个性化推荐助力运营商数字化营销

doi:10.11959/j.issn.1000-0801.2018033

电信科学 ›› 2018, Vol. 34 ›› Issue (1): 174-180.doi: 10.11959/j.issn.1000-0801.2018033

• 运营商大数据专栏 • 上一篇

个性化推荐助力运营商数字化营销

马春宇,王军林,王宝旺,甘波华

华为技术有限公司，广东深圳 518129

修回日期:2018-01-06 出版日期:2018-01-01 发布日期:2018-02-05
作者简介:马春宇（1973-）男，华为技术有限公司高级营销经理，主要从事运营商业务建设和规划、大数据方案规划、数字化营销方案规划和个性化推荐运营方案规划等工作。|王军林（1980-），男，博士，华为技术有限公司中国区运营商BG大数据商业解决方案部部长，主要研究方向为BI（商业智能）及大数据业务，在业务拓展、市场营销方面有着多年的实践积累。|王宝旺（1976-），男，华为技术有限公司中国地区部大数据解决方案设计团队leader，长期从事电信行业经营分析系统、大数据平台的建设工作，涉及项目管理、业务方案和系统设计。|甘波华（1991?），男，华为技术有限公司大数据产品解决方案经理，主要从事大数据分析、数字化营销行业解决方案设计等工作。

Personalized recommendation helps carrier’s digital marketing

Chunyu MA,Junlin WANG,Baowang WANG,Bohua GAN

Huawei Technologies Co.,Ltd.,Shenzhen 518129,China

Revised:2018-01-06 Online:2018-01-01 Published:2018-02-05

摘要/Abstract

摘要：

简要分析电信运营商数字化营销的挑战与诉求，吸取互联网思维优势，提出个性化推荐助力运营商数字化营销，并介绍运营商个性化推荐的发展历程。描述基于运营商产品、用户行为数据以及大数据平台计算能力，探索运营商个性化推荐营销实现原理和实现流程。最后，讲述了个性化推荐在数字化营销中实现的场景，并对运营商个性化推荐的价值和未来进行展望。

关键词: 个性化推荐, 电信运营商, 大数据, 数字化营销

Abstract:

The challenge and demands of telecom operator’ digital marketing were briefly analyzed,the advantages of internet thought were also drawled and then the personalized recommendations were proposed to help telecom operator’s digital marketing,and the history of carrier’s personalized recommendation was introduced.Then the principle and implementation process of telecom operator’s personalized recommendation which bases on carrier merchandise,user behavior data and the computing ability of big data platform was described.Finally,the implementation scenario of personalized recommendation in telecom operator digital content business was described,and the value and future of personalized recommendation have prospected.

Key words: personalized recommendation, telecom operator, big data, digital marketing

中图分类号:

TN929.5

马春宇,王军林,王宝旺,甘波华. 个性化推荐助力运营商数字化营销[J]. 电信科学, 2018, 34(1): 174-180.

Chunyu MA,Junlin WANG,Baowang WANG,Bohua GAN. Personalized recommendation helps carrier’s digital marketing[J]. Telecommunications Science, 2018, 34(1): 174-180.

图/表 5

图1

图2

表1

图3

图4

参考文献 6

[1]	吴军 . 大数据和机器智能对未来社会的影响[J]. 电信科学, 2015,31(2): 7-16.
	WU J . Big data,machine intelligence and their impacts to the future world[J]. Telecommunications Science, 2015,31(2): 7-16.
[2]	漆晨曦 . 立足小数据基础的电信企业大数据分析应用发展策略[J]. 电信科学, 2014,30(10): 15-20.
	QI C X . Analysis and application development strategy of telecom enterprise big data based on small data[J]. Telecommunications Science, 2014,30(10): 15-20.
[3]	童晓渝, 张云勇, 房秉毅 ,等. 大数据时代电信运营商的机遇[J]. 信息通信技术, 2013(1): 5-9.
	TONG X Y , ZHANG Y Y , FANG B Y ,et al. Opportunities and strategies to adopt big data for telecom operators[J]. Information and Communications Technology, 2013(1): 5-9.
[4]	刘春, 邹海锋, 向勇 . 大数据环境下电信数据服务能力开放研究[J]. 电信科学, 2014,30(3): 156-161.
	LIU C , ZOU H F , XIANG Y ,et al. Research on telecom data service open ability under the environment of big data[J]. Telecommunications Science, 2014,30(3): 156-161.
[5]	尤海浪, 钱锋, 黄祥为 ,等. 基于大数据挖掘构建游戏平台个性化推荐系统的研究与实践[J]. 电信科学, 2014,30(10): 27-32.
	YOU H L , QIAN F , HUANG X W ,et al. Research and practice of building a personalized recommendation system for mobile game platform based on big data mining[J]. Telecommunications Science, 2014,30(10): 27-32.
[6]	HE P . The research on personalized recommendation algorithm of library based on big data and association rules[J]. Open Cybernetics ＆ Systemics Journal, 2015,9(1): 2554-2558.

