第十八章 商业分析在互联网行业的应用（课件）《商业分析实务》（华东师范大学出版社）

第十八章 商业分析在互联网行业的应用 1 互联网行业概述 互联网行业的业务功能及应用 互联网行业的商业分析应用 视频网站推荐系统案例剖析 目录 CONTENT 01 02 03 04 01 互联网行业概述 3 互联网行业的认识与理解 互联网行业是指以现代新兴的互联网技术为基础，专门从事网络资源搜集和互联网信息技术的研究、开发、利用、生产、贮存、传递和营销信息商品，可为经济发展提供有效服务的综合性生产活动的产业集合体，是现阶段国民经济结构的基本组成部分。 当前互联网行业呈现出以下四个特征： 互联网平台的双边市场特征 基于社交关系的网络效应 低物质转移成本的锁定 消费者异质性 用户的完全竞争市场 用户需求的多元性 互联网行业的起源 1962年，分组交换技术论文发表 1971年，ARPANT技术 1974年，TCP/IP协议 1993年，第一个图形浏览器 1995年，互联网商业化彻底完成 中国互联网近代发展 2001年，泡沫破灭；短信服务 2003年，电商崛起 2005年，博客兴起 2009年，微博亮相 2013年，互联网金融兴起 互联网发展趋势 数据量呈现爆发式增长。每一分钟互联网上都产生了大量的数据，呈现爆炸式增长，特别是随着智能手机及可穿戴设备等数字设备的普及，数据量暴涨。全球90%的数据都是在过去2年创造出来的。 互联网增长势头依旧强劲。新兴市场驱动下互联网用户增长速度快，年增长率达8%。中国的互联网用户排名第一，达6.4亿，但渗透率只有46%，还有很大的增长空间。 计算设备悄然改变。智能手机增长势头依然强劲；平板电脑的增势甚至比智能手机还要强劲；可穿戴/可驾驶/可飞行/可扫描的下一代计算设备已经悄然逼近。 移动互联网野蛮生长。移动流量在互联网流量的占比呈加速上升的趋势，中国通过移动终端上网的用户占比已超过PC。移动互联网对广告ARPU的贡献越来越高。 与其他行业交叉形成新的产业。例如互联网与游戏结合创造出网络游戏服务，与地图结合创造出本地生活服务信息搜索，与服装销售结合诞生的网上服装店等。互联网+成为了当前互联网发展的重点。 02 互联网行业的业务功能及应用 互联网行业的业务功能及应用 互联网的应用 信息获取：搜索引索、信息聚合、新闻资讯、论坛/BBS； 商务应用：网络购物、团购、网上支付、网上银行、旅行预订、其他（LBS、招聘、旅游、婚恋、教育和房产等）； 交流沟通：即时通信、微博/微信、社交网站、博客/个人空间、电子邮件； 网络娱乐：包括网络游戏、网络视频、网络文学和网络音乐等方式。 互联网盈利模式分析 网络广告：广告形式多种多样（文字、图片、多媒体、邮件等）；电子商务、企业产品网站等，既可销售别人的产品，也可销售自己的产品； 网络游戏运营：通过点卡、包月、虚拟装备及道具买卖等来收费；信息内容收费，即通过向注册会员收费，提供与免费会员差异化的服务，或者电子图书、付费音乐、付费视频等； 佣金：线上到线下的佣金如团购、房产、旅游，还有线上到线上的佣金，如蘑菇街、豆瓣网等； 服务功能收费：企业的信息化服务，网站建设、域名注册、电子邮件、主机托管、租赁服务、SEM/SEO等；电信增殖业务是互联网与电信行业的“强强联合”，通过短信发送、彩铃/采集下载、电子杂志订阅等收费； 其他：远程教育、远程医疗、ISP、数据开放等。 互联网思维 03 互联网行业的商业分析应用 互联网行业商业数据分析应用 搜索引索：搜索结果排序、语音搜索、交互搜索、相关搜索、搜索关键词智能提示、语义理解； 推荐系统：在合适的时间，通过合适的渠道，向合适的人推荐合适的产品和服务（信息，商品，人等）的过程； 定向广告：根据网络受众在线及上网行为分析，主动定向推送与其需求相关的文字、图片、动画、声音、视频等多媒体交互式广告； 其他：文档分类、自动文摘、自动翻译、垃圾邮件过滤、网络欺诈预警、广告作弊预警、数据统计、数据开放、可视化等。 推荐系统 （1）推荐方法 基于协同过滤的推荐，如基于物品 (item)的协同过滤、基于用户的协同过滤，如通过用户属性及特征、物品关键词或标签等； 基于关联规则的推荐、基于用户投票的推荐； 基于模型的推荐，如基于图的推荐、基于矩阵分散的推荐； 基于统计的推荐，如最热门推荐、分类热门推荐等。 推荐系统 （2）推荐系统的应用价值 推荐系统主要应用于电子商务网站上商品推荐、视频推荐、音乐推荐和社交网站上用户、内容推荐等。 显著提升用户体验，并提升网站粘性与访问量 通过交叉销售推荐、定向广告推荐，直接提升经济效益 发掘长尾价值，给用户惊喜，提升购买商品覆盖范围 帮助进行客户发展和留存的主动营销 自动化算法帮助提升网站运营的效率 推荐系统 定向广告 互联网广告市场规模不断扩大，广告已经成为了大部分互联网企业最重要的收入来源。 