CN108460125A - 一种针对影院用户进行场景化标签化分类的方法 - Google Patents

Abstract

本发明涉及一种针对影院用户进行场景化标签化分类的方法，包括：场景化分类：针对影院运营过程中的不同场景划分成会员生命周期事件、会员行为事件、产品生命周期事件；用户画像标签化：自动收集用户自身信息、消费习惯信息、电影影片信息，并将上述信息整理成标签；针对性信息推送：根据不同的场景针对不同标签组的用户进行信息推送。本发明通过场景化分类、用户画像标签化和针对性信息推送，能够实现对观众观影习惯和口味的信息分类管理，能够实现对不同观影习惯和口味的观众进行精准信息推送，为观众提供更好的观影体验，信息化水平高，有利于提高影院管理运营水平，可以很好地满足实际应用的需要。

Description

一种针对影院用户进行场景化标签化分类的方法

技术领域

本发明涉及一种针对影院用户进行场景化标签化分类的方法。

背景技术

随着经济的发展和人民生活水平的提高，人们对精神生活水平的要求也越来越高，越来越多的人走进电影院观看电影，中国已经成为世界第二大电影市场。目前，影院没有对影院用户(观众)进行分类的技术方案，对电影的排片计划也只是根据主观判断来制定，容易造成判断不准确，排片上映的电影不符合观众口味导致票房不佳影院亏本的问题，另外在影院在对影院用户进行信息推送时，由于没有对影院用户(观众)进行分类的技术方案，不能进行精准对位，一般是不加区分地对观众进行全面通知，通过用户购卡时登记的手机号逐个通知用户影院当前的影片安排信息，这样容易将并不适合对应用户的宣传信息错误地推送给客户，反而造成资源的浪费和对用户的骚扰。为了更好地服务用户、提供符合观众口味的影片，满足不同喜好的观众的需求，提升影城运营能力，需要对影院用户(观众)进行分类，现在亟待研发一种针对影院用户进行场景化标签化分类的方法。

