 2015-10-23 | 2016-10-24 | 产品包的推荐方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510698000.8A CN106612461A (zh) | 2015-10-23 | 2015-10-23 | 产品包的推荐方法、装置及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106612461A true CN106612461A (zh) | 2017-05-03 |
Family
ID=58556657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510698000.8A Pending CN106612461A (zh) | 2015-10-23 | 2015-10-23 | 产品包的推荐方法、装置及*** |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106612461A (zh) |
WO (1) | WO2017067525A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107831963A (zh) * | 2017-08-17 | 2018-03-23 | 平安科技(深圳)有限公司 | 金融产品显示方法、装置、设备及存储介质 |
CN109121006A (zh) * | 2018-08-02 | 2019-01-01 | 中国联合网络通信集团有限公司 | 一种基于直播观看用户的营销方法及平台 |
WO2019006757A1 (en) * | 2017-07-07 | 2019-01-10 | Arris Enterprises Llc | METHOD FOR PROVIDING RECALLS BASED ON VISUALIZATION HISTORY INFORMATION |
CN109583937A (zh) * | 2018-10-26 | 2019-04-05 | 平安科技(深圳)有限公司 | 一种产品推荐方法和装置 |
CN114513700A (zh) * | 2020-11-16 | 2022-05-17 | ***通信集团有限公司 | 一种推荐视频的方法、装置、设备及存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110913249B (zh) * | 2018-09-18 | 2023-07-21 | 深圳市茁壮网络股份有限公司 | 一种节目的推荐方法及*** |
CN109840800A (zh) * | 2018-12-14 | 2019-06-04 | 深圳壹账通智能科技有限公司 | 一种基于积分的产品推荐方法、装置、存储介质和服务器 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101141607A (zh) * | 2006-09-08 | 2008-03-12 | 百视通网络电视技术发展有限责任公司 | 可用于iptv的互动关联方法及其实现*** |
CN101482884A (zh) * | 2009-01-21 | 2009-07-15 | 华东师范大学 | 一种基于用户偏好评分分布的协作推荐*** |
KR20120003362A (ko) * | 2010-07-02 | 2012-01-10 | 아코지토(주) | 협력적 필터링 알고리즘 기반의 iptv 개인별 선호프로그램 추천시스템 |
CN102164315B (zh) * | 2011-02-14 | 2014-01-01 | 深圳市龙视传媒有限公司 | 数字电视中网络个人录像数据的推荐方法和*** |
CN102780920A (zh) * | 2011-07-05 | 2012-11-14 | 上海奂讯通信安装工程有限公司 | 电视节目推荐方法及*** |
-
2015
- 2015-10-23 CN CN201510698000.8A patent/CN106612461A/zh active Pending
-
2016
- 2016-10-24 WO PCT/CN2016/103081 patent/WO2017067525A1/zh active Application Filing
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019006757A1 (en) * | 2017-07-07 | 2019-01-10 | Arris Enterprises Llc | METHOD FOR PROVIDING RECALLS BASED ON VISUALIZATION HISTORY INFORMATION |
CN107831963A (zh) * | 2017-08-17 | 2018-03-23 | 平安科技(深圳)有限公司 | 金融产品显示方法、装置、设备及存储介质 |
CN109121006A (zh) * | 2018-08-02 | 2019-01-01 | 中国联合网络通信集团有限公司 | 一种基于直播观看用户的营销方法及平台 |
CN109121006B (zh) * | 2018-08-02 | 2021-02-02 | 中国联合网络通信集团有限公司 | 一种基于直播观看用户的营销方法及平台 |
CN109583937A (zh) * | 2018-10-26 | 2019-04-05 | 平安科技(深圳)有限公司 | 一种产品推荐方法和装置 |
CN114513700A (zh) * | 2020-11-16 | 2022-05-17 | ***通信集团有限公司 | 一种推荐视频的方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2017067525A1 (zh) | 2017-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106612461A (zh) | 产品包的推荐方法、装置及*** | |
Acikgoz et al. | The influence of'influencer marketing'on YouTube influencers | |
US9235574B2 (en) | Systems and methods for providing media recommendations | |
US9218051B1 (en) | Visual presentation of video usage statistics | |
US10805102B2 (en) | Content recommendation system | |
TWI591557B (zh) | 配置廣告的系統與方法 | |
US20030131355A1 (en) | Program guide system | |
US20150067061A1 (en) | Systems and methods for predicting and characterizing social media effectiveness | |
CN103649981B (zh) | 用于输送目标内容的方法和装置 | |
US20130332521A1 (en) | Systems and methods for compiling media information based on privacy and reliability metrics | |
CN107205178A (zh) | 直播间推荐方法及装置 | |
US20130263168A1 (en) | Cooperative Filtering Algorithm-Based Personal Preference Program Recommendation System for IPTV | |
JP2017045466A (ja) | 対応するコンテンツクリエータを示すメディア資産使用データレポート作成 | |
JP2009536413A (ja) | 対象設定資産配信システムのためのファジイ論理ベースの閲覧者識別 | |
US20140006150A1 (en) | Systems and methods for targeting advertisements based on product lifetimes | |
EP2735140A1 (en) | Method and apparatus for delivering targeted content to television viewers | |
JP2011039909A (ja) | 提示情報の最適化方法及びシステム | |
EP1891588A1 (en) | Method and apparatus for estimating total interest of a group of users directing to a content | |
CN101088288A (zh) | 一种内容推荐方法和装置 | |
CA2985910A1 (en) | Synthesizing messaging using context provided by consumers | |
CN111435371B (zh) | 视频推荐方法及其***、计算机程序产品、可读存储介质 | |
Fudurić et al. | Understanding the drivers of cable TV cord shaving with big data | |
An et al. | Validating social media data for automatic persona generation | |
Kui et al. | Tvseer: A visual analytics system for television ratings | |
CN102890680A (zh) | 智能联想网络人机交互操作平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170503 |
|
WD01 | Invention patent application deemed withdrawn after publication |