推荐算法名称	推荐算法说明
特征相似推荐算法	根据内容特征计算当前内容和其他内容之间的相似度，并对相似度进行评分，将内容按照相似度从高到低推荐给用户。例如，当用户查看小说 A 的介绍时，推荐业务系统根据小说的类别、作者、关键特征等信息计算出相似度高的小说，并把相似度高的小说推荐给用户
内容协同推荐算法	根据用户观看行为统计视频的相似度。例如，观看了视频1的用户都观看了视频2，则认为视频1和视频2是相似的。当一个用户观看了视频1时，则将相似内容视频2推荐给用户
用户协同推荐算法	寻找与当前用户历史观看记录重合度高的用户，并将匹配到的用户喜欢的内容进行交叉推荐。例如，用户A和用户B都观看过视频1、视频2、视频3，大数据系统认为这两个用户爱好相似，如果用户B最近观看过视频4，则将视频4推荐给用户A

[1]	韩璐, 陈威宇, 张斐, 何建锋, 苏怀振. 差异化需求下的非关系型分布式报送信息大数据分类方法[J]. 电信科学, 2023, 39(6): 114-121.
[2]	李姗姗, 许建宏, 李涛, 赵永建, 刘志飞. 运营商数字孪生网络能力成熟度模型研究[J]. 电信科学, 2023, 39(6): 149-158.
[3]	卢敏, 胡娟, 张先超, 丁伟健, 乐光学. 基于用户多特征融合的个性化推荐模型[J]. 电信科学, 2023, 39(5): 101-115.
[4]	韩雪. 基于电力大数据的电力骨干通信网络毁伤韧性评估方法[J]. 电信科学, 2023, 39(5): 136-143.
[5]	徐亮, 王烨, 郑然, 张基恒, 袁萍, 李鑫阳, 田宇. 通信网络运维多维评估模型设计及应用[J]. 电信科学, 2023, 39(4): 142-151.
[6]	孙玉娣. 基于电信大数据的5G网络海量用户复访行为预测模型[J]. 电信科学, 2023, 39(2): 157-162.
[7]	李爱华, 吴晓波, 陈超, 魏彬, 史嫄嫄. 5G网络大数据智能分析技术[J]. 电信科学, 2022, 38(8): 129-139.
[8]	黄更生, 黄宇红, 郭漫雪, 郑健平, 葛欣. DT时代面向数据服务的新型基础设施架构[J]. 电信科学, 2022, 38(7): 138-145.
[9]	李攀攀, 谢正霞, 乐光学, 刘鑫. 基于深度学习的无线通信接收方法研究进展与趋势[J]. 电信科学, 2022, 38(2): 1-17.
[10]	申情, 郭文宾, 楼俊钢, 余强国. 考虑多层次潜在特征的个性化推荐模型[J]. 电信科学, 2022, 38(2): 71-83.
[11]	赵海波, 相志军, 肖林松. 基于异构数据的电力短期负荷大数据预测方案[J]. 电信科学, 2022, 38(12): 103-111.
[12]	张海涛, 蒋熠, 竺士杰, 陈琦. 电信运营商威胁情报体系研究与应用探索[J]. 电信科学, 2022, 38(12): 121-132.
[13]	刘小忠, 方军予, 蒋永彬. 2G/3G转网视角下电信运营商物联网发展策略分析[J]. 电信科学, 2022, 38(10): 153-162.
[14]	刘志勇, 何忠江, 阮宜龙, 单俊峰, 张超. 大数据安全特征与运营实践[J]. 电信科学, 2021, 37(5): 160-169.
[15]	刘晓军,武娟,徐晓青. 大数据架构剖析及数据安全融合技术[J]. 电信科学, 2020, 36(7): 146-155.

个性化推荐助力运营商数字化营销

Personalized recommendation helps carrier’s digital marketing

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 6

相关文章 15

Metrics

推荐阅读 0