发明内容

针对上述现有技术中存在的问题，本发明的目的在于提供一种可避免出现上述技术缺陷的针对影院用户进行场景化标签化分类的方法。

为了实现上述发明目的，本发明提供的技术方案如下：

一种针对影院用户进行场景化标签化分类的方法，包括：

步骤(1)场景化分类：针对影院运营过程中的不同场景划分成会员生命周期事件、会员行为事件、产品生命周期事件；

步骤(2)用户画像标签化：自动收集用户自身信息、消费习惯信息、电影影片信息，并将上述信息整理成标签；

步骤(3)针对性信息推送：将场景类别与标签类别相结合设定筛选条件，选出符合筛选条件的用户并向其推送信息。

进一步地，会员生命周期事件包括新会员注册、会员完善个性资料事件、会员升级、会员降级、会员休眠、会员沉睡和会员生日。

进一步地，会员行为事件包括购买影票、购买卖品、购卡、充值和观影。

进一步地，产品生命周期事件包括影片上映、新品上架、会员权益变化、版本更新。

进一步地，所述标签的类别包括影片信息类标签、会员价值类标签和会员活跃度类标签。

进一步地，影片信息类标签包括电影类型标签、影片名称标签、演员标签、导演标签、编剧标签。

进一步地，会员价值类的标签包括观影频次标签、卖品消费频次标签、卖品平均单次消费金额标签、影票和卖品同时购买率标签。

进一步地，会员活跃度类的标签包括活跃会员标签、沉睡会员标签和流失会员标签。

进一步地，针对性信息推送的操作步骤包括：

步骤1)将用户实际数据和标签设定规则进行对比，将用户划分入不同的标签组；

步骤2)设定筛选逻辑，设置多个筛选条件并设定其逻辑关系，筛选条件包括场景类别和用户标签组，多个筛选条件之间的逻辑关系包括“并”与“或”两种；

步骤3)筛选操作；选择一个标签进行赋值；

步骤4)根据运营需求，在后台系统中选择不同的标签组；

步骤5)针对标签组内的用户进行信息推送，根据用户设定，将对应信息推送至特定的用户。

进一步地，步骤3)的赋值方式为：

电影类型标签：按照电影数据库中电影类型的区分，取值为影片类型数据字典；

影片名称标签：取值为电影库列表，支持模糊搜索；

演员标签：取值为演员库列表，支持模糊搜素；

导演标签：取值为导演库列表，支持模糊搜索；

编剧标签：取值为编剧库列表，支持模糊搜索；

观影频次标签：取值为“0次”“1次”“2次”“3次”“4次”“5次及以上”；

卖品消费频次标签：取值为“0次”“1次”“2次”“3次”“4次”“5次及以上”；

卖品平均消费金额标签：按自然月统计会员卖品单次的平均消费金额，取值为“10元以内”“10-15元”“15元以上”；

影票和卖品同时购买率标签：按自然月统计会员月度影票和卖品同时购买的混合订单占总订单的比例，取值为“0-20％”“20％-40％”“40％-60％”“60％以上”；

会员活跃度：取值为活跃会员、沉睡会员、流失会员三种。

本发明提供的针对影院用户进行场景化标签化分类的方法，通过场景化分类、用户画像标签化和针对性信息推送，能够实现对观众观影习惯和口味的信息分类管理，能够实现对不同观影习惯和口味的观众进行精准信息推送，避免了对用户的无效打扰，为观众提供更好的观影体验，信息化水平高，有利于提高影院管理运营水平，可以很好地满足实际应用的需要。

附图说明

图1为本发明的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本发明做进一步说明。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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，一种针对影院用户进行场景化标签化分类的方法，包括以下步骤：

步骤(1)场景化分类：针对影院运营过程中的不同场景划分成会员生命周期事件、会员行为事件、产品生命周期事件；

其中，会员生命周期事件主要是指新会员注册、会员完善个性资料事件、会员升级、会员降级、会员休眠、会员沉睡、会员生日等事件；

会员行为事件主要是指购买影票、购买卖品、购卡、充值、观影等事件；

产品生命周期事件主要是指影片上映、新品上架、会员权益变化、版本更新等事件。

影院运营过程中的多个场景包括：

场景名称	场景说明
		新会员注册	会员生命周期事件
会员完善个性资料	会员生命周期事件
		会员升级	会员生命周期事件
会员降级	会员生命周期事件
		会员休眠	会员生命周期事件
会员沉睡	会员生命周期事件
		会员生日	会员生命周期事件
购买影票	会员行为事件
		购买卖品	会员行为事件
购卡	会员行为事件
		充值	会员行为事件
观影	会员行为事件
		影片上映	产品生命周期事件
新品上架	产品生命周期事件
		会员权益变化	产品生命周期事件
版本更新	产品生命周期事件

步骤(2)用户画像标签化：自动收集用户自身信息、消费习惯信息、用户看过的电影影片信息，并将上述这些信息整理成标签；用户画像标签化是一种根据用户观影习惯和口味对影院用户进行标签化分类的方法。

用户自身信息所整理成的标签类别为会员活跃度类；消费习惯信息所整理成的标签类别为会员价值类；电影影片信息所整理成的标签类别为影片信息类。各个标签类别所包括的标签名称列表如下所示：

各个标签的详细说明如下：

(1)影片信息类的标签包括：

电影类型标签：按照电影数据库中电影类型的区分，一期内容会员只要看过某类型电影就归属为该类型标签，随着数据量的积累，可通过建立更加科学的数据模型来完善电影类型的标签归属。

影片名称标签：一期内容会员只要看过某电影就归属为该电影标签，随着数据量的积累，可通过建立更加科学的数据模型来完善电影的标签归属。

演员标签：一期内容会员只要看过某演员主演电影就归属为该演员标签，随着数据量的积累，可通过建立更加科学的数据模型来完善演员的标签归属。

导演标签：一期内容会员只要看过某导演电影就归属为该导演标签，随着数据量的积累，可通过建立更加科学的数据模型来完善导演的标签归属。

编剧标签：一期内容会员只要看过某编剧主编电影就归属为该编剧标签，随着数据量的积累，可通过建立更加科学的数据模型来完善编剧的标签归属。

(2)会员价值类的标签包括：

观影频次标签：按自然月统计会员的购买电影票的消费频次，观影频次的标签按自然月更新，分为“0次”“1次”“2次”“3次”“4次”“5次及以上”。

卖品消费频次标签：按自然月统计会员的购买卖品的消费频次，卖品消费频次的标签按自然月更新，分为“0次”“1次”“2次”“3次”“4次”“5次及以上”。

卖品平均单次消费金额标签：按自然月统计会员卖品单次的平均消费金额，月订单中购买卖品订单的卖品总金额除以购买卖品的订单总数，分为“10元以内”“10-15元”“15元以上”，便于影城更加确切的了解会员的卖品购买和消费能力，也更利于根据卖品单价推送相关的卖品信息。