互联网定向广告是一项能够按照用户的行为习惯、兴趣偏好进行精准定向广告投放的服务模式。 定向广告 互联网定向广告数据分析过程一般是： 通过在网页上添加JS代码，为用户设置cookie进行用户行为数据采集； 利用分布式存储计算平台（HADOOP, PIG, HIVE）对海量数据进行存储及计算； 基于用户访问的具有类别特征的页面对用户进行兴趣分类实现用户数据挖掘建模； 根据广告类别和用户的兴趣类别、根据历史点击率等信息选择广告受众，实现定向广告投放。 定向广告 定向广告计费方式： CPC（Cost-per-click）每点击成本 CPD（Cost per day）按天付费。 CPM（Cost per Thousand Impressions）每千人成本。 CPA（Cost per action）由广告所带来的用户产生的每次特定行为的费用。 CPS（Cost per sale）即为基于广告引入用户所产生的成功销售而收取一定比例佣金的商业合作方式。 ROI (Return on Investment) 投资收益率或报效回报率。 互联网广告联盟是指集合中小网络媒体资源（又称联盟会员，如中小网站、个人网站、WAP 站点等）组成联盟，通过广告联盟平台帮助广告主实现广告投放，并进行广告投放数据监测统计，广告主则按照网络广告的实际效果向联盟会员支付广告费用的网络广告组织投放形式。 广告主——奥迪经销商在广告联盟平台——百度广告联盟上输入广告，然后百度广告联盟在各个网站主——汽车博客上部署广告，从而将广告精确展示在用户——汽车发烧友面前。 互联网广告联盟具有价格低廉、精准投放、投放次数可控制、投放时间灵活、可选择地域投放和权威数据监测体系等特点。 定向广告 定向广告 互联网广告实时竞价（Real-Time Bidding）是指在数以百万计的网站上针对每一个用户展示行为进行评估以及出价的竞价技术，是当前互联网定向广告的一种新模式，以技术作为精准营销的手段，当一个用户在全网浏览过某种商品，或点击过特殊类目的广告后，其浏览痕迹都会通过cookie记录在案，而通过广告交易平台，你在下一次浏览网页的时候，将被推送符合偏好的广告。 实时竞价系统（Real Time Bidding，RTB）一共包涵四个重要的平台： DSP（Demand Side Platform）需求方平台：服务驱动，专注于动态出价、定向技术、数据优化等； SSP（Supply Side Platform）供应方平台：服务驱动，专注于展示的有效性和广告位优化等； DMP（Data Management Platform）数据管理平台：技术驱动，专注于数据管理、数据分析、数据调动； Adexchange广告交易平台：技术驱动，专注于流量交易的效率和有效、生态系统的构建等。 定向广告 RTB 传统广告投放 媒体渠道 在基础上融进cookie，更精确 利用第三方平台聚合各网站力量 付费模式 广告主实时竞价网站主提供的广告位 网站主产生业绩后公告朱结算 投放方式 广告主去选择广告位 网站主申请广告 RTB运作原理 DSP产业链 04 视频网站推荐系统案例剖析 （1）系统目标 预测用户对新视频感兴趣的程度，从而使用户快速找到自己感兴趣的视频，提高用户在线时长，有效防止用户流失。 （2）推荐方法 ①基于用户浏览日志挖掘视频间相关性，可以发现看到“倾城之恋”的人，看“新上海滩”的可能性最大。 ②基于关联规则及用户当前已看视频，产生视频推荐； ③对推荐结果排序并过滤用户已经观看的视频。 （3）技术方案 （4）模型验证 ①基于用户的视频浏览历史，将用户最后一条浏览记录作为验证集，将用户除最后一条浏览历史外的数据作为预测集。 ②基于预测集，结合建模过程中得到的关联规则，生成对用户的推荐结果，与验证集中用户实际数据进行比对，验证模型效果。 ③对照组推荐结果设置为向预测集中用户推荐最热门的前5款视频，过滤用户已经观看的视频，然后与验证集中用户实际数据进行比对。 验证结果表明，个性化推荐可有效提高推荐准确率及覆盖率（准确率 = 推荐准确的视频数 / 总推荐视频数，覆盖率 = 推荐准确的视频数 / 用户实际喜欢的视频数）。 （5）效果评估 效果评估可以通过alexa和站长之家等工具计算广告点击率（Click-Through-Rate，CTR）和人均页面浏览量（人均PV）来对比定向广告前后的数据，如果在使用关联规则定向广告后，广告的CTR和人均PV都大幅度提升，说明视频推荐的效果好，该视频推荐系统较为成功。 思考题 1.互联网行业中，推荐系统主要采用的是什么方法？其原理是？ 2.商业分析对网络营销的途径与作用是？ 3.选择一家互联网企业，调研与规划其商业分析方案。   $$