卖品平均单次消费金额标签计算公式：会员月卖品消费额/卖品订单数。

影票和卖品同时购买率标签：按自然月统计会员月度影票和卖品同时购买的混合订单占总订单的比例，分为“0-20％”“20％-40％”“40％-60％”“60％以上”，便于影城推销卖品。

影票和卖品同时购买率标签计算公式：混合订单数/订单总数。

(3)会员活跃度类的标签包括：

活跃会员标签(沉默时间小于1个月)、沉睡会员标签(沉默时间大于3个月)、流失会员标签(沉默时间大于6个月)。

步骤(3)进行针对性信息推送；针对性信息推送：将场景类别与标签类别相结合设定筛选条件，选出符合筛选条件的用户并向其推送信息，具体来说，就是根据不同的场景针对不同标签组的用户进行信息推送，或者对不同标签组的用户针对不同的场景进行信息推送，向不同用户精准推送其感兴趣的信息。

针对性信息推送的操作步骤具体包括：

步骤1)将用户实际数据和标签设定规则进行对比，将不同的用户划分入不同的标签下，同一标签下的多个用户组成一个标签组；

步骤2)设定筛选逻辑；

筛选操作通过设置多个筛选条件并设定其逻辑关系来实现，筛选条件包括不同的场景类别和不同的用户标签组，多个筛选条件之间的逻辑关系包括“并”与“或”两种，筛选条件的个数根据实际情况进行设定，例如，可以设定6个筛选条件，规定其中所存在的“或”的逻辑关系不超过3个，“并”的逻辑关系不超过5个，这样可以保证一个合适的筛选范围，避免筛选范围过大导致推送方向不够精确或者筛选范围过小导致遗漏较多用户。例如：影院有一部冯小刚导演的喜剧片上映，设置5个筛选条件分别为：影片上映、会员生日、导演标签组(由喜欢冯小刚的用户组成)、电影类型标签组(由喜欢喜剧的用户组成)、活跃会员标签组，筛选条件之间的关系设定为：导演标签组并电影类型标签组形成第一个分组，电影类型标签组并活跃会员标签组形成第二个分组，影片上映事件并会员生日形成第三个分组，然后这三个分组之间采取“或”的逻辑关系，这样实际上就筛选出最后的用户范围为：喜欢冯小刚喜剧电影的观众，或者喜欢喜剧且经常看电影的观众，或者影片上映当天过生日的观众。

步骤3)根据筛选条件进行筛选操作；

选择一个标签，用“＝”赋值，以下分别举例说明赋值方式：

(1)影片信息类

电影类型标签：按照电影数据库中电影类型的区分，取值为影片类型数据字典。

影片名称标签：取值为电影库列表，支持模糊搜索。

演员标签：取值为演员库列表，支持模糊搜素。

导演标签：取值为导演库列表，支持模糊搜索。

编剧标签：取值为编剧库列表，支持模糊搜索。

(2)会员价值类

观影频次标签：取值为“0次”“1次”“2次”“3次”“4次”“5次及以上”。

卖品消费频次标签：取值为“0次”“1次”“2次”“3次”“4次”“5次及以上”。

卖品平均消费金额标签：按自然月统计会员卖品单次的平均消费金额，取值为“10元以内”“10-15元”“15元以上”。

影票和卖品同时购买率标签：按自然月统计会员月度影票和卖品同时购买的混合订单占总订单的比例，取值为“0-20％”“20％-40％”“40％-60％”“60％以上”。

(3)会员活跃度类

会员活跃度：取值为活跃会员、沉睡会员、流失会员三种；

步骤4)根据运营需求，结合场景类别，在后台系统中选择不同的标签组；

步骤5)设置活动触发条件及奖励(例如可以奖励过生日的会员当天看电影半价)；

步骤6)针对标签组内的用户进行信息推送，根据用户设定，将对应信息以短信或者电子优惠券或者奖励信息或者APP消息方式推送至特定的用户(例如发送到用户手机上)，或者将对应信息以其他方式发送给用户，完成针对性信息推送。

本发明提供的针对影院用户进行场景化标签化分类的方法，通过场景化分类、用户画像标签化和针对性信息推送，能够实现对观众观影习惯和口味的信息分类管理，能够实现对不同观影习惯和口味的观众进行精准信息推送(例如，针对观看过影片A的用户，在其购票场景下，触发赠送影片A相关的套餐优惠券)，实现了影院场景和标签的智能结合，避免了对用户的无效打扰，为观众提供更好的观影体验，信息化水平高，有利于提高影院管理运营水平，通过识别用户行为场景，实现信息自动化精准推送，提升了经营效率，提升了服务水平，促进了关联消费、提升了影院业绩，可以很好地满足实际应用的需要。

以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种针对影院用户进行场景化标签化分类的方法，其特征在于，包括：

步骤(1)场景化分类：针对影院运营过程中的不同场景划分成会员生命周期事件、会员行为事件、产品生命周期事件；

步骤(2)用户画像标签化：自动收集用户自身信息、消费习惯信息、电影影片信息，并将上述信息整理成标签；

步骤(3)针对性信息推送：将场景类别与标签类别相结合设定筛选条件，选出符合筛选条件的用户并向其推送信息。

2.根据权利要求1所述的方法，其特征在于，会员生命周期事件包括新会员注册、会员完善个性资料事件、会员升级、会员降级、会员休眠、会员沉睡和会员生日。

3.根据权利要求1-2所述的方法，其特征在于，会员行为事件包括购买影票、购买卖品、购卡、充值和观影。

4.根据权利要求1-3所述的方法，其特征在于，产品生命周期事件包括影片上映、新品上架、会员权益变化、版本更新。

5.根据权利要求1-4所述的方法，其特征在于，所述标签的类别包括影片信息类标签、会员价值类标签和会员活跃度类标签。

6.根据权利要求1-5所述的方法，其特征在于，影片信息类标签包括电影类型标签、影片名称标签、演员标签、导演标签、编剧标签。

7.根据权利要求1-5所述的方法，其特征在于，会员价值类的标签包括观影频次标签、卖品消费频次标签、卖品平均单次消费金额标签、影票和卖品同时购买率标签。

8.根据权利要求1-5所述的方法，其特征在于，会员活跃度类的标签包括活跃会员标签、沉睡会员标签和流失会员标签。

9.根据权利要求1-8所述的方法，其特征在于，针对性信息推送的操作步骤包括：

步骤1)将用户实际数据和标签设定规则进行对比，将用户划分入不同的标签组；

步骤2)设定筛选逻辑，设置多个筛选条件并设定其逻辑关系，筛选条件包括场景类别和用户标签组，多个筛选条件之间的逻辑关系包括“并”与“或”两种；

步骤3)筛选操作；选择一个标签进行赋值；

步骤4)根据运营需求，在后台系统中选择不同的标签组；

步骤5)针对标签组内的用户进行信息推送，根据用户设定，将对应信息推送至特定的用户。

10.根据权利要求1-9所述的方法，其特征在于，步骤3)的赋值方式为：

电影类型标签：按照电影数据库中电影类型的区分，取值为影片类型数据字典；

影片名称标签：取值为电影库列表，支持模糊搜索；

演员标签：取值为演员库列表，支持模糊搜素；

导演标签：取值为导演库列表，支持模糊搜索；

编剧标签：取值为编剧库列表，支持模糊搜索；

观影频次标签：取值为“0次”“1次”“2次”“3次”“4次”“5次及以上”；

卖品消费频次标签：取值为“0次”“1次”“2次”“3次”“4次”“5次及以上”；

卖品平均消费金额标签：按自然月统计会员卖品单次的平均消费金额，取值为“10元以内”“10-15元”“15元以上”；

影票和卖品同时购买率标签：按自然月统计会员月度影票和卖品同时购买的混合订单占总订单的比例，取值为“0-20％”“20％-40％”“40％-60％”“60％以上”；

会员活跃度：取值为活跃会员、沉睡会员、流失会员三种。